任冬伟，天津大学特聘研究员/英才副教授，博士生导师。主要研究方向为图像视频复原与生成、目标检测等，在TPAMI、IJCV、TIP、CVPR、ICCV、ECCV、AAAI等国际期刊和会议发表论文40余篇，谷歌学术引用10000余次，单篇论文最高引用5000余次，提出的目标检测模型训练方法被集成至YOLO。主持国家自然科学基金面上项目和青年项目，以及与华为等公司的横向课题。2024年获天津市自然科学一等奖，2020年获黑龙江省自然科学一等奖。

施柏鑫，北京大学计算机学院视频与视觉技术研究所副所长，长聘副教授（研究员）、博士生导师；北京智源学者；北大-智平方具身智能联合实验室主任。日本东京大学博士，麻省理工学院媒体实验室博士后。研究方向为计算摄像学与计算机视觉，发表论文200余篇（包括TPAMI论文30篇，计算机视觉三大顶级会议论文100余篇）。论文获评IEEE/CVF计算机视觉与模式识别会议（CVPR）2024最佳论文亚军（Best Paper, Runners-Up）、国际计算摄像会议（ICCP）2015最佳论文亚军、国际计算机视觉会议（ICCV）2015最佳论文候选，获得日本大川研究助成奖（2021）、中国电子学会青年科学家奖（2024）。科技部人工智能重大专项首席科学家，国家自然科学基金重点项目负责人，国家级青年人才计划入选者。担任国际顶级期刊TPAMI、IJCV编委，顶级会议CVPR、ICCV、ECCV领域主席。APSIPA杰出讲者、CCF杰出会员、IEEE/CSIG高级会员。更多信息请访问“相机智能”实验室主页：http://camera.pku.edu.cn。

王立志，北京师范大学人工智能学院教授、博导、国家优青。主要从事图像视频处理、计算摄像学、语音合成与评价等领域的研究工作。主持多项国家项目和企业委托项目，发表论文60余篇，担任IEEE TIP编委。荣获中国图象图形学学会自然科学一等奖、ACM MM 2022最佳论文提名奖、中国电子学会2018年度优秀博士学位论文奖、IEEE VCIP 2016最佳论文奖、北京市优秀本科毕业设计指导教师等奖励。兼任中国图象图形学学会多媒体专委会副秘书长、青年工作委员会委员，中国计算机学会多媒体技术专委会委员，北京中关村学院院长助理。

郭亨，北京邮电大学人工智能学院特聘研究员/博导。博士毕业于大阪大学并留校担任特任助理教授。主要研究兴趣是计算机视觉和计算摄像学，高精度三维重建与渲染。在包括IEEE TPAMI、IJCV，CVPR，ICCV在内的顶级国际期刊和会议上发表论文20余篇，长期担任上述期刊的审稿人；曾获IEEE IC-NIDC最佳论文与日本最具影响力的计算机视觉会议MIRU优秀学生论文奖。主持国家自然科学基金面上项目、河北省重大科技支撑计划、京津冀基础研究专项。

索津莉，女，博士生导师，清华大学自动化系长聘副教授。相关研究成果发表学术论文100 余篇，包括Nature Photonics、Nature Biomedical Engineering、Nature Communications、PNAS、IEEE Trans. Pattern Analysis and Machine Intelligence 等，先后获得国家科学技术二等奖（序3）、中国图象图形学学会一等奖 （序1）、中国电子学会技术发明一等奖（序2）等。曾主持国家自然科学基金重点项目、优秀青年科学基金项目、重大仪器研制专项课题，科技部重点研发计划课题，北京市自然科学基金重点项目等，担任国际学术期刊IEEE Trans. Computational Imaging 、 IEEE Trans. Image Processing等国际期刊编委、 Optoelectronic Imaging and Multimedia Technology XI 会议主席，北京图象图形学学会女科技工作者委员会副主任、中国城市科学研究会智慧城市基础设置与智能网联汽车协同发展专业委员会副秘书长等。

