中国图象图形学学会青年科学家会议是由中国图象图形学学会青年工作委员会发起的学术会议。本会议面向国际学术前沿与国家战略需求，致力于支持图象图形领域的优秀青年学者，为青年学者们提供学术交流与研讨的平台，促进学者之间的交流与合作。会议同时邀请工业应用部门与学会青年学者做深入交流，鼓励图象图形领域的“产学研”合作。
本次“青年科学家会议”将于2023年4月22-24日于长沙中维神农大酒店召开，以中国图象图形学学会青年工作委员会委员为基础，邀请图象图形领域的优秀青年学者与杰出企业代表共同参与。本次会议由中国图象图形学学会主办，湖南大学和中国图象图形学学会青年工作委员会承办，湖南工程学院和宝德计算机系统股份有限公司协办。中国图象图形学学会理事长王耀南院士、国防科技大学胡德文教授、重庆邮电大学高新波教授、哈尔滨工业大学姚鸿勋教授，共同担任大会主席。本次会议是中国图象图形学领域的重要会议，已经列入2022年中国科协的重要会议指南。
主办单位：
中国图象图形学学会(CSIG)
承办单位：
湖南大学、中国图象图形学学会青年工作委员会
协办单位：
湖南工程学院、宝德计算机系统股份有限公司
赞助单位：
会议地点：
长沙中维神农大酒店（长沙市雨花区芙蓉中路三段269号）
会议时间：
2023年4月22日-24日
会议主页：
http://youth.csig.org.cn/CSIG2022/index.html
注册地址(去年已注册过的参会者不用再次注册)：
https://confht.csig.org.cn/meetm/meet/332/fair-buy
参会须知会场交通：
1.长沙黄花国际机场出发：距离酒店约26公里，驾车约40分钟，乘坐公共交通约70分钟。
2.长沙高铁南站出发：距离酒店约12公里，驾车约27分钟，乘坐公共交通约30分钟。
组委会
大会主席：
王耀南 湖南大学
姚鸿勋 哈尔滨工业大学
高新波 重庆邮电大学
胡德文 国防科技大学
程序委员会主席：
张辉 湖南大学
董伟生 西安电子科技大学
阚美娜 中国科学院计算技术研究所
许倩倩 中国科学院计算技术研究所
组织委员会主席：
方乐缘 湖南大学
姬艳丽 电子科技大学
杨欣 华中科技大学
杨鑫 大连理工大学
苏航 清华大学
宣传主席：
朱磊 山东师范大学
舒祥波 南京理工大学
丛润民 山东大学
杨鹏 华中科技大学
青托沙龙主席：
元辉 山东大学
胡鹏 四川大学
赵健 军事科学院
黄岩 中国科学院自动化研究所
优博论坛主席：
马超 上海交通大学
张鼎文 西北工业大学
赞助主席：
刘昕 国科智算科技有限公司
本地主席：
刘敏 湖南大学
刘新旺 国防科技大学
网站主席：
赵洋 合肥工业大学
会议日程
“青年科学家会议” 报告嘉宾
大会主题(Keynote)报告
Keynote报告一
报告题目：多模态机器人感知与自然交互
特邀讲者：李树涛 湖南大学
讲者简介：湖南大学教授，博士生导师，副校长；教育部长江学者特聘教授，国家杰出青年科学基金获得者，国家“万人计划”科技创新领军人才，国务院政府特殊津贴专家，入选国家百千万人才工程，并被授予“有突出贡献中青年专家”称号，教育部科技委国防科技学部委员；IEEE Fellow，科睿唯安全球高被引科学家，Elsevier 中国高被引学者，IEEE Trans. Geosci. Remote Sen.、IEEE Trans. Instrument. Meas.、Information Fusion 等国际著名期刊编委。承担了国家自然科学基金创新群体、国家重点研发计划、国家杰出青年科学基金等国家和省部级课题二十余项，获国家自然科学二等奖1项，国家科技进步二等奖2项，湖南省自然科学一等奖2项，湖南省教学成果一等奖2项。在国内外权威学术期刊和会议上发表论文300余篇，其中 SCI 收录 150余篇，IEEE Transactions 论文 100 余篇，ESI 1%高被引论文 25 篇，ESI 1‰热点论文 4 篇，授权国家发明专利 40余 项，软件著作权10余项。
报告摘要：现代机器人经过近70年的发展，在人工智能技术推动下正迈向智能化和情感化时代。人机自然交互是新一代智能机器人的核心技术，也是机器人领域面临的重大挑战之一。由于人类表达的多元化和交互环境的复杂性，机器人需要高效融合多源信息才能精准感知人类表达和情感意图，实现智能化和情感化的人机自然交互。本报告将分析人机自然交互在交互信息感知、情感意图认知以及交互反馈生成等不同阶段面临的挑战难题，介绍跨模态语音识别、多模态多维度情感认知和多源信息融合反馈生成等理论方法，探讨如何融合音视频等多源传感器信息以及领域知识，提升复杂环境下人机自然交互的感知精度和认知水平。进一步，从信息融合角度展望人机自然交互的未来趋势，简要介绍人机自然交互中多通道融合、多学科融合、实与虚融合以及端边云融合等发展方向。
Keynote报告二
报告题目：多模态内容生成及应用
特邀讲者：梅涛 HiDream.ai
讲者简介：梅涛博士，生成式人工智能初创公司 HiDream.ai 创始人兼CEO，加拿大工程院外籍院士，IEEE/IAPR/CAAI Fellow，科技部科技创新2030人工智能重大项目首席科学家。梅博士是人工智能、计算机视觉和多媒体等领域的知名学者，他发表论文300余篇，引用率超过三万余次，先后荣获15项最佳论文奖，拥有70多项专利，并主导研发了多款全球日活用户高达数百万的商业产品。此前，他曾任京东集团副总裁和微软研究院资深研究员。
报告摘要：生成式人工智能（AIGC）近来成为技术和产业界竞相追逐的热点，全球各大科技企业都在积极拥抱AIGC，不断快速推出相关基础模型、平台和应用。我们将回顾代表性AIGC基础模型进展，分析多模态内容生成技术，尤其是视觉与语言多模态交互与生成，并展望相关应用和技术挑战。
Keynote报告三
报告题目：视觉基础模型及应用
特邀讲者：鲁继文 清华大学
讲者简介：清华大学自动化系长聘副教授，博导，国家杰出青年科学基金获得者，IAPR Fellow，主要研究领域为计算机视觉、模式识别、无人系统。发表PAMI、CVPR、ICCV、ECCV论文130余篇，获授权国家发明专利50余项，主持基金委优秀青年科学基金、联合重点基金、海外高层次青年人才计划、科技部重点研发计划课题等项目10余项，获中国电子学会自然科学一等奖（排名1）、中国自动化学会高等教育教学成果一等奖（排名3）。担任国际期刊Pattern Recognition Letters主编，IEEE T-IP、T-CSVT、T-BIOM编委，国际会议ICME2022大会主席，FG2023、VCIP2022、ICME2020程序委员会主席，IEEE图像视频高维信号处理、多媒体信号处理、信息取证与安全、多媒体系统与技术、视觉信号处理与通信技术委员会委员，中国计算机学会计算机视觉专委会、中国人工智能学会模式识别专委会、中国自动化学会模式识别与机器智能专委会、中国图象图形学学会视觉大数据专委会常务委员。
报告摘要：基础模型是人工智能领域的研究热点，在计算机视觉和自然语言处理等领域中均取得了优异的性能，是视觉监控、自动驾驶、智能终端等重要应用的支撑性技术。报告将从模型架构和学习范式两个方面回顾视觉基础模型近年来的研究进展，同时介绍清华大学智能视觉实验室在视觉基础模型方面所开展的一些工作，主要包括高阶交互模型、动态稀疏模型、全局滤波模型、球面分形模型等，以及它们在目标检测与分割、物体分类与识别、图像与视频检索、三维重建与理解等视觉任务中的应用。
