时间：2024年9月6日-7日

地点：宁夏大学学术交流中心一楼报告厅、宁夏大学信息工程学院

                                                   赖剑煌  中山大学教授

报告人简介：赖剑煌，中山大学计算机学院二级教授、博士生导师。中国图象图形学学会副理事长、会士，广东省图像图形学会理事长（第四、五届）。中国计算机学会杰出会员，中国计算机学会计算机视觉专委员会副主任（第一、二届）、广东省人工智能与机器人学会副理事长、广东省安防协会人工智能专委会主任。1986、1989年分别在中山大学获学士、硕士学位，并留校任教。1999年在中山大学获博士学位。主要研究领域为计算机视觉、模式识别和机器学习。已主持承担国家自然科学基金与广东联合重点项目、科技部科技支撑课题、国家自然科学基金等。获得广东省科学技术奖励自然科学类一等奖（2018年，排名1）、中国图象图形学学会自然科学一等奖（2020年）、广东省科学技术奖励科技进步类二等奖（2016年，排名3）、获得丁颖奖（2019年）、享受国务院政府津贴。已发表了约200篇学术论文，主要发表在ICCV、 CVPR、 ICDM等专业重要学术会议以及IEEE TPAMI、IJCV、IEEE TIP、IEEE TNN、Pattern Recognition等国际权威刊物上。

报告题目：面向工业AI外观质检的柔性视觉检测技术及其应用

报告摘要：工业AI外观质检是产品生产的最后一个环节，在外观质量检测方面，3C、锂电池、⾯板、太阳能和钢铁等⾏业客户有大量需求。本讲座将介绍工业AI外观质检的相关研究背景，包括行业现状、国家政策、深度学习外观检测方相关挑战性问题，并介绍针对小样本和数据非平衡、缺陷尺度变化广和弱小目标检测难、面向跨场景和多SKU的模型快速迁移、推理速度需要跟上产线节拍等挑战性问题，以及我们实验室提出的相关方法，包括重构并融合两类样本以获得鲁棒的特征表示、基于小波引导的“提升-抑制”自注意力模型、轴向分解的自注意力网络等方法和落地产品。

杨健  南京理工大学教授

报告人简介：杨健，南京理工大学计算机学院教授,长期从事模式识别和智能系统方面的研究，在IEEE Transactions及Pattern Recognition等国际权威期刊和顶级会议上发表论文300余篇，谷歌学术被引40000余次。担任/曾担任国际学术期刊Pattern Recognition, IEEE Trans. on Neural Networks and Learning Systems等编委。2016年入选IAPR Fellow。曾获国家自然科学二等奖1项（第二完成人）；省部级一等奖3项（第一完成人）。获2011年度国家杰出青年科学基金、2014年度教育部长江学者特聘教授；2018年入选万人计划科技创新领军人才。

报告题目：3D场景感知与生成

报告摘要：3D场景的感知与理解是一个基础问题。随着激光雷达等三维传感器的普及，点云数据变得越来越普遍。该报告将介绍课题组提出的基于点云数据的视觉感知方法，比如高效激光雷达点云过分割网络、超点引导的自监督3D 场景流估计方法、基于SE(3)扩散模型的点云配准方法等。此外，我们还介绍基于Nerf的视角生成和人体动作生成方法。

左旺孟  哈尔滨工业大学教授

报告人简介：左旺孟，哈尔滨工业大学计算机学院教授、博士生导师。主要从事底层视觉、视觉生成、视觉理解和多模态学习等方面的研究。在CVPR / ICCV / ECCV / NeurIPS / ICLR等顶级会议和T-PAMI、IJCV及IEEE Trans.等期刊上发表论文200余篇。曾任ICCV、CVPR等CCF-A类会议领域主席，现任IEEE T-PAMI、T-IP、中国科学-信息科学、自动化学报等期刊编委。

报告题目：视觉生成和编辑技术研究

报告摘要：报告主要汇报课题组近年来在文生图像/视频/3D领域的一些进展与汇报，主要包括：(1) 图像生成方面，介绍图像定制化和特定布局引导的图像生成及其应用；（2）3D方面，介绍我们从数据驱动和模型驱动两个角度开展的一些探索。(3) 视频方面，介绍我们基于引导信息的视频生成，文生视频和长视频方面的工作；最后，整合文生视频/3D领域的工作，提出了一种物理机制引导的视频生成方法。

