【CSIG青年科学家会议2024论坛介绍】女科学家 | 优博 | 青托 | 学术新星 | 博士生论坛
发布时间：2024-12-11 15:42:47 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
董晶，中国科学院自动化研究所，研究员
董晶，中国科学院自动化研究所研究员、博师生导师，CSIG/CCF/IEEE 高级会员, CAAI杰出会员，中国科学院青年创新促进会会员，国家高层次青年人才计划入选者，目前担任中国图象图形学学会（CSIG)理事、副秘书长、女工委秘书长，IEEE亚太区执委、奖励委员会主席、IEEE信号处理协会全球成员发展主席。主要从事人工智能安全与对抗、计算机视觉、多媒体内容取证等前沿方向的技术研究，她先后以课题（子课题）负责人承担了4项国家自然科学基金、3项国家重点研发课题、1项工信部国家重大专项子项及20余项省部级科研项目（课题）。已在国际权威期刊及学术会议上发表学术论文90余篇，已授权26项中国专利含3项美国专利。她曾获4次最佳（优秀）论文奖、2016年度IBM学院奖、2019年度中国人工智能学会杰出贡献奖、2020年度CSIG石青云女科学家奖、2021年度北京青年优秀科技论文奖、2021年度CSIG科技奖二等奖（排名第一）、2021年度吴文俊人工智能科学技术奖（技术进步科普类）、2022年度中国发明协会创业创新奖一等奖（排名第一）、2022年度国家广电总局MediaAIAC大赛深度合成技术应用类一等奖（排名第一）以及2023年度吴文俊人工智能科学技术奖（技术发明一等奖、排名第二）。
许倩倩，中国科学院计算技术研究所，研究员
许倩倩，中国科学院计算技术研究所，研究员，博士生导师，基金委优秀青年基金获得者。研究领域为数据挖掘和机器学习，共发表CCF-A类论文90余篇（其中一作/通作TPAMI 19篇）。先后获得：中国图象图形学学会自然科学一等奖、吴文俊人工智能自然科学一等奖、吴文俊人工智能科技进步二等奖、浙江省技术发明二等奖、茅以升北京青年科技奖、中国图象图形学学会石青云女科学家奖、吴文俊人工智能优秀青年奖、中国人工智能学会最佳青年科技成果奖、ACM中国SIGMM新星奖、并入选首份AI华人女性青年学者榜单。担任国际期刊TMM、T-CSVT和ACM TOMM编委，NeurIPS、AAAI、IJCAI、ACM MM等CCF-A类国际会议领域主席。担任CCF多媒体专委会/CSIG青工委/CSIG多媒体专委会/CAAI深度学习专委会副秘书长。研究成果应用于中央网信办安全中心、阿里巴巴、百度等。
论坛报告
报告题目
探索不同寻常之路——空间极端条件动态视觉计算
报告摘要
随着空间技术的迅猛发展，利用空间平台进行太空环境的感知与探测成为人类走出地球，探索宇宙的重要手段。然而太空环境复杂、光照条件特殊、目标及获取平台运动变化剧烈，导致感知到的图像同时存在成像暗弱、可用信息少、多因素耦合降质且动态变化等影响因素，使得对太空环境的精准感知受到了极大限制。本报告针对强动态空间环境中如何实现“看得到”、“看得清”、“看得懂”三个核心问题展开讨论，对空间平台下太空环境信息精确智能感知进行了展望与思考。
论坛讲者简介
张艳宁，西北工业大学，教授
张艳宁，西北工业大学教授、博士生导师，教育部“长江学者”特聘教授、中组部首批“万人计划”科技创新领军人才、全国创新争先奖获得者、973首席科学家，现任西北工业大学副校长。先后主持和承担某基础加强重点项目、973项目、国家自然科学基金重点项目、863、总装预研等国家级项目40余项。在IEEE TPAMI、IEEE TIP、IJCV、CVPR、ICCV等国内外本领域权威期刊和重要国际会议上发表论文150余篇，指导学生发表CVPR 2023最佳学生论文、ICCV 2011最佳学生论文，出版专著4部，获授权发明专利150余项，以第一完成人获国家技术发明二等奖2项、国家教学成果二等奖1项、国防技术发明一等奖2项、陕西省科学技术一等奖2项等。长期致力于图像处理、模式识别、计算机视觉与智能信息处理等的研究，并与航天、航空等方面的国家重大需求相结合，带领团队在空间环境感知、空天地海一体化大数据应用技术方面获得了丰富成果。
报告题目
人工智能在中医望诊和重大疾病发生风险预测中的应用研究
报告摘要
中医学是我国最具原创性的一个重要领域。但是中医的辨证施治过程很难进行定量化、精准化的描述。将最新/前沿的人工智能技术与中医理论相结合，开展医工学科交叉研究，对我国中医药事业的守正创新、传承发展，建设健康中国意义重大。本报告将着重介绍报告人及其团队将人工智能技术应用于中医望诊、重大疾病发生风险预测等方面的研究进展。
论坛讲者简介
卓力，北京工业大学，教授
卓力，北京工业大学教授、博士生导师。先后入选教育部新世纪优秀人才、北京市高层次创业创新人才支持计划领军人才、北京市百千万人才、北京市长城学者、北京市科技新星等各种人才计划。长期从事计算机视觉、医学影像分析处理、中医智能化等方面的研究工作，主持国家自然科学基金重点项目、863计划等50多个项目，发表论文300多篇，出版专著4部，获授权国家发明专利50多项。获中国图象图形学学会科技进步一等奖、教育部技术发明奖二等奖等科技奖励3项（均排名第一）。
报告题目
大模型多元价值观对齐
报告摘要
随着大模型研究以及在各个行业的应用不断深入，大模型在价值观对齐方面也引起了学术界和产业界的关注，在关注价值观不同层面的对齐技术的同时，也关注到多元价值观与不同语言文化的对齐，本次报告将从大模型多元价值观的体系、不同层次价值观的对齐方法以及不同语言文化和价值观的关联角度出发，介绍大模型多元价值观对齐技术。
论坛讲者简介
秦兵，哈尔滨工业大学，教授
秦兵，哈尔滨工业大学计算学部长聘教授，哈尔滨工业大学自然语言处理研究所副所长。国家重点研发课题、国家自然科学基金重点项目负责人。科技部科技创新2030-“新一代人工智能”重大项目管理专家组专家，中国中文信息学会常务理事／情感计算专委会主任，黑龙江省计算机学会自然语言处理专委会主任。入选“福布斯中国2020科技女性榜”。
报告题目
基于几何深度学习的黎曼流形生成
报告摘要
近年来，扩散模型在生成式建模任务中取得了巨大的成功。经典的扩散模型在正向过程中对输入信号不断添加高斯噪声，直至分布近似于标准高斯分布；生成过程从标准高斯分布中采样，逐步进行去噪，迭代生成图像。在基于二维图像的扩散模型启发下，许多研究开始关注高维流形结构的扩散模型。流形信号位于非欧式空间，为了实现精准的生成与重建，需要同时考虑原始数据的概率分布，以及流形信号的几何特征与拓扑结构。本报告将从几何学和深度学习的角度，介绍流形信号生成的最新进展，包括面向黎曼流形的去噪扩散模型、分数扩散模型、热扩散模型等方法；并进一步探讨在扩散模型中引入Ricci曲率流，学习流形信号内蕴几何特征的可能性。
论坛讲者简介
邹君妮，上海交通大学，教授
邹君妮，上海交通大学特聘教授，博士生导师，国家杰出青年科学基金获得者（2021），国家优秀青年科学基金获得者（2016）。2008年在美国卡内基梅隆大学（CMU）从事研究；2011年-2012年，在美国加州大学圣地亚哥分校（UCSD）担任全职访问教授。2017年起，在上海交通大学计算机科学与工程系担任教授。先后获得上海市科技奖励一等奖4项，中国电子学会科技奖励二等奖3项，吴文俊人工智能科技奖励二等奖1项。主要研究领域：多媒体通信、高维视觉信息处理、几何深度学习等。主持国家自然科学基金重点等项目8项，共发表SCI、EI收录论文150 余篇，其中： IEEE Transactions汇刊论文50余篇，著名国际学术会议NeurIPS、ICML、CVPR、ECCV等45篇；合作出版专著2部，获中美授权发明专利50项。曾担任国际期刊Digital Signal Processing编委。