Keynote报告四
报告题目：面向动物迁飞机理分析的高分辨多维协同雷达测量仪
特邀讲者：胡程 北京理工大学
讲者简介：胡程，男，博士、教授/博士生导师，北京理工大学雷达技术研究所副所长，国家杰出青年科学基金获得者。长期从事新体制合成孔径雷达系统与信号处理、生物探测雷达系统与信息处理技术方向的科学研究。是国防科技创新团队带头人、英国工程技术学会会士（IET Fellow）、中国电子学会会士；担任中国电子学会信号处理分会青年副主任、IET 2018国际雷达会议大会主席、国际雷达空中生态学会议大会共主席。
报告摘要：昆虫、鸟、蝙蝠等空中生物均存在季节性迁徙行为，研究空中生物迁徙对科学研究和社会经济都有重要意义。雷达是监测和研究空中生物自然迁徙最有效的手段。本次报告将介绍新一代用于空中迁徙生物探测的高分辨多维协同雷达测量仪，该仪器由一部相控阵雷达和三部多频段全极化雷达构成，基于频段、极化、幅度、相位、角度等多维信息以及高距离分辨能力测量目标体长、体重、振翅频率等生物学和行为学参数，实现对目标的种类辨识和轨迹分析；报告还将介绍仪器的系统开发进度、算法原理验证以及实验样机应用情况。
计算机图形学专题
特邀报告一
报告题目：“病态的” 计算机视觉算法
特邀讲者： 操晓春 中山大学
讲者简介：中山大学网络空间安全学院院长，国家杰出青年青年科学基金获得者，主要从事计算机视觉基础研究和网络空间内容安全应用研究。担任IEEE汇刊 TIP/TMM/电子学报的编委，NeurIPS/ICCV/CVPR/IJCAI/AAAI/ICPR的Area Chairs。获2019年中共中央办公厅技术进步一等奖（排名第1）。中国计算机学会优博、中国电子学会优博、中国科学院大学优博指导导师。
报告摘要：大部分计算机视觉算法的输入为连续或者稠密的图像数据，输出为人类可以理解的类别、位置、深度等离散或者稀疏语义空间。由于定义域和值域集合的基数不一致，这些计算机视觉算法不满足well-posed问题的第三个条件，是经典的ill-posed问题。纯数据驱动的计算机视觉算法是否既能具有对烟雨雾霾等复杂扰动的鲁棒性？又能避免的dedicated对抗扰动?是否存在裨益计算机视觉任务的正向扰动？我们团队正在探索的这些问题的答案，本报告将简述部分进展。
特邀报告二
报告题目：脑显微图像的三维结构重建和分析
特邀讲者：陈雪锦 中国科学技术大学
讲者简介： 陈雪锦，中国科学技术大学信息学院特任教授，教育部“青年长江学者”。2003和2008年于中国科学技术大学获得学士和博士学位。2008-2010年于耶鲁大学计算机系从事博士后研究。2010年加入中国科学技术大学。曾在斯坦福大学、微软亚洲研究院任访问学者。主要研究方向为计算机图形学、三维视觉、脑显微图像分析。在ACM SIGGRAPH、IEEE TVCG、TMI、ACM Multimedia等期刊会议上发表学术论文60余篇，承担国家科研项目10余项，曾获CVM期刊2019年度最佳论文提名、安徽省教学成果特等奖。个人主页：http://staff.ustc.edu.cn/~xjchen99/
报告摘要：近年来，微米、纳米分辨率的显微成像技术支持对大脑进行神经元级别到突触级的观测，大力推动了脑科学的发展，然而，TB级甚至PB级脑显微影像数据的处理和分析成为了制约神经科学发展的瓶颈。利用人工智能技术，对脑显微图像中神经元、线粒体等亚细胞结构进行自动三维重建和准确形态分析成为了必要手段。然而，脑显微图像中的三维目标形态各异，结构精细，标注代价及其高昂。为缓解该问题，我们研究了一系列自学习方法，利用神经元全局结构先验，挖掘图像样本间的结构关联，实现无需人工标注的高精度三维重建和三维形态表达。
特邀报告三
报告题目：面向高自由度机器人抓取的三维几何表征学习
特邀讲者：徐凯 国防科技大学
讲者简介： 徐凯，国防科技大学教授。国家优青，湖南省杰青。普林斯顿大学访问学者，西蒙弗雷泽大学客座教授。研究方向为数据驱动的三维感知与建模、三维视觉及其机器人应用等。发表CCF A类论文60余篇，其中领域顶级会议和期刊论文27篇。目前担任图形学多个顶级期刊的编委，并担多个国际会议的论文共同主席/程序委员。担任中国图象图形学学会三维视觉专委会副主任，中国工业与应用数学学会几何设计与计算专委会秘书长，中国图学学会理事。获湖南省自然科学一等奖2项（排名第1和第3）、中国计算机学会自然科学一等奖（3）、军队科技进步二等奖等。
报告摘要： 高自由度抓取是机器人灵巧操作的重要研究问题，具有广泛的应用前景。我们提出基于三维几何表征学习的高自由度灵巧抓取。本次报告将汇报我们在该方向的三项工作，包括基于三维深度学习的高自由度抓取合成，可微分高自由度抓取规划，以及基于三维交互表征学习的高自由度抓取及运动联合规划。其中在三维交互表征学习方面，我们将交互二分面（Interaction Bisector Surface，IBS）引入机械手与物体之间的抓取交互表示，用于建模和学习抓取过程中手和物体间的三维空间动态交互，实现了手的接近和抓取连贯规划。IBS可以很好地刻画高自由度机械手的每个手指与物体之间的细粒度空间交互关系，是一种非常有效的三维交互状态表示。结合深度强化学习，可以较高的样本效率学习高自由度抓取控制模型，且习得的模型具有动态适应性和跨类别泛化性。
特邀报告四
报告题目：基于深度学习的交互运动感知与重建
特邀讲者：徐枫 清华大学
讲者简介：徐枫，清华大学软件学院长聘副教授，博士生导师，中国人工智能学会副秘书长，国家优秀青年科学基金，北京市杰出青年基金获得者。研究方向包括人工智能、智慧医疗、虚拟/增强现实等。近年来致力于三维重建、图像分析及其与医学、生命科学的交叉问题研究。相关工作发表在Lancet Digital Health, Cell Patterns，PRL，ACM Siggraph, ACM Siggraph Asia, CVPR等国际权威期刊和会议上。多次担任国际重要期刊和会议的审稿人和程序委员，担任中国人工智能学会副秘书长。获得中国图象图形学学会技术发明一等奖（第1发明人），电子学会技术发明一等奖1项（第2发明人），获授权发明专利11项，其中美国专利1项。
报告摘要： 针对人的运动感知和重建是计算机图形学、计算机视觉领域的热点研究问题，以人脸、人体、人手以及全身为研究对象的相关技术，对影视、游戏、虚拟/增强现实等应用场景具有重要意义。随着技术的不断发展，在纯人感知与重建的基础上，人与物体的交互场景受到越来越多研究者的关注，成为这一领域的前沿方向之一，有望对未来机器人、人机交互等技术的发展注入新的活力。然而交互运动中人与物体互相遮挡，物体复杂运动的引入等，都给问题的解决增加了新的困难，本报告将针对这些新的困难，探讨可能的解决思路和方法。
图像视频处理与理解专题
特邀报告一
报告题目：视觉场景理解：从2D感知到4D融合
特邀讲者：张兆翔 中国科学院自动化研究所