报告摘要：高精度视觉传感器是进入AI时代的关键。面对远距离、高速运动、遮挡隐匿的目标探测挑战，如何能看得清、抓得住、辨得明，是当前面临的巨大挑战。传统光学成像分辨率高，但动态范围小、成像速度慢，无法满足当前探测需求。为此，本项目颠覆传统积分感光成像模式，设计基于能量差分的动态感光芯片，研制动-静双模态异构混合的感光微系统，重点突破感光芯片设计时的物理空间与成像时间约束，实现兼具高分辨、大动态、高帧率的感光；进一步地，针对混合微系统输出的双模异构信号，研究基于时空关联去噪的信号质量增强，设计基于动-静双模协同重构的异构信号融合方法，重点突破目标成像质量差、检测识别难的问题，可用于智能制造、智慧交通、安防监控等领域。

讲者简介：吴金建，西安电子科技大学教授、博导，国家优秀青年基金获得者。分别于2008年、2014年获得西安电子科技大学学士、博士学位，2019年破格晋升教授。获国家自然科学二等奖、陕西省自然科学一等奖、广东省人工智能产业协会发明一等奖、教育部霍英东青年基金等。面向人工智能国家战略及重大需求，长期从事仿生成像、智能信号处理等方面的理论和应用研究。主持国家重点研发/科技委基础加强等重点项目课题、国家自然基金项目等多项课题，研制了微米级缺陷检测设备、低慢小探测设备等并已交付工厂/部队使用。在TPAMI、CVPR、NIPs、National Science Review、Advanced Science等发表相关学术论文百余篇，多次获国际会议论文奖。

报告摘要：细胞是生命活动的基本单位。在活体原位不同生理与病理状态下对大规模细胞间的动态交互进行长时程高分辨的三维观测，有望推动人类对于生命机理、病理与药理的深刻理解。但在连接微观与宏观之间的介观尺度上，却由于空间带宽积、光毒性、背景荧光干扰、光学像差、光子噪声等物理限制，仍存在技术上的巨大空白，使得现有方法无法同时观测生命体在器官、组织和细胞水平不同尺度上的时空异质性。本次报告将介绍我们团队近年来研制的计算成像活体显微仪器与人工智能算法，突破传统光学成像局限，实现高通量介观活体显微成像的相关工作，及其在生命科学与医学领域的典型应用。

讲者简介：清华大学自动化系副教授、博士生导师，清华-IDG/麦戈文脑科学研究院研究员，成像与智能技术实验室的成员。分别于2014年和2019年获得清华大学学士学位和博士学位。主持国家自然科学基金面上、优青项目、科技部重点研发计划、北京市重点项目等，在《Cell》《Nature》等期刊发表学术论文40余篇，授权发明专利30余项，荣获2023国际基础科学大会前沿科学奖，2022年阿里巴巴达摩院青橙奖，入选《麻省理工科技评论》亚太区“35岁以下科技创新35人”。担任PhotoniX、IEEE TCSVT、Optics Express等期刊编委。

报告摘要：在现实场景中，通过窗户拍照是一个常见的情景，但多数情况下玻璃窗户并不是完全干净的。尽管已有多种图像恢复算法如去雨去雾算法，但在窗户上的污渍遮挡情况却未受到足够重视。其主要原因包括：i）之前方法中提出的光学成像模型存在局限性；ii）缺乏足够多类型的脏污窗户数据集。为弥补这一研究空白，本文提出了一种适用于多种常见脏污窗户的通用光学成像模型。此外，本文生成了用于训练和测试的合成数据集，并收集了真实世界的脏污窗户数据以评估我们成像模型和合成数据的有效性。在算法部分，我们提出了一种光学引导的Transformer网络，用于解决这一特殊的图像修复问题。实验结果表明，我们的成像模型是有效且鲁棒的。我们提出的网络在合成和真实世界的脏污窗户图像修复上均优于现有方法。

讲者简介：袁鑫，西湖大学工学院感知与计算成像实验室负责人，博士生导师，2025年因在单曝光压缩计算成像领域的开创性贡献入选美国光学学会会士（Optica Fellow），2021年入选国家海外高层次青年人才、浙江省高层次人才，2022年浙江省杰青。香港理工大学博士（2009-2012）、美国杜克大学博士后（2012-2015）、美国贝尔实验室视频分析与编码首席研究员（2015-2021），入选斯坦福全球前2%顶尖科学家“终身科学影响力排行榜”。截至目前，共发表文章近240多篇，谷歌学术引用超过 13000余次，H指数59；申请专利30多项（已授权15项），其中多项专利已进行产业孵化；担任包括IEEE Transactions on Image Processing, Optics and Laser Technology, Pattern Recognition，Chinese Optics Letters在内的多家国际期刊编委，是国际上单曝光压缩成像（Snapshot Compressive Imaging）技术的主要推动者。