报告题目
大模型时代的计算机视觉研究现状和挑战
报告摘要
深度学习和大模型给计算机视觉带来了巨大的发展，计算机视觉的研究从模型为中心到数据为中心的阶段，给研究人员带来了新的挑战。本报告从现状出发，然后讲述面来临的挑战。也会分享一些个人思考。
论坛讲者简介
王井东，百度，首席科学家
王井东，百度计算机视觉首席科学家。加入百度之前，从2007年至2021年在微软亚洲研究院工作，历任副研究员、研究员、高级研究员、资深首席研究员。研究领域包括计算机视觉、深度学习和多媒体搜索。代表工作有高分辨率网络（HRNet）、基于transformer的物体上下文表征的语义分割（OCRNet）、基于判别式的区域特征融合的显著性检测（DRFI）和基于近邻图的向量搜索（NGS与SPTAG）。担任或曾担任IEEE TPAMI、IJCV、ACM TOMM、IEEE TMM和IEEE TCSVT的编委，担任或曾担任视觉、多媒体和人工智能等方向顶会的（资深）领域主席， 比如CVPR、ICCV、ECCV、NeurIPS，ACM MM， IJCAI和AAAI等。将担任ICCV 2025程序委员会主席。因为在视觉内容理解和检索等方向的杰出贡献， 被遴选为国际计算机协会杰出会员、国际模式识别学会会士、国际电气电子工程师学会会士以及加拿大国家工程院外籍院士。
论坛主席
张鼎文，西北工业大学，教授
张鼎文，西北工业大学自动化学院教授、博导，国家优秀青年科学基金获得者、科睿唯安“全球高被引科学家”，2015赴美国卡耐基梅隆大学进行为期2年的访问研究，致力于建立面向开放环境下、具备动态学习能力的新一代计算机视觉学习框架。迄今为止，作为第一作者/通讯作者在领域内国际重要期刊及会议发表学术论文60余篇，其中包含T-PAMI, IJCV, IEEE SPM, T-IP, CVPR, ICCV, Science China: Information Science等，曾入选中国博士后创新人才计划、AI 华人青年学者榜单, 获吴文俊人工智能优秀青年奖、2021 IEEE TCSVT最佳论文奖、中国图象图形学学会优秀博士论文奖等奖励。担任中国图象图形学学会青年工作委员会副秘书长、VALSE执行领域主席委员会委员，IEEE TMM与TCSVT的首席客座编辑。
董燕妮，武汉大学，教授
董燕妮，武汉大学资源与环境科学学院教授、博士生导师，国家优秀青年科学基金获得者。主要从事遥感图像智能解译与应用等方面的研究，已在IEEE TIP、IEEE TCybern、IEEE TGRS和ISPRS等国际刊物上发表SCI检索论文六十余篇，担任SCI期刊IEEE TGRS副主编，IEEE GRSL副主编，ICCV、AAAI等图像分析知名国际会议的高级程序委员会成员，以及IEEE高级会员，IEEE GRSS Wuhan Chapter 副主席，中国图象图形学学会优博俱乐部副主席等；曾获得中国图象图形学学会石青云女科学家奖、中国图象图形学学会优秀博士学位论文提名奖、香江学者奖等；主持国家自然科学基金优青项目、面上项目、青年项目等十余项科研项目。
朱霖潮，浙江大学，研究员
朱霖潮，浙江大学百人计划研究员、博士生导师。本科毕业于浙江大学计算机学院，博士毕业于悉尼科技大学，曾担任悉尼科技大学讲师。获首届谷歌学术研究奖（2021）。主要研究方向为跨媒体智能及其应用、通用基础模型、人工智能科学计算等。曾获得美国国家标准总局TRECVID LOC竞赛冠军（2016）、THUMOS动作识别竞赛冠军（2015）、EPIC-KITCHENS第一视角动作识别竞赛冠军（2019，2020）、CVPR MABe多智能体行为建模竞赛冠军（2022）等8项国际竞赛冠军。曾担任Neurocomputing、CVIU客座编辑，IEEE MLSP领域主席（2021）、ECCV领域主席（2024），并多次组织CVPR等国际会议专题研讨会。在IEEE T-PAMI、IJCV、CVPR、ICCV等高水平学术期刊及会议发表论文70余篇，含9篇大会口头报告。
论坛报告
报告题目
弱伪目标提取与识别方法
报告摘要
报告围绕弱目标、伪装目标提取与识别方法进行汇报，介绍遥感、生物、医学等领域弱、伪目标提取面临的主要难点，国内外研究现状，以及未来的研究方向。
论坛讲者简介
康旭东，湖南大学，教授
湖南大学教授、博士生导师，国家青年拔尖人才，湖南省科技创新领军人才，长期从事多源数据融合与高光谱遥感领域研究，获国家自然科学二等奖2项（均排名第3），发表学术论文百余篇，授权专利10余项，入选科瑞唯安全球高被引科学家、爱思维尔中国高被引学者、全球前2%顶尖科学家榜单，成果应用于我国型号卫星与工程。
报告题目
跨域小样本学习挑战与思考
报告摘要
随着人工智能技术的快速发展，机器学习和深度学习模型在各个领域取得了显著成就。然而，在实际应用中，特别是在跨域场景下，模型往往面临数据稀缺的问题，即小样本学习（Few-Shot Learning）的挑战。跨域小样本学习不仅要求模型能够在有限的数据下进行高效学习，而且要求模型具备跨越不同领域的泛化能力，对推动人工智能技术广泛应用与持续发展具有重要意义。本报告旨在深入探讨跨域小样本学习的挑战，并提出相应的思考和建议。
论坛讲者简介
张磊，西北工业大学，教授
张磊，教授博导，国家级青年人才，西北工业大学计算机信息工程系主任。长期围绕太空安全、生态保护等国家重大战略问题，深入研究遥感光学计算成像与图像处理技术。发表论文百余篇。权国家发明专利20余项，参与制定团体标准1项。主持参与国家级项目10余项。担任CSIG成像探测与感知专委会秘书长、CAA模式识别与机器智能专委会委员。
报告题目
生成式遥感基础模型初探
报告摘要
近年来，Stable Diffusion、Sora等多种视觉生成模型引起了学术界和工业界的广泛关注。与特定领域知识结合，生成效果逼真、具有世界理解能力的图像、视频数据已成为各垂直领域发展的重要趋势。遥感科学作为关乎国防民生等领域的重要研究方向，发展具有遥感特色的视觉生成模型对数字化遥感场景构建、赋能下游遥感图像解译等任务都起着关键的作用。在本次报告中，讲者将介绍课题组近期在遥感生成式基础模型方面的相关工作，包括MetaEarth（数字地球）全球范围遥感图像生成模型、多模态遥感图文生成模型等。最后，将对生成式遥感基础模型的潜在应用场景和未来研究方向进行介绍。
论坛讲者简介
邹征夏，北京航空航天大学，教授
邹征夏，北京航空航天大学宇航学院教授、博士生导师，国家级青年人才。主要研究方向为遥感图像处理、计算机视觉、深度学习，研究成果以第一/通讯作者身份发表在Proceedings of the IEEE（长期位列最受欢迎论文第一）、Nature Communications（首页论文）、IEEE Transactions汇刊、CVPR、ICCV等重要期刊和会议，论文引用6000余次，单篇论文引用2800余次，主持国家自然科学基金海外人才项目、国家自然科学基金面上项目。担任IEEE高级会员、IEEE Transactions on Image Processing编委（Associate Editor）、Nature旗下期刊Communications Engineering特刊编辑，入选22/23/24全球前2%科学家名单。研究成果被国家自然科学基金委、新华社、新科学人等媒体报道和采用，收录于斯坦福大学著名公开课CS231n，服务于航天国防、自动驾驶等重要应用。
报告题目
遥感图像智能解译的轻量化实现方法探索
报告摘要
遥感图像智能解译轻量化实现领域的发展仍面临模型训练困难和推理计算量庞大等挑战。本报告从样本筛选、模型剪枝，以及一体化压缩的角度出发，致力于实现遥感智能解译任务在边缘节点的有效在线训练和部署推理，以促进星载、机载等资源受限条件下遥感图像智能解译的发展。
