【CSIG青年科学家会议2024论坛介绍】大模型时代的可视化 | 智能科学成像 | 神经网络架构 | 目标分割、检测与跟踪
发布时间：2024-11-26 12:06:37 人气： 作者：小编
由中国图象图形学学会青年工作委员会发起的“第二十届中国图象图形学学会青年科学家会议”将于2024年12月13日-15日在杭州白金汉爵大酒店举办。本次会议由中国图象图形学学会主办，浙江大学计算机科学与技术学院、浙江大学计算机辅助设计与图形系统全国重点实验室、杭州全息智能技术研究院、中国图象图形学学会青年工作委员会等单位联合承办。王耀南院士、陈刚教授、周昆教授、王亮研究员共同担任大会主席。
本次会议群英荟萃，嘉宾云集！4位大会报告嘉宾将为我们带来关于图象图形学的最新洞见，26个主题分论坛和4个讲习班将展现领域的百家争鸣，百余场高水平学术报告必将碰撞出思想的火花。本届会议特别设置了"青年学者服务论坛"，搭建广阔平台，让青年才俊在此畅所欲言，交流探讨。诚邀所有图象图形学领域的学者和专家前来交流，共享智慧与创新的盛宴！
会议时间
2024年12月13-15日
（星期五-星期日）
会议地点
杭州白金汉爵大酒店
（西湖区珊瑚沙东路9号）
会议网站
http://youth.csig.org.cn/CSIG2024/index.html
论坛简介
论坛主席
汪云海，中国人民大学，教授
汪云海，中国人民大学特聘教授，博士生导师，入选国家级青年人才项目。目前的研究方向包括： 数据可视化、计算机图形学、人机交互、大数据管理与分析等，相关研究成果在IEEE VIS、 ACM SIGCHI、ACM SIGMOD、ACM SIGGRAPH (Asia)、ACM TOG、IEEE TVCG、IEEE VR等CCF-A类期刊和会议上发表论文70余篇。
夏佳志，中南大学，教授
夏佳志，中南大学计算机学院副院长、教授，入选国家级青年人才。主要研究领域为数据可视化、计算机图形学。主持国家自然科学基金区域联合重点项目、军科委重点课题、湖南省杰出青年科学基金等项目，获IEEE VIS 2020 最佳论文提名，IEEE CAD/Graphics 2017最佳论文，任ChinaVis 2021 论文共同主席， ChinaVis 2019-2020 前沿综述共同主席，IEEE VIS 2025 Short Paper 共同主席，《计算机辅助设计与图形学学报》编委，《Frontiers of Computer Science》与《Visual Informatics》青年编委。
论坛报告
报告题目
构建智能交互的信息地图
报告摘要
大数据时代研究范式的变革影响各个学科，大模型则帮助紧密结合人类智慧与机器强大计算能力的可视化与可视分析发挥更大作用。报告将介绍近期可视化实验室与各人文社科研究者紧密合作开展的多项工作，既包括针对历史文化数据的可视化，也包括对艺术家使用AIGC创作过程的心路地图的可视化。这些工作，一方面为领域研究学者提供了新的工具，支持更为高效的探索发现，另一方面也为大众理解领域专门知识提供途径，为发展新的展陈方式提供思路。
论坛讲者简介
袁晓如，北京大学，研究员
袁晓如，北京大学智能学院研究员，博士生导师，大数据分析与应用国家工程实验室常务副主任。致力于可视化与可视分析通用基础方法与领域应用系统的研究，成果应用于模拟计算、交通航空、媒体传播、人文社科等领域。多次获IEEE VIS, ChinaVis等可视化国内外可视化学术会议最佳论文或提名奖，多次任IEEE VIS大会论文主席、海报主席等。现任IEEE VIS, PacificVis, ChinaVis指导委员会成员，IEEE TVCG，JOV等国内外期刊编委。倡导并共同创建中国可视化与可视分析大会。中国图象图形学学会理事，可视化与可视分析专业委员会主任。可视化作品在北京设计周、浙江美术馆、成都美术馆等地展出。
报告题目
基于可视分析的新型计算架构的可解释性研究
报告摘要
不断涌现的新型计算架构，如云计算、深度神经网络、量子计算、生成式大模型等，缺乏一定程度的可解释性。基于可视分析的可解释性研究旨在使计算架构和计算过程对研究人员和从业人员更加透明，实现高效的人机协同。本报告将介绍我们面向云计算架构运维、深度神经网络模型、量子计算、生成式大语言模型等提出的可视分析方法，将计算流程和交互可视化方法有机融合，辅助用户理解复杂模型及其输出结果，分析、诊断并不断调优计算架构。
论坛讲者简介
陈为，浙江大学，教授
陈为，浙江大学求是特聘教授，国家万人创新领军人才。浙江大学计算机辅助设计与图形系统全国重点实验室副主任。
报告题目
信息传达设计与数据叙事
报告摘要