讲者简介：张兆翔，博士，研究员，博士生导师，中国科学院自动化研究所研究员，中国科学院大学岗位教授，中国科学院脑科学与智能技术卓越创新中心骨干，香港理工大学兼职教授。入选“教育部CJ学者奖励计划”、“国家万人计划青年拔尖人才”。研究兴趣包括：模式识别、计算机视觉与深度学习，具体研究方向包括：视觉认知计算、类脑学习和面向开放环境的视觉感知与理解，在本领域国际主流期刊与会议上发表论文200余篇，近五年来在IEEE T-PAMI、IJCV、JMLR、IEEE T-IP、IEEE T-NN等顶级期刊与CVPR、ICCV、ECCV、NIPS、AAAI、IJCAI等顶级会议发表论文100余篇，授权专利20余项，承担了国家自然科学基金重点项目、国家自然科学基金企业联合重点项目、国家重点研发项目、总装备部重点项目等多项国家级科研项目，是IEEE高级会员，VALSE常务AC，中国计算机学会CCF杰出会员、中国人工智能学会CAAI杰出会员、中国人工智能学会CAAI副秘书长，是或曾是IEEE T-CSVT、Patten Recognition、NeuroComputing编委，担任CVPR、ICCV、AAAI、IJCAI、ACM MM、ICPR、ACCV等国际会议的领域主席（Area Chair）。
报告摘要： 视觉场景感知是计算机视觉与模式识别领域的经典问题，对于探索场景表征于认知激励具有重要的意义，在机器人、自动驾驶、遥感分析等领域具有广泛的应用价值。当前，以物体检测为代表的视觉场景感知方法往往依托深度学习的方法，通过提取环境数据中的表征信息和模式特征，实现对场景的有效分析、认知与表达。传统的视觉目标检测以2D图像数据为研究基础，完成静态2D图像上的检测任务。而近年来，随着3D采集技术的迅速发展， 3D点云数据不断普及，实现由2D图像到3D点云，由3D静态数据到4D时序动态数据的演变，为多维环境感知带来了新的挑战和机遇。而如何从大量的3D点云数据和4D时序数据中获取有用的信息，更好的实现场景理解，是目前计算机视觉研究的重要内容。本报告从2D视觉场景检测技术出发，探讨基于3D空间信息以及4D时空信息的视觉场景感知方案，构建通用的2D目标检测框架、高效3D目标检测方案以及无监督的4D目标检测框架等。
特邀报告二
报告题目：计算摄像的奇妙之旅
特邀讲者：曹汛 南京大学
讲者简介： 主要从事计算摄像学的交叉领域研究，提出了棱镜-掩模调制的光谱视频成像方法(PMVIS)并研制了系列光谱相机装置，被国际上广泛报道为光谱视频成像的三种代表性技术之一，光谱融合的关键技术被写入M.I.T.最新出版教材<Computational Imaging, 2022>。研究成果成功应用于安全侦察、工业检测等重点行业领域，因“光谱视觉预警技术在监控化工介质泄漏、保障安全生产的重要贡献”获第26届中国青年五四奖章。近年来在Nature子刊、信号处理（IEEE SPM、T-PAMI）等交叉领域发表论文37篇，授权国内外发明专利51项，受邀撰写Springer视觉大百科全书《多光谱/高光谱成像》章节。担任 IEEE T-CSVT、IEEE SPL 期刊编委、CVPR 领域(计算摄像)主席。
报告摘要： 视觉占据了人类和客观世界交互总信息量的80%左右，从公元前400年墨子描述“小孔成像”到哈勃望远镜、显微镜/显纳镜，再到现在数以十亿计的手机摄像头和车载摄像头，超越人眼的视觉信息获取和处理能力，一直是人类孜孜以求的目标，形成了一系列璀璨夺目的变革式技术。计算摄像学是视觉信息获取的前沿交叉方向，旨在综合运用电子、计算机/人工智能、光学等多学科知识，拓展全新成像理论与方法，构建新型成像技术及装置，实现“看得更远、看得更清、看得更广”等目标。本报告从多维度视觉信息获取的国内外前沿向大家呈现计算摄像的奇妙之旅。
特邀报告三
报告题目：信源信道联合编码——从图像到任务
特邀讲者：范晓鹏 哈尔滨工业大学
讲者简介： 哈工大计算学部长聘教授、博导、智能接口与人机交互研究中心主任、人工智能专业负责人、国家重点研发计划首席。先后入选长江学者、新世纪优秀人才、哈工大拔尖人才、微软铸星计划、哈工大百人计划等。2009年于香港科技大学电子工程系获博士学位。2013年获IEEE标准杰出贡献奖。2022年获电子学会创新团队奖。目前主要研究兴趣包括数字媒体技术、人工智能等，发表国际期刊和会议论文150余篇，获发明专利20余项，十余项技术被国际/国内标准采纳，作为副主编及主要起草人之一，制定了IEEE视频编码标准《IEEE 1857.2》。主持国家重点研发计划项目、国家自然科学基金重点项目等国家级项目5项。2017年作为程序主席主办CCF推荐会议PCM2017。2022年起担任中国计算机产业协会元宇宙专委会副会长、上海市元宇宙产业发展专家委员会委员等。
报告摘要： 图像视频已占互联网流量的90%，且仍在不断增长。随着视频编码技术进步以及标准迭代，视频压缩效率不断提升。然而经过压缩的视频对于比特错误比较敏感，如何提升无线传输条件下视频抗噪能力，是目前仍然需要解决的问题。本报告将首先回顾传统信源信道联合编码、数模混合视频通信等技术，然后介绍新兴的为视频编码带来较大效率提升的AI技术，包括基于深度学习的视频编码、基于深度学习的多任务编码等，并探讨这些技术应用于信源信道联合编码的新思路和新途径。
特邀报告四
报告题目：暗光影像增强计算
特邀讲者：刘家瑛 北京大学
讲者简介：刘家瑛，博士，北京大学王选计算机研究所副教授，博士生导师，教育部青年长江学者，北京大学博雅青年学者，研究领域为智能媒体计算与视觉理解。累计发表IEEE汇刊与CCF A类论文80余篇，其中ESI高被引论文2篇，谷歌学术引用9500余次，获得授权国家发明专利70余项。担任APSIPA杰出讲者，IEEE/CSIG/CCF高级会员，IEEE CASS-MSA/VSPC技术委员会委员，CSIG多媒体专委会秘书长。担任多个顶级期刊编委，及多个国际会议程序委员会主席/领域主席。获教育部科技进步二等奖、CSIG石青云青年女科学家奖、北京大学首届教学卓越奖、王选青年学者奖，IEEE ICME 2020最佳论文奖等。
报告摘要：在低光照场景下进行图像/视频拍摄会导致一系列的视觉降质问题，例如暗光、欠曝、低对比度以及强噪声等。这些视觉降质既对人眼主观视觉体验造成干扰，又对计算机视觉应用构成影响。我们的工作试图系统性地探究低光照增强方法在两类情境中面临的挑战，以及如何通过暗光照增强提升两类应用的可用性和鲁棒性。通过以暗光环境下重建和检测的Benchmark为切入点，探讨底层视觉增强与高层视觉感知之间的联合关系，以期进一步提升智能影像计算性能。
特邀报告五
报告题目：视觉识别：从可用走向可信
特邀讲者：邓伟洪 北京邮电大学
讲者简介：北京邮电大学鸿雁人才特聘教授，研究方向为计算机视觉与模式识别、可信人工智能、情感计算、多模态学习。近年来主持国家重点研发计划课题、国家自然科学基金等项目30余项，与华为、中兴通讯、滴滴出行、阿里巴巴、腾讯、中国移动、佳能信息技术公司等企业开展广泛的技术合作，在IEEE TPAMI、IJCV、TIP、 ICCV、CVPR等国际期刊和会议上发表论文100多篇，累计被引用万余次，曾担任ACM MM、ECCV、IJCAI、ICME、ICPR等会议的领域主席，入选北京市优秀博士学位论文、北京市科技新星、教育部新世纪优秀人才、教育部青年长江学者、Elsevier中国高被引学者等。