报告摘要：获取高保真图像是信息科学的基石，然而，从日常摄影到尖端科学仪器，成像系统普遍受限于各类非理想条件的物理瓶颈。这些挑战会引发严重的信号退化，表现为噪声放大、关键细节淹没和动态范围压缩，对下游的智能分析任务（如精准医疗、自主系统、地外探测等）构成严峻挑战。本报告将系统性地阐述应对此类退化的前沿计算成像策略。首先，深入剖析从通用物理模型到细粒度估计的噪声建模与去除方法，并将其拓展至高光谱与扫描透射电子显微镜等科学成像领域；其次，将探讨解决动态范围压缩问题的单图HDR图像重构技术。最后，报告将通过一系列代表性应用案例，展示这些技术如何有效突破非理想成像的限制，为科学发现和智能应用提供可靠、清晰的视觉数据。

讲者简介：付莹，北京理工大学教授，博士生导师。2017年入选海外高层次青年人才引进计划。近五年以第一/通讯作者在中科院一区期刊和计算机机学会推荐A类会议发表论文50余篇，授权发明专利28项。获计算机学会推荐 A类国际会议ICML杰出论文奖（2/4990）和国际会议PRCV最佳论文奖（1/412）。主要从事计算机视觉和计算摄像等相关领域研究，主持国家自然科学基金重点项目等国家级项目/课题10余项，获中国指挥与控制学会科学技术进步奖一等奖等省部级科技奖3项、人工智能学会教学成果奖励计划一等奖、图象图形学会石青云女科学家奖。

报告摘要：当前，医学多模态智能系统面临诸如数据异质性高、标注稀缺以及模型泛化能力不足等核心挑战。尽管现有多模态学习方法在融合不同类型医学数据方面取得了一定进展，但在真实临床场景中，仍存在模态融合不充分和模型跨场景适应性差等问题。本报告聚焦于医学多模态联合表征学习的泛化性研究，重点探讨融合自监督学习与对比学习的预训练策略，以充分挖掘大规模无标注医学数据中的潜在跨模态关联，提升模型的迁移与泛化能力。该方法在显著降低对人工标注依赖的同时，有望增强模型在不同医疗机构、成像设备及人群环境中的稳定性与适应性。相关研究已在多个关键应用场景中取得初步成果，包括具备高鲁棒性与高效率的快速磁共振成像、多模态肺部文本-图像理解，以及面向开放环境的多部位、多模态、多尺度数据对齐与零样本自适应学习。最后，报告将重点介绍团队近一年于《Nature Biomedical Engineering》《Scientific Data》《Nature Communications》等期刊接受的最新研究成果，涵盖医学影像基础模型构建、神经影像微结构成像及临床疾病推广应用等。

讲者简介：王珊珊，中国科学院深圳先进技术研究院研究员、博士生导师，国家优青，2021-2024入选Elsevier和斯坦福 “全球前2%顶尖科学家”榜单。长期从事人工智能、快速医学成像、放射组学与多模态分析等研究，在Nature子刊、IEEE Trans等发表高质量论文。在人工智能快速医学成像与成像物理引导的小样本学习技术做出开创性工作，曾受邀在第31届国际医学磁共振年会给大会主题冠名报告（入选率约1/6000，英国伦敦）及美国第10届GRC活体磁共振给大会主题报告（美国安多弗）。核心技术转让两家医疗公司，装机超千台，含多款磁共振与低剂量CT设备。曾荣获吴文俊人工智能技术发明一等奖(1/6)、OCSMRM杰出研究奖(1/1)、广东省技术发明与科技进步一等奖(2/10)、广东省青年科技奖(1/1)等；先后主持科技部2030新一代人工智能重大课题、NSFC联合基金重等国家级项目6项；担任SCI学术期刊的副主编/编委（如IEEE Transactions on Medical Imaging, IEEE Transactions on Computational Imaging, Magnetic Resonance in Medicine, Pattern Recognition、Biomedical Signal Processing and Control等)。