有效表达数据中的重要信息是促进信息传达与传播的关键，对引导认知、开展精准宣传起重要作用。研究表明，通过设计（即，信息传达设计）把无形的抽象数据转换成直观的可视化表达，是大脑感知数据、获取信息最有效的方式。然而以呈现数据信息为目标的可视化设计主要依赖于主观经验及人工方法，在实践中面临着可视信息传达机理不明确、传达效果难控制、人工设计效率低等理论技术挑战，难以面对海量数据实现高效且有引导的信息呈现及有的放矢的精准传达。在报告中我们奖系统回顾同济大学智能大数据可视化实验室在该领域的科研及实践工作。
论坛讲者简介
曹楠，同济大学，教授
曹楠，博士, 同济大学长聘教授，设计创意学院副院长，人工智能与数据设计学科主任，国家青年人才，设计学、软件工程、智能科学与技术三个一级学科的博士生导师。曹楠曾入选斯坦福世界前2%顶尖科学家，获“福布斯智能工业设计师TOP 20”、“微软最有价值专家”等称号，并四次获“AI 2000 人工智能全球最有影响力学者”提名。加入同济大学前，曹楠是美国IBM T.J沃森研究院研究员，曾获得IBM杰出技术成就奖、IBM 杰出研究成就奖。曹楠目前主要的研究方向是大数据及人工智能在信息设计领域的应用，在计算机及设计学相关领域的重要国际学术期刊及会议上发表CCF- A类论文70余篇，并10次获得最佳论文/最佳论文提名奖。曹楠担任了SCI期刊 IEEE Transactions on Big Data (IF: 7.2) 的 Associate Editor 及 Computer Science Review (IF: 12.9) 的编委。
报告题目
多模态数据的智能可视分析
报告摘要
当前大数据研究的一个热点和难点在于对含多模态数据的理解、关联和表达，交互式可视分析将专家用户的领域推理能力与传统的数据挖掘相结合，以帮助综合提炼信息、验证预期模式和发现未知现象。本报告将探讨如何针对代表性多模态数据如视频影像、多维表格、时空定位等数据展开协同分析，并介绍团队在上述领域所做的可视分析工作和代表性案例，具体涉及视频监控、商业智能、城市交通等场景。
论坛讲者简介
孙国道，浙江工业大学，教授
孙国道，浙江工业大学计算机科学与技术学院教授，博士生导师，国家优秀青年科学基金获得者，浙江省杰出青年基金获得者，入选浙江省高校领军人才培养计划（青年优秀人才）等。主要从事大数据挖掘、可视化和可视分析方面的研究，聚焦时空定位、自然语言和视频影像等代表性数据。主持多项国家自然科学基金、国家重点研发计划子课题、浙江省重点研发课题等项目，在可视化领域相关期刊和会议发表论文50余篇，包括IEEE TVCG、IEEE VIS、IEEE THMS、TMM、TBD、ACM TIST等。
报告题目
Roadmap to MLLM for Visualization: Challenges and Opportunities
报告摘要
可视化作为一种高效的分析和决策工具，在大数据时代发挥着关键作用。随着多模态大模型的出现，以可视化为基础的探索式数据分析迎来了新的机遇。然而，可视化的多模态属性，高质量可视化数据集的稀缺性，以及不同可视化任务的多样性，给构建面向可视化的多模态大模型带来了数据对齐和建模方面的挑战。本报告将介绍HKUST (GZ) – CIVAL正在研发的USTVis可视化多模态大模型，包括课题组在文本、代码、可视化图像等多模态可视化数据集构建与对齐、模型微调，以及在CQA、可视化交互、代码生成与控制、对话式用户界面等应用层面的工作，有望能够为解决现实世界中复杂多变的数据分析问题提供新的思路和方法。
论坛讲者简介
曾伟，香港科技大学（广州），助理教授
曾伟博士，香港科技大学（广州）助理教授，博士生导师，新加坡南洋理工大学计算机专业本科（2011）和博士（2015）学位。研究聚焦于交互式数据可视化，协调人工智能与人类认知推理能力的融合，研究成果应用于智慧城市、AIGC等领域，发表论文70余篇，获多项最佳论文（提名）奖。受邀担任The Visual Computer、Visual Informatics期刊编委，VINCI、ChinaVis等国际会议组织委员会委员，IEEE VIS、ChinaVis、CHI等国际会议的程序委员会委员，长期担任IEEE TVCG、IEEE VIS、CHI、SIGGRAPH等期刊与会议审稿人。
论坛主席
吴嘉敏，清华大学，副教授
吴嘉敏，清华大学自动化系助理教授，博士生导师，清华-IDG/麦戈文脑科学研究院研究员。致力于计算成像、显微仪器与跨尺度数据理解的交叉研究，提出了扫描光场成像原理，实现了四维非相干光场的超精细感知与重构；提出了数字自适应光学架构，为解决光学像差百年难题提供了新路径；建立了曲面光场阵列架构，参与研制系列计算光场成像仪器，将活体成像的有效数据通量和时空分辨率均提升2个数量级，光毒性降低3个数量级，为系统性地研究哺乳动物在体大规模细胞间相互作用提供了利器，可望揭示神经回路、肿瘤转移和免疫反应新机理。获得国家自然科学基金面上项目、科技部颠覆性技术专项等支持，在《细胞》（Cell）、《自然》（Nature）、《自然·光子学》（Nature Photonics）等期刊发表学术论文，授权发明专利30余项。