报告摘要：海量标注数据和深度学习技术推动了视觉识别的广泛应用，现有模型在数据集上的性能已经超越人眼。然而，在真实世界中，训练和测试的环境差异、地区差异、伪造和对抗攻击等挑战导致大部分视觉识别应用的稳定性仍不理想，甚至造成种族偏见等伦理问题和伪造人脸等安全问题等。同时，隐私保护和数据安全也引起了人们的广泛担忧。本报告将从数据集建设、深度学习算法和性能评价等角度，汇报近期在以下方面的研究进展：1）高精度识别模型的自主学习；2）识别鲁棒性及SL/CA/CPLFW数据集；2）安全及隐私保护和TALFW数据集；3）识别公平性及RFW数据集；4）连续空间细粒度情感识别及RAF-ML/RAF-AU数据集。
图象图形机器学习理论与方法专题
特邀报告一
报告题目：大规模图像的多粒度语义理解
特邀讲者：程明明 南开大学
讲者简介：程明明，南开大学教授，计算机系主任。主持承担了国家杰出青年科学基金、优秀青年科学基金项目、科技部重大项目课题等。他的主要研究方向是计算机视觉和计算机图形学，在SCI一区/CCF A类刊物上发表学术论文100余篇（含IEEE TPAMI论文28篇），h-index为64，论文谷歌引用3.2万余次，单篇最高引用4300余次，连续6年入选Elsevier中国高被引学者榜单。技术成果被应用于华为、推想、金风、和中化农业等。获得多项省部级科技奖励。现担任中国图象图形学学会副秘书长、天津市人工智能学会副理事长和SCI一区期刊IEEE TPAMI, IEEE TIP编委。
报告摘要：从图像中快速准确地获取目标信息是计算机视觉的核心任务。鲁棒的目标检测与信息提取需要对不同粒度的信息进行高效的整合。本报告从多层次卷积特征融合、基于短连接的多尺度融合与深度监督、基于分层递进残差设计的层内多尺度特征表达、时序多层次信息提取、霍夫空间度尺度检测、多模型高效融合、多图像联系分析等角度入手，系统地介绍南开大学媒体计算团队在边缘检测、显著性物体检测、图像分类、语义分割、物体检测、关键点估计、视频动作分割，语义线检测、行人计数、年龄估计、图像超分辨率等领域的最新研究进展。同时，本次报告也将从实例、图像、以及整个数据集三个粒度出发，对大规模图像集合进行联合分析，以减少图像理解算法对大规模精确标注的依赖。
特邀报告二
报告题目：弱监督遥感影像处理与分析
特邀讲者：方乐缘 湖南大学
讲者简介：方乐缘，博士，湖南大学岳麓学者特聘教授，国家优青，科睿唯安全球“高被引科学家”，自动化系系主任，担任多个机器学习与计算机视觉领域国际知名期刊编委。研究成果在国际权威期刊和会议发表论文130余篇，其中SCI期刊发表论文90余篇，国际权威会议论文30余篇，Google scholar引用超过8000次，ESI高被引（1%）18篇，ESI热点论文（0.1%）4篇，获国家自然科学二等奖一项（排名第二），湖南省自然科学一等奖（排名第二）、湖南省优秀博士论文、IEEE Transactions on Geoscience and Remote Sensing最佳审稿人等奖项。近年来，主持了国家重点研发课题、JKW创新特区、湖南省重点研发等项目。
报告摘要：深度学习因其出色的性能在遥感影像处理分析中广泛应用，但深度学习是数据驱动的监督学习方法，其性能严重依赖于海量高质量的数据。实际应用中，难以获得高质量遥感影像来训练深度学习模型；一方面遥感影像分辨率低，不利于观测并解译精细地物信息；另一方面完整标注的遥感影像获取难度大，需要相关专业背景，甚至是实地踏勘。这些严重制约了深度学习方法在遥感领域的应用。本报告首先针对遥感影像分辨率受限问题，提出盲空间超分辨率和盲光谱超分辨率方法；其次，针对遥感影像完整标注困难、时间代价昂贵的问题，提出基于点标签的解译方法；最后，针对遥感影像分辨率提升大幅增加计算代价的问题，提出一种双支路并行网络结构，大幅度减少了训练时间，并不增加推理阶段的运算时间。
特邀报告三
报告题目：行为理解与具身智能
特邀讲者：卢策吾 上海交通大学
讲者简介： 卢策吾，上海交通大学教授，博士生导师，2016年或海外高层次青年引进人才，2018年被《麻省理工科技评论》评为35位35岁以下中国科技精英（MIT TR35），2019年获求是杰出青年学者，2020年获上海市科技进步特等奖（第三完成人），2021获中国高被引学者，2022年获IROS最佳论文之一（6/3579）。以通讯作者或第一作者在《自然》，《自然·机器智能》，TPAMI等高水平期刊和会议发表论文100多篇；担任Science正刊，Nature子刊，Cell子刊等期刊审稿人，NeurIPS，CVPR，ICCV ，ECCV，IROS ，ICRA领域主席。研究兴趣包括计算机视觉，机器人学习 。
报告摘要：该讲座围绕智能体行为理解问题展开讨论，包括：从机器认知角度，如何让机器看懂行为？介绍人类行为知识引擎与庞加莱空间下的行为语义统一等工作。从神经认知角度：机器语义理解与脑神经认知的内在关联？介绍如何阐释视觉行为理解与其脑神经的内在关联，并建立稳定映射模型。从具身认知角度，如何让机器人具有第一人称的行为能力？介绍提出的PIE（perception- imagination-execution）方案，其中代表工作graspNet首次在未知物体抓取问题上达到人类水平。
特邀报告四
报告题目：多模态生成式模型研究
特邀讲者：赵洲 浙江大学
讲者简介： 赵洲，浙江大学计算机学院教授、博士生导师，2015年博士毕业于香港科技大学。主要研究方向为自然语言理解、计算机视觉计算和生成式模型，在国际期刊和会议上发表50余篇论文，谷歌学术引用8000多次。完成了多个多模态生成式任务的工作，如语音合成（NATSpeech）、歌声合成（DiffSinger）、图像合成（PNDM）、音色合成（Make-An-Audio）和视频合成（GeneFace）等，应用于微软、华为、Stable-Diffusion和字节等科技公司产品中，获教育部科技进步一等奖、中国电子学会科技进步一等奖。
报告摘要： AIGC在最近几个月获得了巨大的突破，用户可以输入自然语言生成图像、视频、音频、甚至是3D模型。现有跨模态生成方法在人机交互场景下，存在着合成推理的实时性、泛化性和可控性等挑战。针对上述挑战，本次报告首先介绍跨模态频谱图合成中的并行化推理、多峰性建模、模型轻量级、高表现力建模、泛化学习和任意模态可控合成等工作（NATSpeech、DiffSinger、GenerSpeech和Make-An-Audio）；其次介绍跨模态视觉合成中的表示学习、数据增强和加速推理等工作（PDAE、GeneFace和PNDM）。
特邀报告五
报告题目：视频基础模型及其下游任务应用
特邀讲者：王利民 南京大学
讲者简介： 王利民，南京大学教授，博士生导师。2011年在南京大学获得学士学位，2015年香港中文获得博士学位，2015年至2018在苏黎世联邦理工学院（ETH Zurich）从事博士后研究工作。主要研究领域为计算机视觉和深度学习，专注视频理解和动作识别，在IJCV、T-PAMI、CVPR、ICCV等重要学术期刊和会议发表论文50余篇。根据Google Scholar统计，论文被引用 14000余次，两篇一作论文取得了单篇引用超过3000的学术影响力。提出的TSN网络获得首届ActivityNet比赛冠军，已经成为动作识别领域基准方法。2018年入选国家高层次青年人才计划，曾获得广东省技术发明一等奖，世界人工智能大会青年优秀论文奖。入选AI 2000人工智能全球最具影响力学者榜单（计算机视觉方向），2022年度全球华人AI青年学者榜单，2021爱思唯尔中国高被引学者榜单。
