Imaging is a complex and highly nonlinear process such that the first order approximation is applied in practice. This approximation always contains errors which may significantly degraded the performance. In this talk, I will discuss the methods that alleviate the error effects using both mathematical and deep learning methods.

包承龙，清华大学丘成桐数学科学中心，助理教授。2009年本科毕业于中山大学数学系，2014年博士毕业于新加坡国立大学数学系，2015年至2018年在新加坡国立大学数学系进行博士后研究。 其研究兴趣主要在数学图像处理的模型与算法方面，目前已在IEEE TPAMI, SIIMS, SISC, ACHA等期刊或CVPR，ICML，NeurIPS,  ICLR等会议上共计发表学术论文20余篇。