\
彭祎帆，香港大学，助理教授
Yifan (Evan) Peng，香港大学电气与电子工程系和计算机学科系助理教授，斯坦福大学博士后，英属哥伦比亚大学博士，浙江大学本硕。研究兴趣为硬件-软件协同设计在成像、感知、显示、虚拟和增强现实等领域的应用。担任包括IEEE, ACM, OPTICA, SPIE, SID等数个领域内顶级国际会议程序主席、程序委员、分场主席等。发起计算光学领域新锐学术公众号 IntelligentOptics，担任图形学领域国际著名期刊《Computers & Graphics》编委。
论坛报告
报告题目
物理驱动的极端环境成像增强
报告摘要
极端环境成像存在极低分辨率、极低信噪比等问题，导致光学系统成像性能无法满足应用需求。现有深度学习方法大多采用视觉统计先验进行成像增强，其先验模型难以精准描述极端环境的复杂成像过程，成像增强效果受限。在此背景下，我们研究物理驱动的极端环境成像增强方法，对光子-电子-信号-图像的完整信息流过程进行多元物理量精确建模，构建物理模型驱动的深度学习方法与系统，实现极端环境成像分辨率、信噪比、帧率等各项性能的提升。
论坛讲者简介
边丽蘅，北京理工大学，教授
边丽蘅，北京理工大学教授、博士生导师，国家优秀青年基金获得者，长期从事计算成像与感知领域的研究，出版“十四五”国家重点出版物专著《计算成像与感知》，以第一/通讯作者身份在Nature (1)、Nature Communications (4)、Light: Science & Applications (2)等期刊发表高水平论文50余篇，获授权国内外发明专利40余项，获中国电子学会技术发明一等奖（序1/6）、中国图象图形学学会技术发明一等奖（序2/6），指导学生获得中国传感器创新创业大赛全国二等奖、挑战杯首都赛特等奖。担任《Optics Letters》副主编，《Light: Science & Applications》、《Light: Advanced Manufacturing》客座主编，《光学学报（网络版）》编委。
报告题目
超表面实时超光谱成像芯片
报告摘要
每种物质都有其特征光谱信息，即“物质指纹”。光谱成像可以获取视场内各像素点的光谱，在工业、医疗、机器视觉等诸多领域有重要应用。本报告将介绍基于光子调控的超表面实时超光谱成像芯片，该芯片可为成像技术开创物质解析新维度，实现超越人眼的机器视觉，且其具有芯片化、可量产的优势，有望成为下一代AI成像芯片、感算一体芯片的颠覆性技术，最后本报告还将探讨相关器件可能的应用及产业化进程。
论坛讲者简介
崔开宇，清华大学，副教授
崔开宇，清华大学长聘副教授、周炳琨学者，入选国家级青年人才计划。研制出世界首款超光谱成像芯片、声学奇异点芯片，在Science Advances，Optica, Laser & Photonics Reviews等期刊发表论文。主持科技部重点研发计划颠覆性技术项目、北京市科技计划等。现为Photonics Insights、Scientific Reports编委、中国激光杂志社北京分社副社长兼秘书长，北京与光科技有限公司创始人/首席科学家。
报告题目
Enabling Computational Cameras and Displays: When Optics Meets Machine Intelligence
报告摘要
从成像到显示，现有视觉计算设备通常需要复杂且厚重的专用硬件，尤其地，硬件和软件设计的相互独立，使其在特定应用场景中无法表现出最优的成像效果与混合现实呈现能力。该研究将人工智能和光学设计结合，实现了物理上紧凑、但具有更高成像质量和显示效果的“光学-算法协同设计”解决方案。具体地，提出了“端到端优化的光学成像设计”，通过协同优化波动光学器件和可微分图像处理算法，实现了面向场景的轻量级光学系统的高保真成像；提出了“基于机器智能的计算全息术”，利用相机在环优化和深度神经网络推演，解决了计算机生成全息术中长期存在的显示质量与算法效率折衷的问题。
论坛讲者简介
彭祎帆，香港大学，助理教授
Yifan (Evan) Peng，香港大学电气与电子工程系和计算机学科系助理教授，斯坦福大学博士后，英属哥伦比亚大学博士，浙江大学本硕。研究兴趣为硬件-软件协同设计在成像、感知、显示、虚拟和增强现实等领域的应用。担任包括IEEE, ACM, OPTICA, SPIE, SID等数个领域内顶级国际会议程序主席、程序委员、分场主席等。发起计算光学领域新锐学术公众号 IntelligentOptics，担任图形学领域国际著名期刊《Computers & Graphics》编委。
报告题目
三维科学成像：从太空到细胞
报告摘要