报告摘要： 构建通用基础模型（Foundation Model）已经成为计算机视觉任务的重要性能增长点。视频理解领域面临着数据维度高、信息容量大、场景变化多等核心挑战，如何构建视频基础模型已经成为现阶段一项极具挑战的任务。在本次报告中间，将详细介绍南京大学媒体计算课题组在视频基础模型及其下游任务适配方面的系列工作，具体包括：视频基础模型预训练范式（VideoMAE V1 & V2），基于VideoMAE预训练模型的时空动作检测框架（STMixer），基于VideoMAE预训练模型的时序动作检测框架（ViT-TAD）。此外，还将介绍课题组在体育视频分析领域建立的视频理解能力综合评测基MultiSports。最后，将展望视频基础模型的未来发展趋势。
青托与优博论坛
特邀报告一
报告题目：联合计算之异构联邦学习
特邀讲者：叶茫 武汉大学
讲者简介： 叶茫，武汉大学教授，国家优青（海外）、中国科协青年托举人才、湖北省百人计划创新人才。主要研究方向计算机视觉、联邦学习等，发表国际期刊会议论文 70 余篇，其中第一/通讯作者发表 CCF-A 类论文30余篇，谷歌学术引用 3400 余次，9篇第一作者论文引用过百。主持湖北省重点研发计划、国家自然科学基金面上项目等10余项科研项目。获谷歌优秀奖学金、计算机视觉顶会 ICCV2021 无人机特定行人检索赛道冠军、2021年斯坦福排行榜 “全球前2%顶尖科学家”、2022年度百度AI华人青年学者（计算机视觉领域）等荣誉。
报告摘要: 联邦学习在保证数据隐私及合法合规的基础上，实现多方共同建模，联合提升模型性能。然而现有方法在面临模型结构不一致、训练样本少、多方样本噪声等问题时，性能急剧下降。报告主要分享团队近期在异构联邦学习的一些进展：1）小样本的异构联邦学习, 实现少样本下模型异构的多方合作；2）噪声鲁棒的异构联邦学习：缓解各模型在本地更新时对噪声的过拟合，同时避免了合作学习时噪声参与者的过度学习；3）互相关蒸馏的异构联邦学习，提升联邦学习的跨域泛化能力，为面向复杂世界的大数据联合计算提供技术支撑。
特邀报告二
报告题目：面向无约束场景下的图象/视频深度理解
特邀讲者：赵健 军事科学院
讲者简介： 赵健，博士，中国图象图形学学会高级会员、北京图象图形学学会理事。近5年受理国家专利5项，发表高水平学术论文40余篇，其中第一/通讯作者发表CCF A类论文11篇。曾获PREMIA’19 Lee Hwee Kuan奖和ACM MM’18最佳学生论文奖，并多次获得权威国际竞赛全球冠军。近8项技术在国家部委单位和科技行业领军企业得到应用。开放了学界首个大规模无约束人脸识别平台（face.evoLVe），被百度PaddlePaddle官方引入。曾入选北京市科协&中国科协“青年人才托举工程”，主持/参与科技委项目3项，国自然青年科学基金项目1项。担任CSIG高级会员、CSIG-BVD/CCF-CV委员、CSIG/BSIG青工委委员、BSIG理事会理事、VALSE资深领域主席和PRL/Electronics特刊客座编辑。
报告摘要：近年来，深度学习算法和技术在学术界与工业界的众多领域取得了诸多突破性进展。在计算机视觉领域，深度学习算法和技术在很多基准数据集都极大改善并提升了图象/视频理解的性能。然而，在涉及视频监控、区域安防、自动驾驶、群体行为分析等实际场景时，图象/视频理解的性能表现还是不尽如人意，有关问题还需不断做出改进与完善，寻求更优解决方案。我们多年来围绕“面向无约束场景下的图象/视频深度理解”进行研究，形成了连贯清晰的研究思路与渐成体系的研究方法，并在复杂环境下基于多光谱多模视频目标融合感知和无约束人物图像/视频深度理解等关键科学问题和实际应用领域取得了较大技术突破，相关研究成果在北京2022年冬奥会中进行了创新、转化和应用，助力科技冬奥。
特邀报告三
报告题目：图文匹配模型小型化探索
特邀讲者：黄岩 中科院自动化研究所
讲者简介： 黄岩，中科院自动化所副研究员，研究方向为视觉-语言理解和视频分析。在相关领域的国内外期刊和会议上发表论文共计80余篇，曾获CVPR Workshop最佳论文奖、ICPR最佳学生论文奖等，并担任CVPR和ICCV上3次多模态主题研讨会的共同组织主席。曾入选中国科协青年人才托举工程、北京市科技新星计划和微软铸星计划。获得中国人工智能学会优秀博士论文奖、中国科学院院长特别奖、百度奖学金、NVIDIA创新研究奖。
报告摘要：图文匹配（Image-Text Matching）是视觉-语言理解领域的基础任务之一。近年来，大量研究人员围绕此任务进行了深入研究，特别是在视觉-语言预训练模型出现之后，该任务的精度被迅速提升到高位，甚至开始接近饱和。本报告首先梳理该任务的发展历程及代表性方法，然后重点介绍课题组在图文匹配模型小型化方面的最新进展，最后将简要展望未来研究方向。
特邀报告四
报告题目：细粒度跨媒体分类与检索
特邀讲者：何相腾 北京大学
讲者简介： 何相腾，北京大学王选计算机研究所助理研究员，2022年入选中国科协青年人才托举工程项目、2020年入选CCF优博。2014年本科毕业于南开大学计算机与控制工程学院，2020年博士毕业于北京大学王选计算机研究所。主要研究方向为跨媒体分析、细粒度图像分类、计算机视觉和人工智能。主持国家自然科学基金面上、腾讯微信犀牛鸟专项等项目，已发表论文20余篇，包括IEEE Trans.和CCF A类论文17篇，其中IEEE TIP 2018入选ESI高被引论文。多次参加由美国国家标准技术局NIST举办的国际评测TRECVID视频语义搜索比赛，均获第一名。研究成果已经应用于央视、人民日报、新华社等单位。获2018年百度奖学金（全球10名获奖者），2020年北京大学优秀博士学位论文奖，2020年北京大学优秀毕业生、2020年北京市普通高等学校优秀毕业生。担任国际会议ICME 2023领域主席、IJCAI 2021高级程序委员（SPC）、CVPR 2022/2023细粒度视觉分类Workshop共同组织者。
报告摘要： 互联网数据具有图像、文本、视频、音频等跨媒体并存的特点，而现有跨媒体分类与检索技术通常聚焦于粗粒度的大类，难以满足医疗、交通等诸多领域的精细化需求。而细粒度跨媒体分类与检索旨在使计算机能够对跨媒体内容进行精细化分析。如何借鉴人脑的认知机理，模拟注意力机制学习多粒度的辨识性特征，突破细粒度跨媒体分类与检索难题，对于提高计算机的感知和认知能力至关重要。本报告将梳理细粒度跨媒体分类与检索方向的研究现状与进展，并探讨未来研究方向。
特邀报告五
报告题目：场景知识引导的视觉导航研究
特邀讲者：宋新航 中科院计算技术研究所
讲者简介：宋新航，男，中国科学院计算技术研究所副研究员，于2017年博士毕业于中国科学院大学，获中科院院长特别奖，中国图象图形学学会优博，也曾获博新计划支持。主要研究方向为多模态场景理解与视觉导航，曾在多个CCF-A期刊与会议发表论文，其中一作CCF-A类论文10篇。相关技术曾获ImageCLEF2013多模态视觉理解竞赛，ACM Multimedia 2016图像描述竞赛，CVPR2021具身智能视觉导航竞赛等多项竞赛冠军，也曾获中国图象图形学学会自然科学二等奖、北京市科技进步二等奖。
