报告嘉宾
操晓春 中山大学
报告题目：“病态的” 计算机视觉算法
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。
陈雪锦 中国科学技术大学
报告题目：脑显微图像的三维结构重建和分析
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。
徐凯 国防科技大学
报告题目：面向高自由度机器人抓取的三维几何表征学习
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。
徐枫 清华大学
报告题目：基于深度学习的交互运动感知与重建
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。