成像技术是揭示科学奥秘的关键定量工具。然而，传统成像方法在分辨率、对比度、成像速度和信息通量等方面往往存在限制。人工智能驱动的计算成像技术为克服这些挑战提供了创新性的解决方案。本次报告将通过望远镜、显微镜、医疗超声等科学成像领域的典型案例，展示三维视觉、生成模型和神经算子等人工智能技术如何推动计算成像的发展，并探讨这些技术如何通过跨学科的融合，促进科学领域的前沿进步。
论坛讲者简介
孙赫，北京大学，研究员
孙赫，北京大学未来技术学院/国家生物医学成像科学中心研究员、博士生导师、博雅青年学者。2014年和2019年分别获北京大学学士和美国普林斯顿大学博士学位。2019-2022在美国加州理工大学从事博士后研究。2022年5月起在北京大学任教。主要研究方向为计算成像和自适应光学，尤其是人工智能在生物、医学、天文等科学成像问题中的应用。其实验室致力于通过对成像系统物理模块和计算模块的协同设计，突破传统观测极限，研发新一代科学成像仪器。相关成果已应用于事件视界望远镜黑洞成像和罗曼望远镜系外行星成像等多个国际大型科学成像任务中。
报告题目
Imaging Interior: Implicit Solutions to Inverse Scattering Problems
报告摘要
Electromagnetic Inverse Scattering Problems (EISP) are revolutionizing computational imaging with cutting-edge applications. By solving EISP, the internal relative permittivity of scatterers can be non-invasively determined from scattered electromagnetic fields. However, despite previous efforts, unlocking high-precision solutions has remained challenging due to issues in inversion and discretization. In this talk, we will introduce a breakthrough approach that tackles these challenges with an implicit representation of relative permittivity, overcoming the typical resolution limitations of discretization. By optimizing within a forward framework, our method elegantly bypasses the difficulties of inverse estimation, delivering superior results on standard benchmark datasets and setting a new standard in EISP solutions. Besides, we will also introduce our new investigations on using neural fields to solve computational imaging problems.
论坛讲者简介
万人杰，香港浸会大学，助理教授
Renjie Wan received the B.S. degree from the University of Electronic Science and Technology of China,Chengdu, China, in 2012, and the Ph.D. degree from Nanyang Technological University, Singapore, in 2019. He is currently an Assistant Professor with Hong Kong Baptist University, Hong Kong. He is the outstanding Reviewer of ICCV 2019. He was the recipient of the Microsoft CRSF Award, VCIP 2020 Best Paper Award, and Wallenberg-NTU Presidential Postdoctoral Fellowship.
论坛主席
王国庆，电子科技大学，教授