论坛讲者简介
谢卫莹，西安电子科技大学，教授
谢卫莹，西安电子科技大学，教授、博导，国家优秀青年科学基金获得者，IEEE Senior Member，担任IEEE Transactions on Image Processing、Pattern Recognition和IEEE Transactions on Geoscience and Remote Sensing国际期刊的副编辑 (Associate Editor)。主持国家自然科学基金、科技委领域基金、ZF项目、博士后特别资助等多项项目。以第一/通讯作者身份发表IEEE Trans.系列中科院一区TOP期刊及CCF A类会议论文60篇，其中ESI高被引论文9篇，热点论文2篇。获陕西省自然科学优秀学术论文奖、"天智杯"人工智能挑战赛全国冠军及100万项目奖励、"互联网+"大赛全国金奖、"强芯健魂，铸基智能"计算平台挑战赛369万项目奖励。以第一发明人获授权国家发明专利10件已完成转化应用。入选全球前2%顶尖科学家榜单、全国优秀创新创业导师、中国科协青年人才托举工程、中国科协优秀中外青年交流计划。
报告题目
生物视觉感知的计算模型及应用
报告摘要
视觉感知是大脑信息处理的基础问题之一。对视觉感知的计算研究，可以帮助阐明大脑视觉感知的计算机理；同时，面对复杂多变的开放环境，以智能环境感知为基础的计算机视觉应用有望从生物视觉机理中寻求新的启示和高效解决方案。本报告从亮度、对比度、颜色等基本视觉感知出发，通过建立脑启发的视觉感知计算模型，探讨生物视觉系统的基本计算机理。同时，结合经典的视觉感知理论及深度学习方法，建立面向全天候开放场景的视觉增强技术。
论坛讲者简介
杨开富，电子科技大学，副研究员
电子科技大学生命科学与技术学院、神经信息教育部重点实验室副研究员，硕士生导师。2016年获得电子科技大学博士学位，2019-2020在苏黎世联邦理工学院（ETH Zurich）计算机视觉实验室做访问学者。主要研究方向为视觉感知与认知计算、类脑计算机视觉。已在IEEE TPAMI/TIP/TMI/TITS/TCSVT、IJCV等重要期刊及ICCV/CVPR/ECCV等国际会议上发表学术论文20余篇。曾获CSIG优秀博士论文提名奖(2018)、吴文俊人工智能自然科学奖三等奖(2020)。
报告题目
多维跨域高光谱信息处理
报告摘要
高光谱成像是一种获取连续光谱、图谱合一的信息探测技术，与激光雷达、合成孔径雷达被并列为三大对地观测信息获取的核心技术。高光谱遥感图像解译是解决国家多领域重大问题的有效手段，然而，卫星高光谱成像探测在应用中面临“广域探测难、精细分辨难、跨域协同难”的关键问题，导致高光谱图像难以发挥其原本精细的探测能力。针对上述问题，建立了卫星多光谱到广域高空间分辨率高光谱图像重构模型、不确定性下高光谱多维度本征信息复原模型，提出了多-高光谱遥感图像时-空-谱跨域对齐方法。
论坛讲者简介
刘天竹，哈尔滨工业大学，副教授
刘天竹，哈尔滨工业大学电子与信息工程学院准聘副教授，博导，入选第八届中国科协青年人才托举工程、哈工大"青年拔尖人才选聘计划"。研究方向为人工智能在遥感信息处理领域的应用（AI for Remote sensing），主要包括多模态遥感大模型、多模态高光谱遥感图像智能处理等。主持国家自然科学基金面上/青年项目、国家部委纵向项目、高分专项（民用）项目课题、科技创新2030重大项目子课题等；参与国家自然科学基金重大科研仪器研制项目、杰青项目、重点国际合作项目，国家部委重点项目、国家实验室基金项目等。在国内外高水平期刊上发表SCI论文20余篇，包括ESI高被引论文1篇，封面论文2篇；获黑龙江省自然科学一等奖1项（第5完成人）；获IEEE国际地球科学与遥感大会学生论文竞赛季军；获国内遥感大会优秀报告，优秀论文奖，中国图象图形学会优秀博士论文提名奖、第二十三届哈工大优秀博士论文奖等。担任遥感领域重要期刊IEEE J-STARS（中科院2区Top）Associate Editor，担任IEEE TGRS、Remote Sensing等多个期刊审稿人。
论坛主席
魏秀参，东南大学，教授
魏秀参，东南大学计算机科学与工程学院教授、博士生导师。主要从事计算机视觉和机器学习方面研究，带领团队开源“PyRetri”、“Hawkeye”等细粒度图像分析算法库（均入选ACM Multimedia开源竞赛Winner Entry）。在国际顶级期刊和会议发表论文六十余篇，相关研究工作获得“江苏省自然科学百篇优秀学术成果”以及含CVPR iNaturalist在内的国际权威学术评测共10项世界冠军。担任IEEE TMM副主编，CVPR、ICCV、AAAI、IJCAI等国际会议的领域主席、研讨会主席、讲习班主席等10余次，并任Fundamental Research青年编委、CSIG青托俱乐部主席、VALSE常务AC等。曾入选CSIG青年科学家奖、吴文俊人工智能优秀青年奖、中国科协青年人才托举工程等。主编教材《解析深度学习（第2版）》入选省部级重点教材和“十四五”国家重点出版物出版规划，出版学术专著1部。主持国家重点研发计划青年科学家项目、科技委专项等。
徐婧林，北京科技大学，副教授
北京科技大学智能科学与技术学院副教授，北京图象图形学学会理事、副秘书长，中国图象图形学学会青托俱乐部副主席。2023年入选第九届中国科协青年人才托举工程、2022年获中国图象图形学学会优秀博士学位论文奖、2023年获中国自动化学会自然科学奖一等奖（4/5）。主要研究方向为视频动作理解、多模态细粒度分析、三维人体姿态估计与动作生成。已发表/接收20篇 ACM/IEEE Trans.和CCF A类国际期刊和会议论文（一作15篇，通讯2篇）。代表性一作论文包括：CVPR论文5篇（2篇Oral/1篇Spotlight/1篇Highlight）、IJCV论文1篇、IEEE TIP论文3篇、IEEE TKDE论文1篇、AAAI和IJCAI论文5篇。主持国家自然科学基金面上项目、青年基金、中国博士后科学基金面上项目等，已与中国电信、腾讯、蔚来等单位合作，推进科研成果的落地应用。获得2023年度北京图象图形学学会“最美女科技工作者”、2022年西北工业大学优秀博士学位论文、2020年西北工业大学优秀毕业生等荣誉。担任《Chinese Journal of Electronics》青年编委、《电子与信息学报》编委、《计算机科学》青年编委、《人工智能》编委、CCF多媒体技术专委会委员、CSIG多媒体专委会委员、CSIG视觉大数据专委会委员、CAA模式识别与机器智能专委会委员、CSIG/BSIG女工委委员。
论坛报告
报告题目
异构联邦学习
报告摘要
联邦学习在保证数据隐私前提下，实现多方共同建模，提升模型性能。然而，现有的联邦学习研究依赖于数据分布一致、模型结构一致等假设，无法满足实际复杂多样化的需求。本次报告将分享首先系统概述异构联邦学习的核心挑战和前沿进展。然后将从四个方面——泛化性、鲁棒性、个性化和公平性，分享我们团队近期的研究成果以及探讨未来工作的一些挑战与机遇。
论坛讲者简介
叶茫，武汉大学，教授
叶茫，武汉大学计算机学院教授、博士生导师，国家级高层次青年人才，中国科协青年托举人才，湖北省高层次人才。曾任阿联酋起源人工智能研究院研究科学家，美国哥伦比亚大学访问学者。主要研究方向多模态检索、多模态语义理解、联邦学习等，以第一/通讯作者发表 CCF-A 类论文 60 余篇，谷歌学术引用 9000 余次，1篇论文入选湖北省优秀科技论文。受邀担任CCF-A类期刊IEEE TIFS（中科院一区）等国际SCI期刊编委，多次受邀担任顶级会议CVPR、ACM MM、NeurIPS、ICLR、ECCV领域主席等学术职务。主持国自科-香港联合基金、湖北省重点研发计划等10余项科研项目。