报告摘要： 物体导航任务要求智能体在不同环境中找到给定的目标物体。传统方法一般基于建图与定位技术实现导航，虽然在已知环境中效率较高，但对于未知环境需重复建图则效率不佳。面向未知环境，从视觉到行为的端到端可学习模型研究出发，利用强化学习训练深度模型以实现智能体的导航行为预测。端到端深度强化模型一般需要大量数据驱动，由于在未知环境的大部分区域中智能体无法观测到目标物体，会导致奖惩函数稀疏，所训练模型一般难以规划最优路径，会导致导航效率较低等问题。为提升未知环境下的导航能力，提出了场景知识引导的目标导航模型，在模拟器\真实环境中通过研究RGB-D多模态场景理解及物体识别技术，以构建场景-区域-物体-属性等多维度场景知识图，基于知识图预测并规划到目标的语义拓扑路径，以指导智能体的行为输出。知识图可基于已知环境预训练，并在未知环境导航过程中在线更新，以快速适应未知环境，我们在类别级和实例级目标导航任务中分别验证了所提出方法的有效性。
特邀报告六
报告题目：面向艺术肖像画的媒体艺术生成与评估
特邀讲者：易冉 上海交通大学
讲者简介：易冉，上海交通大学计算机科学与工程系助理教授。2016年获得清华大学工学学士学位，2021年获得清华大学工学博士学位。从事计算机图形学、计算机视觉等方面的研究。发表录用30余篇论文于IEEE TPAMI、ACM TOG、SIGGRAPH、CVPR、ICCV、TVCG、AAAI等国际期刊和会议，其中CCF-A国际期刊会议21篇。入选第八届中国科协“青年人才托举工程”，获2021年北京市科技进步二等奖(排名九)，2022年中国图象图形学学会高等教育教学成果一等奖(排名五)，2021年中国图象图形学学会石青云女科学家奖(青英组)，2022年瑞士Chorafas青年研究奖，2022年中国人工智能学会优秀博士学位论文，2019年中国计算机学会计算机视觉专委会学术新锐奖。担任中国图象图形学学会智能图形专委会、动画与数字娱乐专委会委员，TPAMI、IJCV、TIP、CVPR、ICCV、NeurIPS、ICLR、AAAI等国际期刊会议审稿人。
报告摘要： 人工智能内容生成已经引发内容创作行业的产业革命，艺术肖像画是人工智能内容生成领域的重要分支。本次报告主要分享我们团队对于面向艺术肖像画的媒体艺术风格生成的系列研究工作。首先，针对成对数据、单风格生成，我们提出针对线条的距离变换损失和层次化结构的生成模型，与基于流形映射的理论解释和精细艺术肖像生成模型；针对非成对数据、多风格生成，我们提出基于非对称循环结构的生成模型以解决源域、目标域信息不对称导致的信息隐藏问题，提出肖像线条画质量评估指标和基于风格空间搜索的未知新风格肖像画生成方法。其次，针对多模态信息融合的问题，我们提出基于语言模型指导的小样本扩散模型风格迁移方法；提出基于特征空间弹性匹配，实现从单张照片和语音信号生成艺术肖像说话视频，同时实现面部几何变形和艺术风格转换。最后，针对内容生成质量难以评估的特点，我们提出了图像艺术美感评估方法，以助力后续的媒体艺术生成研究。
学术新星论坛
特邀报告一
报告题目：多模态紧致表示学习
特邀讲者：朱磊 山东师范大学
讲者简介： 朱磊，山东师范大学教授，博士生导师。主要研究方向是跨模态分析与检索。共发表CCF A类会议长文、ACM/IEEE汇刊论文百余篇，ESI高被引论文8篇，Google引用5600多次。获得CCF A类会议等多个会议最佳论文奖/提名奖，1篇论文入选2019年中国百篇最具影响国际学术论文，拥有授权专利22件。担任ACM TOMM、IEEE TBD、Information Sciences等多个国际期刊的编委，任多媒体领域权威国际会议ACM MM/IEEE ICME的领域主席（Area Chair），SIGIR/CIKM/AAAI高级程序委员会委员（SPC）。主持/参与基金委青年/面上项目、山东省优秀青年基金项目等10余项横纵课题。获得ACM中国SIGMM新星奖，山东省留学回国人员创业奖、中国自动化学会优秀硕士生导师奖、山东省人工智能优秀青年奖等。
报告摘要： 哈希是一种紧致表示学习技术。它可以将高维数据转换为紧致的二值哈希码。由于二值汉明空间的嵌入，哈希技术在相似度计算和存储方面具有明显的效率优势。因此，哈希已成为支撑大规模多媒体检索的一种有效技术。多媒体数据具有多模态、异构、存在噪声、模态易缺失、流式生成等特点。如何高效地学习包含多媒体语义的紧凑二值哈希码具有一定的挑战性。在本次报告中，我将介绍面向多模态数据的哈希表示方法，介绍如何深度建模多模态潜在语义和高效学习二值哈希码的方法。
特邀报告二
报告题目：跨模态噪声关联学习：一种新的噪声标签学习范式
特邀讲者：胡鹏 四川大学
讲者简介： 胡鹏，四川大学副研究员。2019年毕业于四川大学并获得博士学位。2019至2020年在新加坡信息通信研究所（I2R, A*STAR）担任研究员。主要研究兴趣包括表示学习及其在多媒体分析、图像处理等领域中的应用，目前在IEEE TPAMI, IEEE TIP, CVPR, NeurIPS, AAAI, ACM MM等国际期刊和会议上发表论文30余篇。
报告摘要： 深度神经网络的成功依赖于高质量标记的训练数据，而收集良好标注的大规模跨模态数据的成本高昂。为了降低数据收集的高成本，可从互联网上收集同时出现的跨模态对作为大规模的跨模态数据集。然而，这将不可避免地会在训练数据中引入噪声，称为噪声关联。毫无疑问，这种噪声会使监督信息不可靠/不确定，并显著降低性能。针对这一问题，本次报告将汇报一种新的噪声标签学习范式，称为噪声关联学习。不同于标准的噪声标签学习，噪声关联学习旨在削弱甚至消除成对训练数据中的错误关联关系造成的影响，例如多模态训练数据中的图文不匹配，对话系统中的答非所问等。具体地，本次报告将详细汇报一种广义的深度证据跨模态学习框架。该框架将基于跨模态相似性的双向证据建模并参数化为Dirichlet分布，以捕获噪声关联引起的不确定性，这不仅提供了准确的不确定性估计，而且还赋予了对噪声关联扰动的弹性。
特邀报告三
报告题目：面向视频模型的对抗攻击方法研究
特邀讲者：陈静静 复旦大学
讲者简介： 陈静静，复旦大学计算机科学技术学院副教授，上海浦江人才计划入选者，主要研究领域为多媒体内容分析、计算机视觉、多媒体模型安全等。主持/参与了包括国家自然科学基金、科技部科技部2020年“科技创新2030-新一代人工智能”重大项目、上海市行动创新计划等多项科研项目。在 ACM Multimedia, CVPR等重要国际会议、期刊上发表论文 40 余篇，曾获得ACM Multimedia 2016最佳学生论文奖、Multimedia Modeling 2017 最佳学生论文奖。担任多个国际知名期刊审稿人、国际会议领域主席/程序委员会委员。