王国庆，电子科技大学计算机学院教授、博导，国家级青年人才、四川省特聘专家、四川省人工智能青年突击队队长。任科技委主题办秘书、四川省重点实验室学术带头人和学术委员会委员。主要关注多模态信息的成像、融合、及感知大模型设计，并设计面向天空海自主无人平台的原型系统。目前在Nature Photonics、IEEE TPAMI、ICML、NeurIPS等发表论文100余篇，获ACM MM最佳论文提名奖、市科技进步一等奖、全国遥感类竞赛一等奖等。出版学术专著2部，主持国家自然基金重点、国防重大项目及课题等项目10余项。担任ACM MM、AAAI、ICME等会议领域主席和主题主席、Pattern Recognition等SCI期刊客座编委。
罗文寒，香港科技大学，副教授
罗文寒，香港科技大学，副教授。他的研究方向是AIGC/图像视频生成，质量增强等，加入香港科技大学之前，他曾在中山大学，腾讯和亚马逊（A9）工作。罗文寒老师已发表了80多篇同行评审的论文，包括ICML、NeurIPS、ICLR、CVPR、ICCV、ECCV、ACL、ACMMM、AAAI、TPAMI、AI、IJCV、TIP等顶级会议和期刊。罗文寒老师的研究工作曾入选CVPR 2019 Best Paper Finalist，他获得2022年ACM中国区新星奖（广州分会）等荣誉，被斯坦福大学评选为 2023 年全球前 2% 科学家之一。
雷印杰，四川大学，教授
雷印杰，四川大学电子信息学院教授、博士生导师、副院长。分别于2016年和2018年入选四川省“千人计划”特聘专家以及四川省学术和技术带头人后备人选。研究方向为人工智能、机器学习、计算机视觉、自然语言处理等。近年来主持科技部国家重点研发计划项目、国防科工局基础科研重点项目、军委科技委重点项目等。近年来在TPAMI、TNNLS、TIP、CVPR、ICCV、ECCV、AAAI等国际知名期刊和国际顶级学术会议上发表论文50余篇。四川省特聘专家、四川省学术和技术带头人后备人选、四川杰出青年科学基金获得者。
朱鹏飞，天津大学，教授
朱鹏飞，天津大学教授，国家优青，天津市杰青。主要研究方向是智能无人系统协同进化，已在 IEEE TPAMI和IJCV等CCF A类和IEEE汇刊发表论文60余篇。获吴文俊人工智能优秀青年奖、黑龙江省自然科学一等奖、天津市科技进步二等奖等奖励。主持科技创新2030-“新一代人工智能”重大项目和国家自然科学基金重点项目10余项。构建了大规模无人机视觉开放数据平台VisDrone，包含超过2000万图像/视频帧和2000万目标标注，并在ECCV和ICCV组织五届竞赛和研讨会。
论坛报告
报告题目
光神经网络发展与挑战
报告摘要
光神经网络的快速发展为算力提升开辟了一条新的研究路径，得益于光信号的低功耗、低延时、高并行、大带宽等特性，基于神经网络架构的光计算有望用于空间信号、时间信号以及片上信息的处理。本报告将回顾光神经网络的发展，探索光神经网络面临的挑战以及应用前景。
论坛讲者简介
陈宏伟，清华大学，教授
陈宏伟，清华大学电子工程系长聘教授，入选国家级高层次人才计划。主持了多项国家重点研发计划项目、国家自然科学基金以及北京市科技项目等。在Nature Communications、Nature Nanotechnology、Light：Science & Applications等学术期刊发表SCl论文100余篇，授权国家发明专利20余项。担任《Journal of Lightwave Technology》、《National Science Open》、《中国激光》、《红外与激光工程》等中英文科技期刊编委。曾获教育部自然科学二等奖、全国发明展览会金奖、首届军民融合创新大赛金奖以及光学工程学会技术发明一等奖等多个奖项。
报告题目
面向天基遥感的感前光计算系统
报告摘要
天基光学遥感系统受到计算功耗、存储空间、数传带宽等资源的严格约束，海量图像数据难以及时下传，应用效能极大受限，迫切需要发展新型遥感探测体制来提升天基遥感数据的利用效能。感前光计算指在光电传感器前端的光学域进行智能信息计算处理，能够实现面向任务的系统优化和数据压缩，极大缓解数据存储和传输压力，提高数据时效性，降低计算功耗。本报告从光学感前计算包括的编码压缩、全光计算推理等范式出发，结合具体天基遥感应用场景，探索可行的天基感前光计算系统。
论坛讲者简介
李维，北京空间机电研究所，研究员
李维，北京空间机电研究所研究员，中国自动化学会联邦数据与联邦智能专委会成员，军委科技委某专项重点课题首席科学家；作为负责人先后主持开展军委科技委某专项重点课题、基础加强重点项目课题、航天系统部专用技术项目、装备预研联合基金项目、国家重点研发计划地球观测与导航专项课题等；主要从事空间智能光学遥感系统总体设计、战略发展研究与规划论证、创新技术研发攻关等工作，带领团队探索人工智能在空间光学遥感系统的应用和实践；获发明专利授权10余项，在PAMI、Light：Science&Applications、TGRS等国际知名期刊以及Neurips等国际会议发表学术论文50余篇
。
报告题目