报告题目
缓解多模态大模型增大分辨率的“后遗症”
报告摘要
本报告将首先介绍多模态大模型的研究背景，接着讨论提升多模态大模型分辨率支持的两种主流策略。随后，对最新的相关研究工作进行回顾。在报告的第三部分，将重点介绍多模态大模型Monkey系列的最新进展，深入解析多模态大模型中通过裁剪策略提升分辨率时产生的“后遗症”，并提出一个简单而有效的Mini-Monkey方法来应对这一问题。最后，报告将对高分辨率多模态大模型方向的相关研究进行总结与展望。
论坛讲者简介
刘禹良，华中科技大学，教授
华中科技大学人工智能与自动化学院教授、博导。研究方向模式识别、多模态大模型，聚焦文字图象智能。曾获评CSIG优秀博士论文，中国科协青年人才托举工程, 教育部海外高层次人才引进及ACL最佳论文奖。主持国家自然科学基金青年项目及两项国家重点研发计划子课题。
报告题目
面向多模态大模型的下游学习方法
报告摘要
本报告探讨了针对多模态大模型的下游学习方法。具体地，针对多模态大模型CLIP，分别围绕有监督、无监督和黑盒等多场景提出不同的下游学习方法。实验结果表明，所提出的方法在多个基准数据集上均取得了显著的学习性能。
论坛讲者简介
梁坚，中国科学院自动化研究所，副研究员
梁坚博士，中科院自动化所多模态人工智能系统全国重点实验室，副研究员。主要研究方向为计算机视觉、可信机器学习、模型迁移和安全隐私等，主持了包括国自然面上、北京市科技新星、中国科协青年托举工程以及中科院特别研究助理等多项课题。目前谷歌学术引用4300多次，担任国内外学术会议如NeurIPS、ICLR、PRCV的领域主席。在IEEE TPAMI、IJCV、TIP等权威国际期刊以及ICML、NeurIPS、ICLR、CVPR、ICCV、ECCV等权威国际会议发表论文50余篇，研究工作曾获中科院优博、中科院院长奖、国际会议最佳论文候选奖以及国际学术竞赛的冠军等。
报告题目
面向动态开放环境的生成式人工智能研究
报告摘要
生成式AI旨在通过人工智能技术创造文本、图像、视频等内容，在机器翻译、艺术创作等多个领域都得到了广泛应用。近年来，基于预训练的大模型如ChatGPT、Stable Diffusion等更是极大促进了对生成式AI的发展。然而，预训练大模型通常难以满足动态变化的用户需求和适应快速切换的应用场景，因此研究面向动态开放环境的生成式AI变得尤为重要。本报告首先探讨动态开放环境下生成式AI研究的两个关键问题：（1）如何更新生成式大模型使其适应不断变化的新增用户需求，（2）如何提升生成式大模型的推理（inference）速度使其对快速切换的场景进行及时响应。其次，本报告提出通过解耦学习实现生成式AI模型的外泛化能力，通过神经架构搜索同时提升生成式AI模型的推理速度和生成性能。最后，本报告探讨生成式AI的未来研究方向。
论坛讲者简介
王鑫，清华大学，副研究员
清华大学计算机系副研究员，国家优秀青年科学基金获得者。中国计算机学会多媒体专业技术委员会副秘书长，清华大学博士后校友会秘书处副秘书长。作为项目/课题负责人承担国家自然科学基金、科技部重点研发计划等项目，获2020年度ACM中国新星奖、2022年度IEEE TCMC新星奖、2023年度达摩院青橙奖、2022年度教育部自然科学一等奖、2023年度国家自然科学二等奖。主要研究方向为多媒体智能，媒体大数据，机器学习等，3次获ACM Multimedia Asia等最佳论文奖，在IEEE TPAMI、IEEE TKDE、ACM TOIS、ICML、NeurIPS、ACM SIGKDD、ACM Web Conference、ACM Multimedia、ACM SIGIR等相关领域顶级国际期刊/会议上发表论文150余篇。
报告题目
交互行为与意图的端智能感知计算
报告摘要
提出建模人体行为时空特征为贝叶斯先验知识实现高效交互行为与意图的感知计算的整体研究思路，围绕交互动作有效重构、交互意图高效推理以及端侧感知计算优化三个层层递进的研究内容，提出端设备上交互动作以及生理指征的连续感知计算方法，高效推理多模态感知数据上的隐式交互意图，解决稀疏感知数据上交互行为重构以及交互意图解析的难题，创新低功耗、高性能、训练数据要求低的端智能感知计算技术，服务健康医疗、信息无障碍等高影响力应用领域。
论坛讲者简介
王运涛，清华大学，副研究员
王运涛，清华大学计算机科学与技术系副研究员，2011年本科毕业于北京邮电大学，2016年博士毕业于清华大学。2016年7月至2022年12月，先后担任清华大学计算机系博士后、助理研究员，2018年2月至2021年3月，担任华盛顿大学访问学者。王运涛围绕自然人机交互，研究交互行为与意图的端智能感知计算，共发表学术论文70余篇，以第一作者或通讯作者身份7次荣获最佳论文奖等国际会议奖项，包括ACM CHI 2023 Honorable Mentioned Award、IEEE UIC 2014 Best Paper等，已获授权发明专利30余项。荣获2022年中国科协青年人才托举工程等奖项。
论坛主席
崔兆鹏，浙江大学，研究员
崔兆鹏，浙江大学计算机学院CAD&CG全国重点实验室“百人计划”研究员、博士生导师。2009和2012年在西安电子科技大学分别获得学士和硕士学位，2017年在加拿大西蒙弗雷泽大学（Simon Fraser University）获得博士学位。2017年至2020年在瑞士苏黎世联邦理工学院（ETH Zurich）计算机视觉和几何实验室（CVG）任高级研究员。研究方向是三维计算机视觉，涉及计算机视觉、机器人、计算机图形学等领域。目前研究主要侧重于基于视觉信息的三维感知和理解，具体包括三维重建、运动恢复结构、多视角立体几何、三维场景理解、同时定位与地图构建、视频图像编辑等问题，近年来在计算机视觉、机器人、计算机图形学、机器学习等领域顶级期刊和会议（CVPR、ICCV、SIGGRAPH、NeurIPS、ICRA、IROS）上发表论文50余篇，曾获ICRA 2020 Best Paper in Robot Vision Finalist 和 IROS 2021 Best Paper Award on Safety, Security, and Rescue Robotics in memory of Motohiro Kisoi Finalist, 3DV 2024最佳论文荣誉提名。担任Pattern Recognition、RA-L等国际期刊编委，CVPR、ECCV、3DV领域主席, ICRA、IROS副编委、AAAI、IJCAI高级程序委员。
王文冠，浙江大学，研究员
王文冠，浙江大学计算机学院百人计划研究员，博士生导师，国家优秀青年基金（海外）获得者，IEEE Senior Member。2022-2023，任悉尼科技大学（University of Technology Sydney）讲师/助理教授（Lecturer），获澳洲优秀青年基金。2020∼2022年，在苏黎世联邦理工学院（ETH Zurich）任博后研究员（Research Fellow）。2018∼2019 年，先后任起源人工智能研究院（IIAI）研究员（Research Scientist）和资深研究员（Senior Scientist）。2016-2018年，在加州大学洛杉矶分校（UCLA）访学。2018年获北京理工大学博士学位。
阚美娜，中科院计算所，研究员
