中国图象图形学学会第二十九期珠峰论坛水利大数据与计算机视觉前沿专题研讨会

徐常胜 研究员

徐常胜，中国科学院自动化研究所研究员，国家杰出青年基金获得者、国家万人计划领军人才、国家百千万人才工程入选者、首都科技创新领军人才、中科院王宽诚率先人才计划卢嘉锡国际团队负责人，IEEE/IAPR Fellow和ACM杰出科学家。担任ACM多媒体专委会中国区（ACM SIGMM China Chapter）主席。发表IEEE/ACM会刊论文200余篇，CCF-A类会议论文150余篇，在多媒体领域国际顶级会议和期刊上获得最佳论文奖10余次，以第一完成人获中国电子学会自然科学一等奖和技术发明一等奖，7次获得中国科学院优秀导师奖。

报告题目：开放世界的多模态大模型研究与应用

报告摘要：与视觉和语言大模型相比，多模态大模型能够从不同模态数据中学习共性知识，因此具有更强的通用性，也更接近人类的认知能力，是目前人工智能进一步发展的关键所在。尽管目前的多模态大模型已取得了重要进展，在跨模态检索、跨模态生成等任务中取得了优异的性能，但在实际应用中面临的开放世界，已有多模态大模型仍然存在很多尚未解决的挑战。本报告主要探讨解决两个方面的问题：（1）如何在保留不同模态数据本身特性的前提下建模多模态数据关联；（2）如何在保证模型泛化性的前提下实现多模态大模型在下游任务中的跨域迁移和小样本迁移。报告分析了多模态大模型中理想的视觉系统所应具备的要素并提出了基于解耦视觉系统的多模态大模型Libra；同时也介绍了针对多模态大模型的多个泛化性保持的跨域和小样本迁移方法。

马慧敏 教授

马慧敏，北京科技大学领军学者，二级教授，博导，中国图象图形学学会副理事长兼秘书长，从事复杂环境无人系统视觉认知、人机混合智能研究，将计算机视觉与认知心理学结合，在智能无人系统感知与认知、数据仿真与智能生成、视觉心智计算等方面取得了原创性成果。作为第一完成人获得吴文俊人工智能科技创新一等奖、中国图象图形学学会技术发明一等奖、教育部技术发明奖二等奖等。作为通讯作者在TPAMI、CVPR等高水平期刊和会议上发表论文100余篇，谷歌学术单篇引用3600余次，获批专利40余项，成果已应用于民航、交通、健康、教育等领域。

报告题目：不确定环境下小样本认知学习与目标识别

报告摘要：不确定环境下小样本认知学习与目标识别是智能无人系统的核心技术，报告围绕智能驾驶目标识别与场景理解的精度与泛化能力提升，从物理规律信息与深度生成网络结合的高质量数据生成与增强，基于视觉认知心智理论 (V-ToM)的知识与数据双向驱动认知学习，基于高置信度伪标签与协同训练框架的迁移学习三个方面介绍。

常晓军 教授

常晓军，中国科学技术大学讲席教授，国家高层次人才，澳大利亚研究理事会青年研究奖获得者。主要从事多模态学习、计算机视觉和绿色人工智能及其在社会公益方面的应用。主持包括澳大利亚研究理事会科研基金、企业联合基金(Linkage Program)等国家级项目十余项。相关科研成果发表在T-PAMI、TIP等国际顶级期刊和CCF A类会议上150多篇，论文的Google Scholar引用次数近两万次，其中21篇入选ESI高被引/热点论文。2019年至2023年连续入选科睿唯安高被引学者。担任IEEE TCSVT、IEEE TNNLS、ACM TOMM等国际顶级期刊的副主编和CCF A类会议的领域主席(Area Chair)。

报告题目：具身智能环境理解与任务执行的协同进化机制

报告摘要：传统具身智能系统在开放环境任务执行中面临感知-行动解耦的瓶颈，其视觉理解与物理交互往往依赖人工规则定义，导致环境适应性与任务泛化能力受限。针对这一挑战，本报告主要介绍”视语融合"协同进化框架，通过构建视觉-语言-动作的闭环认知回路，实现具身智能体的自适应环境交互能力。