可信数据感知、配置与学习
报告摘要
数字经济时代，数据作为新型的生产要素，已经成为基础性、战略性资源。特别是在人工智能快速迭代、大模型与大数据相得益彰的发展态势中，数据要素战略地位进一步凸显。以ChatGPT为代表的通用人工智能更加需要大规模、高质量、多样化的数据集提升模型效果和学习能力。构建融合可信要素的数据处理技术生态，成为推动新时代数字经济发展的关键途径。报告人的研究工作聚焦于数据要素的三大核心问题：感知（Perception）、配置 （Configuration）与学习（Learning）。针对开放环境下AI系统所面临的数据不完备挑战，开展数据感知增强、高效压缩与鲁棒学习等基础理论与关键技术研究。本报告将介绍课题组的相关研究进展。
论坛讲者简介
刘贤明，哈尔滨工业大学，教授
刘贤明，现任哈尔滨工业大学计算机学院副院长、长聘教授、博士生导师，兼任哈工大-中国移动5G联合创新研究院技术总师，国家自然科学优秀青年基金获得者。2014年和2016年两次入选哈工大青年拔尖人才，分别破格提升副教授、教授。 研究方向为可信人工智能、多媒体信息处理，在Nature Methods、Nature Communications、TPAMI、JMLR、NeurIPS、ICLR、ICML、CVPR、ICCV、ECCV、AAAI等国际顶级期刊和会议上发表论文200余篇。主持国家重点研发计划重点专项项目和课题、国家自然科学基金重大研究计划、优青、面上和青年等项目。获得黑龙江省青年科技奖、中国人工智能学会第八届吴文俊人工智能优秀青年奖。指导博士生获得首批国家自然科学基金青年学生基础研究项目资助，指导的研究生荣获哈工大研究生最高奖“十佳英才”，哈工大优秀博士学位论文奖1项、提名奖1项，哈工大优秀硕士学位论文奖4项，黑龙江省优秀毕业生2项，哈工大优秀毕业生5项，国家奖学金5项。荣获哈工大“育人新星”青年导师荣誉称号。
报告题目
协同进化学习
报告摘要
智能无人系统依赖于多传感器对周围环境进行鲁棒的环境感知。团队构建了VisDrone大规模无人机视觉数据平台，包括可见光数据、双光数据以及多机协同数据等，覆盖目标检测、目标跟踪、群体分析和协同感知等任务。基于VisDrone数据平台，团队围绕数据算力受限条件下的低代价学习范式、多机多传感器不同步条件下的协同学习机理以及未知场景和类别条件下的进化学习机制开展研究，未来将主要聚焦无人机具身智能理论与方法，并在军事安防等场景开展应用。
论坛讲者简介
朱鹏飞，天津大学，教授
朱鹏飞，天津大学教授，国家优青，天津市杰青。主要研究方向是智能无人系统协同进化，已在 IEEE TPAMI和IJCV等CCF A类和IEEE汇刊发表论文60余篇。获吴文俊人工智能优秀青年奖、黑龙江省自然科学一等奖、天津市科技进步二等奖等奖励。主持科技创新2030-“新一代人工智能”重大项目和国家自然科学基金重点项目10余项。构建了大规模无人机视觉开放数据平台VisDrone，包含超过2000万图像/视频帧和2000万目标标注，并在ECCV和ICCV组织五届竞赛和研讨会。
报告题目
从 y=Wx+b到深度神经网络的高效架构
大规模的矩阵乘法计算（y=Wx+b）一直是线性代数、数值计算、矩阵计算以及它们的各种应用（如天气预报）的难点，在人工智能研究中也是各种深度学习模型压缩与加速的关键。通常的方法是利用矩阵W的低秩结构，然而，在现代的模型特别是Transformer模型中，W通常是近乎满秩的。本报告将讲述我们的发现：即使W是满秩的，Wx 却通常是低秩的，并进一步介绍我们的深度学习模型压缩与加速方法。该方法实现极其简单，所需算力小，且通用于多种神经网络架构。本报告还将介绍其在推荐系统中的作用。
论坛讲者简介
吴建鑫，南京大学，教授
吴建鑫于南京大学获计算机科学与技术学士与硕士学位，于佐治亚理工学院获计算机科学博士学位，现任南京大学人工智能学院/计算机软件新技术全国重点实验室教授。曾任CVPR、ICCV、ECCV、AAAI、IJCAI等会议的资深领域主席或领域主席，IEEE TPAMI编委，担任CVPR 2024程序主席。研究兴趣为计算机视觉与机器学习，在相关领域的重要学术期刊、会议发表了100多篇论文。具体来说，目前的研究兴趣为计算、数据资源受限情况下的深度学习与计算机视觉。
论坛主席
魏云超，北京交通大学，教授
魏云超，国家高层次人才项目获得者，北京交通大学教授、博导。2016年毕业于北京交通大学，获工学博士学位。2016-2019年间在新加坡国立大学、美国伊利诺伊大学厄巴纳-香槟分校从事博士后研究工作。2019年入选澳大利亚研究委员会青年研究奖，加入悉尼科技大学获终身助理教授职位，并于2021年破格提升为高级讲师。主要从事计算机视觉方面的相关研究，包括面向非完美数据的视觉认知，图像/视频的分割和物体检测，多模态数据建模等。入选百度2022年AI全球华人青年学者榜单、《麻省理工科技评论》2021年中国区“35岁以下科技创新35人” （MIT TR35 China）、《澳大利亚人》2020年全澳Top 40青年学术研究者（计算机领域共5人）。
