学术报告（孟德宇5.9）

摘要：卷积算子是卷积网络核心，在现代深度学习领域发挥了重要的作用。然而，常用的离散形式卷积核无法灵活进行函数变换或离散化采样位置调整，功能上具有显著局限性，不适用于旋转与尺度不变性刻画、卷积核动态调整和非网格卷积等操作。参数化卷积方法因此逐渐引起重视。现阶段，参数化卷积方法的研究处在起步阶段，本报告将介绍一种适用于底层视觉任务的参数化卷积方法，并以旋转等变卷积方法的构造为代表介绍一系列参数化卷积方法的应用。