报告摘要：随着以深度学习为代表的新一代人工智能的发展，智能视频技术取得了突破性进展，并广泛应用于生活的方方面面。但是现有的智能视频系统并不安全：恶意生成的细微扰动便可以欺骗智能视频识别系统。因此研究智能视频系统在对抗样本攻击下的安全性已经吸引了大量关注，成为一个重要的研究方向。一方面，研究针对视频模型的对抗样本有助于帮助发现模型的安全漏洞，提高智能视频模型在实际应用中的安全性；另一方面，研究对抗样本的攻防理论有助于加深对深度学习技术机理的理解，以设计更加鲁棒的机器学习算法。本报告将对面向视频识别模型的对抗攻击算法最新进展进行介绍，包括基于启发式搜索的黑盒场景攻击算法，基于时序平移的视频迁移对抗攻击方法以及面向视频识别模型的弹幕攻击等。
特邀报告四
报告题目：基于三维描述的生物特征识别
特邀讲者：朱翔昱 中科院自动化研究所
讲者简介：朱翔昱，中国科学院自动化研究所模式识别国家重点实验室副研究员。长期从事三维人脸重建、人脸识别、人脸防伪等方面的相关理论研究与应用，在国际顶级期刊和会议发表论文50余篇，Google总引用次数6000余次，单篇引用超过2000次。中科院青促会成员，入选百度学术全球华人AI青年学者榜单，担任ACM MM领域主席。相关成果获中国电子学会科技进步二等奖，ICCV人脸识别、FG人脸微表情等国际赛事冠军，中国图象图形学学会优秀博士论文提名奖，授权国家发明专利6项。研发的全姿态三维人脸重建受到国内外同行的广泛关注（谷歌学术引用1200余次），相关开源代码在Github上收获4700星，并被PyTorch官方Twitter报道。CCF-CV及CSIG-MV专委会委员，IJCV、IEEE TIP、IEEE TCSVT等国际期刊审稿人。主持北京科协青年人才托举工程、腾讯犀牛鸟专项研究计划、基金委面上及青年项目。
报告摘要： 三维辅助视觉分析通过拟合三维模型使视觉系统获得对物体的三维理解，从而提高鲁棒性和泛化性的方法，是生物特征识别领域的前沿热点之一。本次分享将基于三维重建和三维辅助两个主题，介绍我们在三维人脸重建、三维辅助人脸分析、基于三维描述的生物特征识别上的最新成果，探讨如何在实际场景下快速准确地重建目标三维结构，并基于三维结构辅助视觉分析任务。
特邀报告五
报告题目：人-物-场的神经建模与渲染方法
特邀讲者：高林 中科院计算所
讲者简介：高林，CCF高级会员、中国科学院计算技术研究所博士生导师、副研究员，北京市杰青，英国皇家学会牛顿高级学者。研究方向为计算机图形学，在ACM SIGGRAPH\TOG, IEEE TPAMI, IEEE TVCG, CVPR 等国际知名期刊会议发表论文50余篇，相关研究工作入选ESI高被引论文，DeepFaceDrawing系列研究工作被180余个国家或地区的用户所使用，获亚洲图形学学会青年学者奖、CCF技术发明一等奖、CCF CAD&CG专委图形软件开源奖等奖励。
报告摘要：随着数字经济和虚拟数字世界的发展，数字内容成产愈发成为数字经济的关键支撑技术。数字内容即可以来自对真实世界的复刻也可以来自于用户的个性化创作，其中数字内容主要包含人、物和场景，如何对人-物-场进行高效高质量的建模成为热点和重点的研究问题。在本次报告中，我们将分享基于可微分方法的数字内容的重建与创造方法，包括数字几何模型与场景的重建、建模与编辑和数字人的重建与创作方法以及数字场景的合成方法。
承办/协办/赞助单位介绍
承办单位：湖南大学
湖南大学坐落于中国历史文化名城长沙，前临碧波荡漾的湘江，后倚秀如琢玉的岳麓山，素有“千年学府、百年名校”之称。
学校办学起源于公元976年创办的岳麓书院，是中国同址办学时间最长的高等学府。1903年改制为湖南高等学堂，1926年正式定名湖南大学，1937年成为全国16所国立大学之一。2000年，湖南大学与湖南财经学院合并组建成新的湖南大学。改革开放以来，学校先后进入全国重点大学、“211工程”、“985工程”和“世界一流大学”建设高校行列。2020年9月17日，习近平总书记来校考察调研，对学校人才培养、文化传承等给予高度评价，提出了岳麓书院是党的实事求是思想路线策源地的重大科学论断。
在长期的办学历程中，学校培育和熏陶了以王夫之、陶澍、魏源、贺长龄、曾国藩、左宗棠、郭嵩焘、谭嗣同、黄兴、蔡锷、杨昌济、毛泽东、何叔衡、蔡和森、邓中夏、李达等为代表的一大批彪炳史册的杰出人才。师生中涌现出39位学部委员和“两院”院士，“惟楚有材，于斯为盛”是学校人才辈出的生动写照。
学校下设27个学院，学科专业涵盖哲学、经济学、法学、教育学、文学、历史学、理学、工学、管理学、医学、艺术学等11大门类，形成了理科基础坚实、工科实力雄厚的学科布局。拥有本科专业74个，硕士学位授权一级学科35个、博士学位授权一级学科30个、博士后科研流动站28个。国家重点学科一级学科2个、国家重点学科二级学科14个。7个学科入选国防特色学科，化学、机械工程、电气工程学科进入 “世界一流学科”建设行列。
学校现有教职工4400余人，其中专任教师2293人，院士12人，国务院学位委员会学科评议组成员11人，国家级特殊人才65人，国家杰出青年科学基金获得者25人，国家优秀青年科学基金获得者31人，国家级教学名师7人，科技部创新人才推进计划中青年科技创新领军人才14人。拥有国家自然科学基金“创新研究群体”项目6个、国家级教学团队11个，教育部、国防科技工业局创新团队9个。入选中国高被引学者100人次，全球高被引学者32人次。
学校科研实力雄厚，科技成果突出。拥有国家重点实验室2个、国家工程技术研究中心2个、国家工程研究中心1个、国家级国际合作基地3个、国防科工局国防重点学科实验室1个、教育部重点实验室和工程研究中心9个、教育部高等学校学科创新引智基地5个。“十三五”以来，获国家科学技术奖16项（牵头11项），教育部人文社科奖9项。学校建有国家级大学科技园，获批教育部首批高等学校科技成果转化和技术转移基地，与33个省(市、区)和上千家企业建立了产学研合作关系。
学校校园环境优美，人文气息浓郁。位于国家5A级风景名胜区核心景区，校园占地面积241万平方米，校舍建筑面积134万平方米，典雅厚重的古建筑群与时尚新锐的新建筑体交相辉映，自然风光与人文景观深度融合，被誉为“中国最诗情画意的高校”。
“麓山巍巍，湘水泱泱，宏开学府，济济沧沧；承朱张之绪，取欧美之长”，从古代书院到近代学堂再到现代大学，湖南大学坚持追求卓越，始终处在中国高等教育的第一方阵。在新的历史起点上，湖南大学坚持以习近平新时代中国特色社会主义思想为指导，扎根中国大地，矢志一流目标，为把湖南大学早日建成富有历史文化传承的中国特色世界一流大学、培养更多堪当民族复兴大任的建设者和接班人而努力奋进。
承办单位：中国图象图形学学会青年工作委员会
中国图象图形学学会青年工作委员会旨在促进青年学者之间的交流与合作，提供学术交流的平台。青年工作委员会在中国图象图形学学会的领导下，主要的工作有：
1. 组织青年会议/沙龙活动；
2. 受中国图象图形学学会委托，制定和完善“青年人才托举”制度、推荐中国青年科学家奖候选人等；
3. 承担中国图象图形学学会交付的其他任务。
协办单位：宝德计算机系统股份有限公司
宝德计算机系统股份有限公司（简称“宝德计算”）成立于2003年，是以服务器和PC整机的研发、生产、销售及提供相关的综合解决方案为主营业务的国家级高新技术企业和国家专精特新“小巨人”企业，致力于成为中国领先的IT产品和解决方案提供商，为政府、互联网、教育、金融、电力、交通、医疗、运营商、安平等行业客户持续提供先进的算力产品、解决方案和全栈服务。多年来，凭借不断创新的产品技术和独特的软硬件综合实力，宝德计算勇夺信创市场NO.1，稳居X86服务器国内品牌TOP5和全球TOP9、中国AI服务器NO.3。