王栋，大连理工大学，教授
王栋, 大连理工大学信息与通信工程学院, 教授、博导。迄今在本领域顶级会议(CVPR/ICCV)及期刊(TPAMI/IJCV)发表论文50余篇, 谷歌学术引用1.3万余次。获得国际视觉目标跟踪竞赛VOT冠军(10次)、CCF、教育部及辽宁省自然科学二等奖、CVPR2020论文获奖提名等学术奖励。研究工作获得国家自然科学基金优秀青年科学基金、区域联合重点项目等资助。
范登平，南开大学，教授
范登平，南开大学教授、博导、国家级人才，曾任阿联酋IIAI主管。研究方向为计算机视觉，因系统地提出 “伪装目标检测” 任务并取得高精度而被中国人工智能学会评定相关技术取得国际领先水平，被英国权威杂志《New Scientist》报道。公开16项中/美发明专利，发表高质量论文约20篇（9篇TPAMI）：2篇CVPR最佳论文提名、1篇世界人工智能大会青年优秀论文、1篇NeurlPSW最佳论文、13篇高被引（5篇热点），谷歌学术引用1.8万次，5篇单篇引用1000+次。是IEEE高级会员、CCF-CV执行委员，担任TIP编委、CVPR'23-24领域主席，主编1本中文学术专著。获CCF优秀博士学位论文奖、吴文俊优秀青年奖，连续3年入选斯坦福全球前2%顶尖科学家榜单。
徐天阳，江南大学，副教授
徐天阳，博士，副教授。2011年于南京大学电子信息科学与技术专业获学士学位；2019年于江南大学模式识别与智能系统专业获博士学位；2018-2019年于英国萨里大学电子工程系视觉、语音和信号处理中心(Centre for Vision, Speech and Signal Processing, CVSSP)博士联合培养；2019-2021于CVSSP担任Research Fellow。现任江南大学人工智能与计算机学院计算机系副教授。
论坛报告
报告题目
视觉目标跟踪现状及未来
报告摘要
视觉目标跟踪一直是计算机视觉领域的基础问题，在诸多领域具有广泛应用。随着深度学习特别是Transformer模型的发展，传统可见光跟踪性能提升逐渐遭遇瓶颈。然而，复杂现实环境中的各种场景变化和平台限制对跟踪算法始终有更高的需求。本次报告将总结视觉目标跟踪发展现状，简要介绍团队在可见光跟踪、长时跟踪、轻量化跟踪、多模态跟踪方面的尝试，讨论跟踪领域仍存在的开放问题，并对未来研究趋势做出展望。
论坛讲者简介
王栋，大连理工大学，教授
王栋, 大连理工大学信息与通信工程学院, 教授、博导。迄今在本领域顶级会议(CVPR/ICCV)及期刊(TPAMI/IJCV)发表论文50余篇, 谷歌学术引用1.3万余次。获得国际视觉目标跟踪竞赛VOT冠军(10次)、CCF、教育部及辽宁省自然科学二等奖、CVPR2020论文获奖提名等学术奖励。研究工作获得国家自然科学基金优秀青年科学基金、区域联合重点项目等资助。
报告题目
面向标注数据高效的开放世界视觉理解
报告摘要
视觉语言多模态基础模型的快速发展极大推进以视觉识别、检测、分割、跟踪为代表的视觉感知研究从封闭词汇的模型设计演进到开放词汇场景的大规模验证。研究范式也从特定类别的感知建模和分类损失优化转变为大模型知识蒸馏和跨模态的语义对齐建模，然而恒久不变的是模型对于海量高质量标注数据的依赖。因此，如何降低标注依赖实现模型对于未知类别的感知泛化以及对于稀有类别的精确识别成为了视觉感知模型在开放世界中落地应用的痛点。在本次报告中，我们将分享团队从伪标签学习、提示微调学习和上下文学习等建模范式降低面向开放场景的视觉理解模型对于高质量标签依赖的研究进展，同时分享开放世界视觉理解在多模态具身感知与生成领域的应用。
论坛讲者简介
李冠彬，中山大学，教授
李冠彬，中山大学计算机学院教授，博士生导师，国家优秀青年基金获得者。主要研究领域为跨模态视觉感知、理解与生成。 迄今为止累计发表CCF A类/中科院一区论文 160 余篇，Google Scholar 引用超过 13000次。曾获得吴文俊人工智能优秀青年奖、ACM 中国新星提名奖、中国图象图形学学会科学技术一等奖、ICCV2019 最佳论文提名奖、CVPR2024最佳论文候选、ICMR2021 最佳海报论文奖等荣誉。主持了包括国自然优青、面上、青年、广东省杰青、 CCF-腾讯犀牛鸟科研基金、华为Mindspore学术基金、美团北斗科研合作基金等 10 多项科研项目。担任CSIG青工委副秘书长、CCF YOCSEF广州主席、广州计算机学会副秘书长、VALSE执行副主席等。担任CVPR、ECCV、AAAI等顶级会议领域主席（AC）或高级程序委员。担任The Visual Computer编委，获得8项CVPR、NeurIPS、ACM MM等国际顶级会议竞赛冠军。