阚美娜，中科院计算所研究员，博士生导师。研究领域为计算机视觉，尤其关注具身智能、迁移学习、人脸识别、图像编辑与生成等问题。相关成果在TPAMI、IJCV、CVPR、ICCV等相关领域主流国际期刊与会议上面发表论文60余篇，谷歌学术引用6000余次。作为负责人承担国家自然科学基金优青项目、面上项目、青年项目等，并参与多项国家重点研发、基金重点、基金面上及企业合作等课题。此外，获获北京市科技进步二等奖、公安部科学技术奖二等奖、FG 2015 PaSC视频人脸识别竞赛第一名、ICCV 2015社会年龄估计竞赛第二名、CVPR 2017面部关键点定位第二名。获2014年中国计算机学会优秀博士学位论文奖、2014中科院优秀博士学位论文奖、2016年中国计算机学会青年人才发展计划、2018年中国图象图形学学会石青云女科学家奖青年奖、2019年北京市科技新星计划、中科院计算所优秀员工以及卓越之星等。
杨欣，华中科技大学，教授
杨欣，华中科技大学电信学院教授，国家优青获得者；博士毕业于加州大学圣塔芭芭拉分校，主要从事计算机视觉和医学影像分析领域研究工作，已在TPAMI、IJCV、TMI、CVPR等国际权威期刊及学术会议上发表学术论文100余篇，授权美国/中国发明专利20余项，出版英文书籍章节2部；获得湖北省技术发明一等奖（排名1），中国图象图形学会石青云女科学家奖，CCF B类会议ISMAR最佳论文提名（排名1）；指导学生获得2020年全国互联网+金奖和银奖、2023年挑战杯湖北省特等奖、2023年互联网+湖北省金奖等奖项；担任SCI期刊IEEE-TMI、IEEE-TVCG及Multimedia System编委及CVPR、MM和MICCAI领域主席；现任IEEE Bio Imaging Signal Processing (BISP)Technical Committee (TC)技术委员会委员，CSIG青工委副秘书长，CCF多媒体专委会副秘书长等。
论坛报告
报告题目
多模态大模型高效迁移与可持续学习
报告摘要
最近，视觉语言模型通过结合视觉和语言信息，在视觉语言对齐诸多任务中取得了广泛应用。但是，随着模型规模和应用场景的不断扩大，传统方法和单模态视觉语言模型已不能满足复杂需求。本报告将探讨多模态大模型在关键领域的最新进展和应用，包括如何通过迁移学习提高训练效率，解决视觉语言对齐模型在持续学习中的泛化能力下降和灾难性遗忘问题，以及如何将视觉语言推理模型的训练策略应用到其他模态任务中。同时，将讨论如何利用持续学习来扩展多模态语言模型的模态感知能力，以适应多样化和受限的实际应用场景。
论坛讲者简介
张璐，大连理工大学，副教授
张璐，大连理工大学信息与通信工程学院副教授，博士生导师。主要研究方向为场景感知、视觉内容生成以及大模型的高效迁移技术，在本领域顶级会议/期刊（CVPR、ICCV、ECCV、TPAMI等）发表论文30余篇，授权四项专利（其中两项国际专利）。主持国家级重点纵向项目、国自然青年项目、重大项目子课题。入选人社部博士后创新人才支持计划，大连市高端人才。相关成果获辽宁省自然科学二等奖、中国图象图形学学会优秀博士学位论文等。
报告题目
高效可控的媒体智能生成
报告摘要
媒体智能生成能为数字孪生、虚拟现实等领域提供内容支撑，具有重要的研究价值与应用价值。在本次报告中，我将汇报在高效可控的媒体智能生成方面的研究进展，包括在高度抽象与序列化建模的媒体生成，跨模态异构特征融合与映射的媒体生成，以及低质稀缺数据下媒体生成方面的研究成果。最后，将介绍神经辐射场和3D高斯驱动的媒体高效可控生成方法，并对未来的研究方向进行展望。
论坛讲者简介
易冉，上海交通大学，助理教授
易冉，博士，上海交通大学计算机科学与工程系助理教授，系主任助理，博士生导师。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80余篇论文于IEEE TPAMI、ACM TOG、SIGGRAPH、CVPR等期刊会议，其中CCF-A类论文50余篇。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，2022年中国图象图形学学会高等教育教学成果一等奖，2022年CCF-腾讯犀牛鸟基金卓越项目，2021年中国图象图形学学会石青云女科学家奖(青英组)，2022年中国人工智能学会优秀博士学位论文，2022年瑞士Chorafas青年研究奖，2024年数博会十大领先科技成果，2023年ACM SIGAI China新星奖，2019年中国计算机学会计算机视觉专委会学术新锐奖。担任CSIG智能图形专委会副秘书长，TPAMI、IJCV、SIGGRAPH、CVPR、ICCV、ICLR等国际期刊会议审稿人。
报告题目
决策不变学习的一般范式初探
报告摘要
近年来，机器学习/深度学习技术已在诸多应用场景普及，极大促进了人工智能领域的发展。然而，现有方法主依赖固定决策条件（如分类问题中的阈值）下的指标评估并优化模型性能，对于决策条件变化的适应能力欠佳。在风险敏感场景中（疾病预测、异常检测、金融欺诈识别等），决策者对于误报的容忍度极低，恰恰需要动态调整决策条件使模型较为严苛的性能约束。面向此类复杂需求，现有机器学习难以规避由于决策条件变化带来的系统性偏差。
在心理物理学理论中，人类在信号感知过程中所表现出的决策偏差已被广泛认可。为进一步解决该问题，W. Peterson, T. Birdsall及 W.Fox 于上世纪50年代公开提出了Receiver Operating Characteristic curve（ROC曲线）刻画不同阈值下的受试者信号识别真阳性率及假阳性率，并通过ROC曲线下面积（Area Under ROC Curve，AUROC）衡量不同阈值下的平均性能，规避了决策条件对于性能评估的影响。该指标于上世纪90年代初引入机器学习领域，截止至今，AUROC的指标性质、优化算法、泛化理论已得到广泛研究报道。
本次报告主要介绍我们关于复杂场景下AUROC优化拓展的相关工作，最终对AUROC背后的决策不变范式进行总结抽象，简要介绍团队所构建的性能曲线优化（XCurve, https://xcurveopt.github.io/）框架及其相关工作。
论坛讲者简介
杨智勇，中国科学院大学，副教授
杨智勇，中国科学院大学副教授，博士生导师，入选CCF优博、博新计划及中科院特别研究助理计划、研究方向聚焦机器学习理论及方法，在CCF-A类期刊及会议共发表论文50余篇，其中TPAMI/ICML/NeurIPS 20余篇（TPAMI一作5篇）。先后获得：CCF优秀博士学位论文激励计划(原CCF优博)、CSIG自然科学奖一等奖、吴文俊人工智能科技进步二等奖、首届百度AI全球华人新星百强（机器学习领域top25）、中国科学院百篇优博论文、百度奖学金全球20强、中科院院长特别奖、NeurIPS Top-10%审稿人等荣誉，担任ICLR/NeurIPS领域主席、ICML/NeurIPS/ICLR等会议审稿人及TPAMI/IJCV/TIP/TMLR等期刊审稿人。
报告题目
大模型时代的多模态语义理解与推理
报告摘要
近年来，以ChatGPT为代表的大语言模型在自然语言处理研究中取得显著突破，并极大地促进和推动了多模态语义理解研究，如GPT4V、LLaVA、Qwen-VL等一系列多模态大模型的相继提出，表现出了极高的潜能和优势。然而，在某些场景的语义理解和推理中，这一类通用多模态大模型表现不尽人意。因此，研究者们开始关注如何高效地将预训练多模态大模型适配到各类下游任务，以期进一步提升其专业能力。本次报告主要从艺术绘画理解、数学推理以及国际社会事件推理等方面，探索多模态大模型的理解与推理能力，旨在分享和探讨在大模型时代，多模态研究中如何增强基础模型的理解与推理能力，进一步挖掘模型的潜能。
论坛讲者简介
宾燚，同济大学，研究员