宝德计算坚持以客户需求为驱动力，注重研发创新，拥有敏锐的市场洞察力和雄厚的技术实力，曾多次填补国内服务器技术空白，引领服务器先进技术发展方向。宝德拥有从板卡到整机系统的完全自主研发和灵活定制能力，并且坚持Level 0-Level 9算力产业链的自主研发，是国内最早从事自主安全产品研发的厂商之一，并且在独到的加固、保密和安全等产品技术领域有深厚的积累。目前，宝德计算已经完成了X86产品线、自强产品线、特种领域产品线、产品和行业综合解决方案等完善的算力布局，拥有服务器、存储、台式机、工控机、IOT、网络、大终端等产品和解决方案，赋能AI、云计算、大数据、5G、区块链、元宇宙等新兴技术创新和应用，为新基建、信创、东数西算、社会经济的数字化和智能化转型升级提供坚实的算力底座。
积极合作共谋发展。宝德计算坚持与产业链上下游生态伙伴的合作，打造多元化计算产业生态。在上游供应端，宝德与英特尔、英伟达、希捷等国际厂商和华为、飞腾、龙芯等国产厂商都保持紧密友好的战略合作关系，并加强渠道体系完善和对渠道合作伙伴的赋能，同时与成千上万SI\ISV伙伴携手合作，加速应用场景拓展和产品方案的适配，进一步夯实X86开放融合的生态和应用优势，并且构建逐步完善的安全可控计算产业生态，以满足宝德20多年来积累的千行百业数十万客户的多样性需求，共同为企业发展、城市治理、科研创新、行业信息化、产业转型升级、数字经济发展等积极贡献力量。
宝德计算拥有完善的营销服务网络，在全国设立44个营销机构，遍布全国31个省区，拥有北京、广州、深圳、杭州、上海、成都6大备件库，保证第一时间为客户提供全程无忧的售前、售中和售后服务，帮助客户聚焦自身核心业务增长。同时，宝德在全国布局了分布式计算产业基地，已经建成深圳永达、深圳观湖、四川乐山、湖南湘潭、广西南宁、陕西西安、河北张家口和江苏南京八大智能生产基地，全面整合优势资源，加速了交付速度，优化了客户体验。
在数字经济大发展时代中，作为中国数字经济建设的领军企业，宝德计算继续坚守初心，以赋能数字经济，让社会生活更加智能和美好为使命，持续提供强大算力，助力中国数字经济和实体经济融合发展，冲击中国服务器第一品牌。同时，不断加大研发投入，立志做拥有重大、关键、核心技术的科技公司，参与共建自主、安全、高效、高质、强健的国产计算产业体系，积极投身数字中国建设，共筑中华民族伟大复兴的“中国梦”。
宝德，计算驱动未来！
协办单位：湖南工程学院
湖南工程学院坐落于一代伟人毛泽东的故乡湖南省湘潭市，是湖南省举办的本科院校。学校是教育部“服务国家特殊需求人才培养项目”硕士专业学位研究生教育试点高校、教育部首批“卓越工程师教育培养计划”“新工科研究与实践项目”“新文科研究与实践项目”实施高校；是湖南省首批硕士学位授予立项建设单位、首批“2011计划”入选高校、湖南省“双一流”建设高水平应用特色学院、湖南省本科一批招生单位。
湖南工程学院于2000年6月由原湘潭机电高等专科学校（始创于1951年，隶属于原国家机械工业部，是全国示范性高等工程专科重点建设学校）、湖南纺织高等专科学校（始创于1978年，隶属于原湖南省纺织工业厅）合并组建而成。学校2000年在全国地方高校中率先确立了应用型本科办学定位，形成了鲜明的工程应用型人才培养特色。2007年，以优异成绩通过教育部本科教学工作水平评估；2018年，通过教育部教学工作审核评估。
学校紧密对接区域经济和机电、纺织行业发展需要，以培养高素质应用型人才为目标，形成了电气、机械、纺织、化工、管理、信息等优势专业群，涵盖工、管、文、理、经、艺六个学科门类。现设有20个教学科研单位、53个本科招生专业、2个硕士专业学位类别。拥有湖南省“双一流”建设应用特色学科8个；教育部“卓越计划”实施专业8个；国家级、省级特色专业8个，国家级、省级专业综合改革试点专业6个，国家级一流本科专业建设点6个、省级一流本科专业建设点24个。学校现有国家级实践教育平台4个，国家级大学生科技创新团队1个，省级创新创业平台32个，教育部产学合作协同育人项目197项，国家级一流本科课程1门，省级精品课程11项，省级虚拟仿真实验中心、示范实验室（中心）9个，建有4个现代产业学院。
学校坚持人才强校工程，现有教职工1384人，其中专任教师1198人，高级职称教师399人；具有博士、硕士学位教师996人，博士生、硕士生导师178人。全国模范（优秀）教师3人，享受国务院、省政府特殊津贴专家8人，教育部新世纪优秀人才3人，教育部、教育厅专业教学指导委员会委员6人；省级教学名师、省部级优秀教师12人，省级学科带头人14人，湖南省杰青、优青，“湖湘高层次人才”，省“百人计划”，省“新世纪121人才工程”人选等省级人才100余人；省级教学团队、省高校科技创新团队29个。
学校积极推进科学研究，大力提升科技创新和社会服务能力。拥有省“2011”协同创新中心、省重点实验室等省级科研平台25个；省级校地合作基地1个，省高校产学研合作示范基地3个。近五年，承担国家重点研发计划项目、国家自然科学基金等科研项目38项、省部级科研项目364项、横向科研项目1275项，科研经费总额5亿元，获科研成果奖励36项（其中省部级17项），授权专利765项，发表学术论文3214篇，出版学术专著45部。学校大力加强产学研合作，先后与653家企业开展了产学研合作，产生经济效益超过220亿元。2021年，列入全国科技成果转化100强高校。
面向未来，学校将在习近平新时代中国特色社会主义思想指引下，贯彻落实学校第四次党代会精神，继续弘扬“锲而不舍，敢为人先”的校训精神，秉承“团结、严谨、诚信、创新”的优良校风，坚持以立德树人为根本任务，不断深化应用型本科办学定位，坚定不移贯彻新发展理念，以推动高质量发展为主题，以改革创新为根本动力，为全面建成特色鲜明高水平工程应用型大学而努力奋斗。
赞助单位一：奥比中光科技集团股份有限公司
奥比中光是行业领先的3D视觉感知整体技术方案提供商。公司已构建起“全栈式技术研发能力+全领域技术路线布局”的 3D视觉感知技术体系，在技术纵向上对包括深度引擎芯片、感光芯片、专用光学系统等在内的核心底层技术以及SDK、行业应用算法等全链路技术进行全栈式自主研发，在技术横向上对结构光、iToF、双目、dToF、Lidar、工业三维测量进行全领域布局。
以“让所有终端都能看懂世界”为使命，奥比中光坚持“3D 视觉传感器+自主底层核心技术+完整应用方案”的市场定位，致力于将3D视觉感知技术应用于“衣、食、住、行、工、娱、医”等领域；在智能手机、线下零售等市场已率先突破百万级出货量，在生物识别、消费电子、AIoT、工业三维测量等市场实现多项商业应用，服务全球超过1000家客户及众多开发者。
赞助单位二：AutoDL
视拓云团队来自山世光老师创建的中科视拓，专注云计算和 AI 开发者社区两个细分领域，面向“大 AI 圈”内的科研工作者运营 AutoDL.com 和 CodeWithGPU.com 两个产品。AutoDL 提供弹性、好用、省钱的 GPU 云算力；CodeWithGPU提供社区和算法复现服务。