报告题目
高精度高效率图像语义分割方法及应用
报告摘要
图像语义分割技术旨在对图像进行像素级的判别与分析，在遥感图像分析、自动无人系统、医学图像分析、地图导航等领域有广泛的应用。基于深度学习的图像语义分割受到广泛的关注。本报告介绍从精度和效率两个角度出发，介绍语义分割方法，包括判别特征增强的图像解析方法、基于上下文建模的图像解析方法、实时图像语义分割框架设计，以及语义分割方法的应用。最后对图像语义分割方法进行总结和讨论。
论坛讲者简介
高常鑫，华中科技大学，教授
高常鑫，华中科技大学教授、全国重点实验室副主任，国家级青年人才。研究领域为计算机视觉、图像/视频智能理解及其在视频监控等领域的应用。近年来发表IEEE TPAMI、IJCV、IEEE TIP、CVPR、ICCV、ECCV等高水平期刊会议论文40余篇。先后主持湖北省杰出青年基金项目、国家自然科学基金面上项目、装备预研项目等课题。获湖北省科技进步一等奖二等奖各1项。现任中国人工智能学会模式识别专委会副秘书长、中国图象图形学学会成像探测与感知专委会副秘书长。
报告题目
低质多模态视觉跟踪
报告摘要
多模态视觉跟踪以多种来源的视觉传感器数据为基础，通过多模态表征、融合、学习等关键技术在复杂场景和环境下提供更准确、更鲁棒的目标跟踪能力，在智能交通、公共安全、无人系统等场景下有着较大的应用需求。然而，多模态成像系统一般由不同的传感器组合而成，会带来多模态数据的空间不对齐、信息不完整和质量不均衡等低质问题，为多模态视觉跟踪研究与应用带来诸多挑战。报告将介绍团队在低质多模态视觉跟踪方面的最新研究进展。
论坛讲者简介
李成龙，安徽大学，教授
李成龙，安徽大学人工智能学院教授、博士生导师、系主任，中国图像图形学学会视觉大数据专委会委员，安全人工智能安徽省重点实验室副主任。主要研究领域包括多模态视觉和深度学习，发表IEEE TPAMI、INFFUS、IEEE TIP、IEEE TNNLS、IEEE CYB、CVPR、ECCV、AAAI、ACM MM等高水平期刊和会议论文90余篇，谷歌学术引用6400余次，获得授权国家发明专利21项，其中6项实现成果转化或技术应用，主持国家自然科学基金（3项）、安徽省杰出青年基金（重点支持项目）等科研项目，获得安徽省科技进步二等奖、安徽省计算机学会青年科学家奖等学术奖励，连续三年入选全球前2%顶尖科学家榜单。
报告题目
面向开放环境的视觉场景理解
报告摘要
在视觉领域，开放域感知已成为研究热点，它突破了传统感知任务中模型能力受限于训练数据样本类别的限制，让模型能够感知训练集之外的物体类别，大大拓展了应用场景。然而，该类任务要求模型具备处理新类别的能力，但现有模型在泛化能力上仍存在不足，理解上下文、避免偏见和错误等问题仍需解决。本次报告将从多模态特征编码的角度，回顾已有方法的缺陷并介绍如何更好地实现文本与视觉特征对齐以解决模型泛化性弱的问题。另外，本次报告也将对该领域的未来研究趋势做出展望。
论坛讲者简介
侯淇彬，南开大学，副教授
侯淇彬，副教授，南开大学“百青计划”入选者，博士生导师，天津市优博。主要研究方向为视觉场景感知与内容生成，主持国家自然科学基金委面上等项目，目前已在IEEE TPAMI/NeurIPS/CVPR/ICCV等CCF A类期刊及会议上发表论文50余篇，Google Scholar引用15000余次，单篇一作论文最高引用3800余次，3篇（共同）一作论文引用过千。研究成果应用于华为旗舰手机智能拍照系统中并获得了华为公司2017年度优秀合作成果奖，入选第七届中国科协青年人才托举计划、2023中国高被引学者榜单，曾获世界互联网大会领先科技奖（246进15）并获中央二套直播报道、教育部自然科学奖一等奖、吴文俊人工智能科学技术奖自然科学二等奖等奖项。指导学生获得CCF-CV“学术新锐学者”。
大 会 日 程
会 议 注 册
尊敬的参会者：
您可以在会议主页注册页面通过“点击注册”按钮跳转到注册页面，也可以直接扫描下方二维码进行注册。
大会注册链接
http://youth.csig.org.cn/CSIG2024/index.html#/registration
大会注册二维码
收 费 标 准
缴费方式支持微信支付、支付宝支付以及银行转账汇款三种方式。
银行转账汇款账户信息:
账户名：中国图象图形学学会
账 号：0200049609200073436
开户行：工行海淀支行
备注：如选择银行转账汇款注册方式请务必在办理汇款时附言注明“CYS2024+参会人姓名”，汇款完成后上传付款凭证截图(登录个人中心-我的订单-汇款底单上传)。
合 作 方 案
CSIG青科会2024设四个级别的合作企业：
合作联系方式
合作权益详情请查阅网站
http://youth.csig.org.cn/CSIG2024/index.html#/sponsorship