宾燚，同济大学青年百人研究员，博士生导师，曾任电子科技大学、新加坡国立大学博士后研究员，研究方向聚焦于多媒体语义理解、多模态推理、多模态大模型等人工智能前沿方向，在AAAI、CVPR、ACL、ACM MM、IEEE TIP、TCYB等CCF A类会议或中科院一区期刊发表论文40余篇。长期担任CVPR、ACM MM、ACL、AAAI、IJCAI等国际会议程序委员会委员以及IEEE TIP、TMM、TCSVT、ACM TOMM等期刊审稿人。
报告题目
大模型智能体环境交互
报告摘要
几十年来，人类一直在寻求创造接近或超越人类智力的人工智能（AI），智能体被誉为实现这一目标的一条有希望的道路。大语言模型（LLM）越来越被视为通用人工智能（AGI）发展的潜在催化剂，激发了创建多功能智能体的希望。本次报告将介绍基于大模型的智能体的综合框架，讨论确保这些智能体符合人类能力和价值观的策略，并对智能体如何在与人类、环境深入交互过程中不断进化展开探讨。
论坛讲者简介
桂韬，复旦大学，副研究员
桂韬，复旦大学副研究员。研究领域为预训练模型、类人对齐和工具学习。在高水平国际学术期刊和会议上发表了50余篇论文，主持国家自然科学基金、计算机学会、人工智能学会多个人才项目。曾获钱伟长中文信息处理科学技术奖一等奖、COLING2018最佳论文提名奖、NLPCC2019杰出论文奖，入选第七届“中国科协青年人才托举工程”、上海市启明星计划、世界人工智能大会云帆奖“璀璨明星”称号。
报告题目
多源异质医学图像计算
报告摘要
缺乏大规模高质量标注数据是医学人工智能落地瓶颈，解决问题的关键在于多源医学图像数据的联合训练，提升深度学习模型泛化性。然而，除公开数据外，受制于病例规模差异、区域发病率差异、成像设备差异、诊断水平差异等诸多因素，多源医学图像间存在显著异质性，造成医学人工智能学习困难。本次报告将重点关注多源异质医学图像计算，着重解决：1）规模异质，介绍基于冗余感知的收敛对齐；2）数据异质，介绍基于特征校正的数据对齐；3）标注异质，介绍基于噪声建模的标注对齐，并在此基础上探索专用和通用医学图像计算模型的构建。
论坛讲者简介
闫增强，华中科技大学，副教授
闫增强，华中科技大学电信学院副教授、博士生导师，湖北省海外高层次创新人才，湖北省科技创新团队（AI+超声影像）核心成员。2020年博士毕业于香港科技大学计算机科学与工程系并从事博士后研究工作，2022年加入华中科技大学。长期从事人工智能与医学图像计算方面的研究工作，现主持多项国家自然科学基金、湖北省自然科学基金、校企合作项目。近五年以第一/通信作者在IEEE TMI、IEEE JBHI、PR等中科院一区Top期刊、IJCAI、AAAI、ACM MM等CCF-A类会议，和医学图像计算顶会MICCAI发文30余篇，含ESI高被引论文2篇，单篇引用超400次。
报告题目
机器学习多分辨率仿真和组合逆向设计
报告摘要
在科学、工程和图形学中，多分辨率仿真和逆向设计是两类普适的任务。对于仿真中的多分辨率挑战（系统的一小部分非常动态，而其他地方变化缓慢），我们提出一种学习自适应多分辨率仿真架构LAMP，它由两个图神经网络构成，分别学习系统演化和空间网格细化和粗化的策略。通过强化学习，它们共同减少预测误差并将更多计算投入到高度动态的区域。对于逆向设计任务，我们提出了一种基于能量的扩散模型生成方法，该方法可以学习状态轨迹和设计参数的能量函数，用以表示它们的联合概率分布。在推理采样时，通过同时最小化多个能量函数的和以及给定的设计目标来生成新的更加复杂的设计。我们展示了我们的方法在一维和二维偏微分方程系统中的性能，例如，能够自适应改变网格结构模拟衣物折叠，以及设计出比训练中更复杂的多个翼型及其编队以提高升阻比。
论坛讲者简介
吴泰霖，西湖大学，特聘研究员
吴泰霖博士为西湖大学工学院人工智能系特聘研究员、助理教授，人工智能与科学仿真发现实验室PI,主持国家级青年人才项目。吴泰霖本科毕业于北京大学物理学院，博士毕业于麻省理工学院物理系，并曾在斯坦福大学计算机系从事博士后研究。吴泰霖博士研究方向为AI与Science学科交叉的核心、普适问题，包括开发机器学习方法用于大规模科学仿真、设计、控制和发现，并在流体、航空航天、能源、生命科学等领域应用。吴泰霖博士也是PNAS，Nature Machine Intelligence, Nature Communications，Science Advances等综合期刊的审稿人。
报告题目
具身智能中的视觉语言导航技术
报告摘要
视觉语言导航是指智能体根据语言指令，通过与环境交互运动到目标位置的过程，是具身智能系统应用在现实世界中的一项重要能力，在动态开放环境的无人系统与人机协同系统中有重大应用价值。现有的端到端机器学习导航模型一般需要大量数据以学习在特定环境的导航能力。相比于机器学习模型，人类利用物体和场景的先验知识，也可以轻松在未知动态环境中高效地寻目标找并导航至目标位置，同时人类可以通过探索与预想的结合不断修正与完善对环境的认知。如何将人类的导航能力赋予机器是视觉语言导航所关注的问题。本报告将介绍融合知识与探索预想的视觉语言导航相关技术，包括基于知识增强推理，基于场景网格记忆图和基于神经辐射表征的前瞻探索等视觉语言导航技术，最后介绍视觉语言导航从虚拟到真实环境的适配并给出演示。
论坛讲者简介
黎向阳，中国科学院计算技术研究所，助理研究员
黎向阳，中国科学院计算技术研究所助理研究员，2020年获得计算所博士学位，获中国科学院“院长优秀奖”和“博士后创新人才支持计划”。研究方向为多模态理解与具身智能，主要关注视觉内容的语言描述与理解，涉及：视觉内容语言描述、指示表达生成与理解、动态环境下的视觉语言定位导航等，在IEEE TPAMI、IEEE TIP、IEEE TMM、CVPR、ICCV、CoRL、AAAI、ACM MM等国际顶级期刊与会议上发表论文20余篇，获2023 CVPR Embodied AI 视觉语言导航RxR竞赛冠军，获2016 ACM MM Yahoo-Flickr Grand Challenge on Tag and Caption Prediction竞赛中图像内容自动描述获冠军。
报告题目
新型类脑计算器件与系统
报告摘要
传统基于冯诺依曼架构的计算体系面临着日益明显的性能瓶颈，特别是在处理大规模数据密集型任务时，由于存储和计算单元的物理分离导致频繁的数据搬运，功耗和速度效率严重受限。同时，摩尔定律驱动的晶体管尺寸微缩接近物理极限，芯片性能提升逐渐放缓。在此背景下，基于物理定律的类脑计算与存算一体的新型计算范式，成为后摩尔时代突破现有瓶颈的重要路径。通过引入新型物理器件，如RRAM、ECRAM等，研究者们在硬件层面探索了计算与存储的高效融合，模拟生物神经系统的学习与计算方式，从而显著提升能效和计算性能。本次分享将探讨新型类脑计算器件与系统的发展现状及其在智能芯片领域的应用前景，并展望其在未来智能计算中的关键作用。
论坛讲者简介
陈鹏，浙江大学，助理研究员
陈鹏，浙江大学计算机学院博士后/助理研究员，主要研究内容为新型类脑计算器件与系统，包括阻变存储器件、阵列集成以及系统应用等方面。主持/参与国家自然基金委青年项目、科技部重点研发计划等多项科研项目，在Nat. Commun.等学术期刊发表论文二十余篇。
报告题目
神经形态事件与传统图像的互补增强算法研究
报告摘要
脉冲相机、事件相机等神经形态相机，对比逐帧成像的普通相机，拥有独特的优势，尤其是其对于高速运动物体和高动态范围场景的感知能力。本报告以事件相机为例，介绍神经形态与传统相机融合并互补增强成像质量和提升场景感知的计算摄像方法与系统，具体从三个方面展开：首先，介绍传统图像如何增强事件信号的质量，对其进行去噪、超分辨率操作并建立其与传统图像的关键点数据匹配；其次，介绍事件信号如何引导提升图像动态范围，消除图像模糊，矫正卷帘快门果冻效应。最后，介绍事件信号如何结合图像实现快速的场景直接/全局光照分解。
论坛讲者简介
段沛奇，北京大学，博士后
段沛奇，于2023年从北京大学获得理学博士学位。现为北京大学计算机学院博士后，从事神经形态相机辅助高质量成像研究，在相关领域发表论文11篇（包括TPAMI论文3篇，计算机视觉三大顶级会议论文7篇）。入选2023年度“博士后创新人才支持计划”（“博新计划”），主持国家自然科学基金青年科学基金、博士后科学基金面上资助等项目。担任IEEE TPAMI, TIP, TMM, TCSVT等重要国际期刊审稿人，担任CVPR, ICCV, ECCV, NeurIPS, AAAI, ICLR等重要国际学术会议审稿人。
论坛主席
廖依伊，研究员，浙江大学
廖依伊，浙江大学信电学院特聘研究员。研究兴趣为三维视觉，包括三维重建与生成、沉浸式媒体编码等。在TPAMI、CVPR、ICCV、NeurIPS等发表文章四十余篇，谷歌学术引用4000余次。获ICRA 2024最佳机器人视觉论文奖，入选2023 百度 AI 华人女性青年学者。担任3DV 2025程序主席，CVPR、NeurIPS领域主席。
杨鹏，华中科技大学，副教授
杨鹏，华中科技大学电信学院副教授，主要从事多媒体通信、虚拟现实、视频分析等方向研究；撰写出版全英文专著一部，在IEEE TMC、TCSVT、ACM MM等高水平学术期刊和会议发表论文90余篇，获“最佳论文奖”3次；论文累计被引4500余次；主持国家自然科学基金、湖北省自然科学基金、华中科技大学自主创新基金等项目。任中国图象图形学学会青年工作委员会副秘书长，入选中国科协青年人才托举工程，连续三年入选斯坦福大学“全球前2%顶尖科学家年度榜单”（2022-2024），指导学生获2024年挑战杯“揭榜挂帅”专项赛全国一等奖。
论坛报告
报告题目
科研工作的一点体会
报告摘要
本报告介绍了科研工作的一点体会。首先，坚持四个面向，前瞻性地选题至关重要。其次，深入开展理论与方法研究，重视基础科学问题；此外，实际应用中的关键技术研究也非常重要。项目规划是科研工作的重要环节，清晰的逻辑思维和扎实的写作能力是说明研究价值与创新的关键。最后，从研究、应用、影响力等方面总结几点建议。
论坛讲者简介
彭宇新，北京大学，教授
彭宇新，北京大学二级教授、博雅特聘教授、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、科技部中青年科技创新领军人才、863项目首席专家、中国人工智能产业创新联盟专家委员会主任、中国工程院“人工智能2.0”规划专家委员会专家、中国电子学会会士、中国人工智能学会会士、中国图象图形学学会会士、副秘书长、提名与奖励委员会副主任、北京图象图形学学会副理事长。主要研究方向为跨媒体分析、计算机视觉、机器学习、人工智能。以第一完成人获2016年北京市科学技术奖一等奖和2020年中国电子学会科技进步奖一等奖，2008年获北京大学宝钢奖教金优秀奖，2017年获北京大学教学优秀奖。主持了863、国家自然科学基金重点等30多个项目，发表论文200多篇，包括ACM/IEEE Trans和CCF A类论文100多篇。多次参加由美国国家标准技术局NIST举办的国际评测TRECVID视频样例搜索比赛，均获第一名。主持研发的跨媒体互联网内容分析与识别系统已经应用于公安部、工信部、国家广播电视总局等单位。担任IEEE TMM、TCSVT等期刊编委。
报告题目
在实践中学习科研
报告摘要
科研工作充满了不确定性和未知性，如何发现科研方向、提炼核心问题、解决关键难题、展示研究成果，是广大青年学者和学生关心的问题。本次报告中，我将介绍本人从本科阶段起的科研经历；结合自身成长经历，分享PhD期间的生存指南和与导师相处的心得体会；最后，我将分享自己作为青椒的经验和感悟。
论坛讲者简介
高飞，浙江大学，副教授
高飞，国家优青；浙江大学控制学院长聘副教授，研究员，博士生导师。承担国家重点研发计划青年科学家项目等国家级课题。主要研究方向：机器人轨迹规划、自主导航、集群协同、定位感知。近年来，以第一作者/通讯作者身份在Science Robotics, IEEE Transactions on Robotics (TRO), ICRA，IROS等知名机器人期刊、会议发表论文70余篇；发表Science Robotics封面论文并被国内外媒体广泛报道；获IEEE TRO 2020年最佳论文荣誉奖、国际基础科学大会ICBS 2024前沿科学奖、IEEE ICRA 2024年最佳论文奖提名等学术荣誉；入选爱思唯尔数据库2023-2024全球前2％顶尖科学家。
报告题目
医学图像与大型语言模型的通用知识对齐
报告摘要
预训练的大型视觉语言模型利用自然语言作为监督，彻底改变了视觉表征学习，并展现出良好的泛化能力。然而，受限于预训练数据与下游任务的领域差异，这些模型通常在医学图像上表现不佳，因为医学图像具有独特的视觉特征和标签分布。本次报告将聚焦于视觉语言模型在医学图像分析中的应用，探讨如何利用大型语言模型的通用知识来提升医学图像分析的精准性、泛化性和可解释性，并探讨通用知识在医学图像分析中的挑战和发展。
论坛讲者简介
林一，香港科技大学，博士生
香港科技大学博士生，师从陈浩教授和郑光廷教授（Tim Cheng）。于华中科技大学获得本科和硕士学位。曾在腾讯优图实验室、思谋科技等机构实习，曾作为研究员就职于腾讯天衍实验室。在国际期刊和会议上发表论文三十余篇，其中以第一/通讯作者（含共同）等发表国际顶级期刊和会议论文16篇，包括IEEE TMI、IEEE JBHI、IEEE TCYB、MedIA、MICCAI、IPMI等。谷歌学术总引用600余次，H指数17。已申请专利二十余项，其中6项已获授权。在多项国际医学图像挑战赛中获得冠军，包括MICCAI AASCE，MICCAI CADA，腾讯AIMIS挑战赛等。担任多个国际期刊和会议审稿人，包括TPAMI, TMI, TNNLS, CVPR, ICCV, ECCV, MICCAI等。研究方向为医学图像处理、计算机视觉、人工智能等。
报告题目
CLAY：跨模态输入下的创新三维资产生成技术
报告摘要
在当今数字创作领域，将丰富多彩的创意想象精准转化为三维数字资产，一直是一项不小的挑战。CLAY，作为一种创新性的三维生成模型，它能够通过简单的文字描述或图像输入，精确地塑造出三维形状，并在这些形状上添加高质量的物理基础渲染（PBR）材质。这一独特能力，使得CLAY在从游戏开发到电影制作等多个领域中展现出极高的应用价值。本报告详尽介绍了CLAY的核心技术细节，探讨了它如何处理来自概念图像、体素、稀疏点云及多视图图像等多种输入模态，以及如何利用这些模态生成精细而实用的三维资产。更值得一提的是，CLAY的功能远不止于单一物体的生成，它还能够支持复杂场景的构建，例如自动将边界框内的场景转换为详细的三维资产。通过展示CLAY在各种条件下的应用案例，本报告旨在揭示其在现实世界中的广泛应用前景和显著成效。
论坛讲者简介
张龙文，上海科技大学，博士生
张龙文，上海科技大学博士生，影眸科技联合创始人。在国际计算机图形学顶级会议SIGGRAPH和SIGGRAPH ASIA发表多篇作品，并在2024年获得最佳论文提名。
报告题目
高保真的三维数字人纹理生成与服饰建模
报告摘要
由于数据稀缺、生成速度和纹理质量等问题，为三维数字人体添加合理的纹理以及服装信息面临诸多挑战。我们提出了用于三维人体纹理生成和三维服饰生成的方法 TexDreamer 和 ClotheDreamer。TexDreamer 是一种高保真三维人体纹理生成模型，可将大型文本到图像模型适配到UV纹理贴图空间，同时保持其原有的泛化能力。借助特征转换器模块，它可以在几秒钟内从文本或图像生成 3D 人体纹理。我们还介绍了最大的高分辨率三维人体纹理数据集 ATLAS。另一方面，ClotheDreamer 是一种基于三维高斯的方法，可从文本创建可穿戴、可用于生产的三维服装资产。它使用解耦式服装人体高斯模型的新表示法来实现单独优化，并结合双向分数蒸馏采样方法来提高质量，并支持自定义服装模板。结合两类模型可以快速生成高保真的可驱动的人体模型。
论坛讲者简介
唐俊姝，上海交通大学，博士生
唐俊姝，上海交通大学博士生，主要研究2D/3D内容生成，包含以人为中心的视频生成和编辑、三维几何建模、纹理生成、三维人体动作生成等。
报告题目
视觉语言导航大模型
报告摘要
视觉语言导航任务旨在让机器人根据人类的自然语言指令，在未知环境中自主导航。机器人只需通过理解日常语言即可完成导航操作，在服务机器人和视觉辅助导航等领域展现出巨大的应用潜力。然而，视觉语言导航任务长期以来面临诸多挑战，它要求机器人不仅要准确理解复杂的人类指令，还要精确感知并处理场景信息，同时在线规划合理路径来执行任务指令。本报告介绍了我们如何构建并端到端训练一个基于视频的视觉大语言模型，以实现视觉语言导航任务的高效泛化。我们设计了一种高效的时序信息记忆机制，并构建了一个规模达到百万级的跨任务导航数据集。实验结果表明，该模型在不依赖里程计和地图的情况下，仅通过图像视频流，即实现了当前最佳的导航表现。大量的真实机器人实验进一步验证了该模型在实际应用中的出色泛化能力。我们相信，基于视频的大语言模型在导航任务中具有广阔的应用前景。
论坛讲者简介
张嘉曌，北京大学，博士生
张嘉曌是北京大学前沿计算研究中心的博士研究生，师从王鹤助理教授。在此之前，他在国防科技大学徐凯教授的指导下获得硕士学位，并在山东大学获得工学学士学位。 张嘉曌的研究兴趣包括具身智能和视觉语言大模型。他以第一作者或共同第一作者的身份，在T-RO/RSS/SIGGRAPH/CVPR等国际顶级期刊和会议上发表了7篇论文。
报告题目
Eagle-Next 以视觉为中心的多模态大模型构建
报告摘要
Eagle Next多模态模型围绕多视觉编码器进行构建，相比单一视觉编码器，多视觉编码器能够提供更强大的视觉编码，在以视觉为中心的任务中表现更优。同时Eagle-Next 优化通过多重数据构建策略，通过三阶段高质量数据训练，在多个Benchmark中取得领先水平。同时进行了自动驾驶多模态大模型的初步探索，探索了自动驾驶领域中多模态大模型的可能应用前景。
论坛讲者简介
李志琦，南京大学，博士生
李志琦，南京大学在读博士生，研究方向为计算机视觉，多模态大模型。在CVPR/ICCV/ECCV等会议上发表多篇论文，累计被引2000余次。连续三年分别在CVPR自动驾驶检测，Occupancy与端到端赛道上获得冠军。获得2024年英伟达博士奖学金。
报告题目
利用扩散模型破译甲骨文语言
报告摘要
甲骨文（OBS）起源于大约3000年前的中国商朝，是中国语言史的基石，其出现时间早于许多现有的书写体系。尽管已发现数以万计的甲骨文铭文，但大量甲骨文尚未被破译，这使得这种古老的语言笼罩着一层神秘的面纱。传统破译方法复杂且费时，而近年人工智能技术的快速兴起可能为甲骨文的解读提供新思路。现有的人工智能在甲骨文领域的研究主要聚焦于对已破译甲骨文的识别和检测上面，但是对于未破译甲骨文的研究却依旧存在挑战。因此，本报告介绍了提出的甲骨文破译模型OBSD（Oracle Bone Script Decipher）。OBSD利用扩散模型，模拟汉字演变的过程，将甲骨文文字图像转化为现代汉字图像，通过产生未破译甲骨文的现代汉字来反推其含义，从而辅助破译甲骨文。此外，OBSD还提出局部结构采样（Localized Structural Sampling）和零样本细化（Zero-shot Refinement）两个方法提高图像生成质量。OBSD在与其他图像到图像转换模型的对比中取得了更好的性能，并在未破译的甲骨文文字上面进行了大量的定性实验，有望为甲骨文的破译提供字形或者图像上的线索。
论坛讲者简介
管海粟，华中科技大学，本科生
管海粟，华中科技大学大四本科生在读。主要研究方向为图像生成、图像分割、多模态大模型。获得国家奖学金、校三好学生奖学金、华中科技大学本科特优生等荣誉。发表一篇ACL 2024 Best Paper，参与一篇Scientific Data期刊论文，申请4项发明专利。获得多项学科竞赛一等奖。
报告题目
动态场景的高保真实时新视角合成
报告摘要
自由视点视频正在成为我们未来记录生活的新方法，并有望成为新型娱乐媒体形式。作为自由视点视频的核心支撑技术，动态场景的新视角合成面临着渲染质量差，训练效率低，渲染速度慢三大关键挑战。最近，神经辐射场，3D高斯在静态场景的新视角合成上取得了巨大的成功，这给动态场景的新视角合成带来了很多启发。我们通过重新评估动态场景任务的特点和神经辐射场表示的属性，来解决动态场景新视角合成中的这些挑战。首先，我们介绍了一种高效的神经辐射场表示方法，ENeRF，它将NeRF与传统的多视角基于图像的渲染概念结合起来，消除了NeRF的长时间训练需求，并显著提高了渲染速度。ENeRF首次实现了动态场景中实时的照片级逼真的视角合成。其次，为了进一步提高渲染质量，我们引入了Im4D，它在ENeRF中融入了一个稳定的4D几何模型，实现了更加稳定的视角合成质量。第三，为了提升渲染速度，我们引入了4K4D。这种方法结合了点云表示，大幅提升了渲染速度，实现了4K分辨率下的实时渲染。最后，我们探索了一个有趣的问题：如何通过互联网照片重建城市场景，恢复一个以月和年为时间单位计量的自由视点视频。通过引入时间阶跃函数编码，我们成功地将场景中的干扰噪声（如变化的光照）分离出来，实现了可控且连续的场景编年史。这些研究为自由视点视频的研究和应用提供了新的方向和可能性。
论坛讲者简介
林浩通，浙江大学，博士生
林浩通目前是浙大计算机学院的四年级博士生，导师为周晓巍研究员，研究方向为三维视觉。在T-PAMI, SIGGRAPH, CVPR等顶级期刊会议发表十余篇论文，其中4篇为第一作者。获得首届国自然青年学生基础研究项目资助，曾获得本科以及研究生国家奖学金。
报告题目
无痛高分辨率：自级联扩散模型用于高分辨率图像和视频生成
报告摘要
扩散模型在图像和视频生成中非常有效，但在生成大小不一的图像时，由于单尺度训练数据，它们在结构合成，概念组合等问题上遇到挑战。将大型预训练扩散模型适应更高分辨率需要大量的计算和优化资源，而且要达到与低分辨率模型相当的生成能力仍然具有挑战性。本文提出了一种新颖的自级联扩散模型，它利用了训练良好的低分辨率图像/视频生成模型的先验知识，实现了能够快速适应的高分辨率生成。在此基础上，我们采用了语义引导的替换策略，通过逐步利用低分辨率模型得出的可靠的因变量隐变量语义指导，实现了无需训练的方法。我们进一步提出将一系列可学习的多尺度上采样模块集成进主干网络，使得在高分辨率训练数据数据集上进行快速微调后，能够有效地从新尺度学习结构细节。与完全微调相比，我们的方法实现了5倍的训练加速，并且只需要0.002M的更新参数。广泛的实验表明，我们的方法可以通过仅微调1万步快速适应高分辨率图像和视频合成，几乎不需要额外更多的推理时间。
论坛讲者简介
何盈庆，香港科技大学，博士生
何盈庆，香港科技大学五年级PhD学生，导师为陈启峰教授。研究方向为文生视频模型，可控生成和多模态生成。 代表作有LVDM, VideoCrafter1, Follow-your-pose, Animate-A-Story，ScaleCrafter等。 在CVPR，ECCV，ICLR，SIGGRAPH Asia，TVCG，AAAI，ACM MM发表10余篇学术文章。参与项目Github Star总数在9k左右。
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