张兆翔  中科院自动化所研究员

报告人简介：张兆翔，博士，研究员，博士生导师，长江学者，中国科学院自动化研究所模式识别实验室常务副主任，中国科学院大学岗位教授，曾获得北京市科学技术奖科技进步奖一等奖（排名第一）。张兆翔博士的研究兴趣包括：模式识别、具身智能、智能体学习，在IEEE T-PAMI、IJCV、JMLR、National Science Review等顶级期刊与CVPR、ICCV、ECCV、NIPS、AAAI、IJCAI等顶级会议发表论文200余篇，授权专利30余项，承担了国家自然科学基金重点项目、重点国际(地区)合作研究项目、企业联合重点支持项目、国家重点研发项目等多项国家级科研项目，多次担任CVPR、ICCV、NeurIPS等顶会Area Chair。

报告题目：生成式世界模型初探

报告摘要：本次报告的内容聚焦于从多种角度和技术架构，全面地、系统地对生成式世界模型进行探索，并探究多种方式的协同及统一的技术可能性。从表征的角度来看，我们同时探索了基于隐式表达的和显式表达的方案，其中我们的工作Driving into the Future聚焦于利用隐式表达，以驾驶行为为条件，越过从3D实体进行渲染的流程，直接生成多视角一致的多视图高保真度视频表达，为自动驾驶领域的规划器提供各种复杂和罕见的场景；基于显式表达，我们的工作SceneX/CityX，以多模态输入为条件，做到可生成符合物理规律和精准几何的结构化世界表达，构建出实体场景、建筑、资产，可完美融入工业管线，为未来AR/VR/虚拟场景/游戏制作等领域提供无限的可能性。在探索虚拟世界构建的同时，我们仍关心如何对真实的世界进行复刻与孪生，基于CityGaussian我们实现了对于大规模场景高效高精度重建，并在保持细节的情况下做到可实时渲染。最终，我们的目标是将隐式和显式的表征对齐，打破虚拟和现实世界的界限，在生成世界时，做到在具有高保真度的多视图视频的同时，生成在几何，纹理，材质等匹配的三维实体，做到高交互性，高可编辑性，物理仿真友好。在重建现实世界时，做到可理解，可编辑，可交互，对现实世界进行完美的数字化。

赵健  中国电信人工智能研究院多媒体认知学习团队负责人、资深研究科学家西北工业大学光电与智能研究院研究员、博导

报告人简介：赵健，中国电信人工智能研究院多媒体认知学习团队（EVOL Lab）负责人、资深研究科学家，西北工业大学光电与智能研究院研究员、博导，博士毕业于新加坡国立大学，研究兴趣包括临地安防、AI+文旅、多模态AI Agent。共发表CCF-A类论文60余篇，含一作T-PAMI×2（IF: 20.8）、IJCV×3（IF: 11.6），第一发明人授权国家发明专利5项。相关技术成果在中国电信、百度、蚂蚁金服、奇虎360等7个科技行业领军企业得到应用，产生了显著效益。曾入选中国科协及北京市科协“青年人才托举工程”，主持JKW某特区项目、国自然面上等项目7项。曾获吴文俊人工智能优秀青年奖（2023）、吴文俊人工智能自然科学奖一等奖（2/5，2022）、新加坡模式识别与机器智能协会（PREMIA）Lee Hwee Kuan奖（2019）、ACM Multimedia唯一最佳学生论文奖（一作，1/208，CCF-A类会议，2018），8次在国际重要科技赛事中夺冠。担任北京图象图形学学会理事，国际知名期刊《Pattern Recognition》、《IET Computer Vision》编委，《Pattern Recognition Letters》、《Electronics》特刊客座编辑，VALSE资深领域主席，ACM Multimedia 2021分论坛主席，CICAI 2022/2023领域主席，CCBR 2024论坛主席，中国人工智能学会/中国图象图形学学会高级会员，“挑战杯”大学生科技作品竞赛评委，中国人工智能大赛评审专家，中国电信集团科技奖评审专家等。

报告题目：无约束感知理解：从视觉垂域建模到多模态统一与多任务协同

报告摘要：无约束条件下各种内外干扰相互耦合，给视觉目标感知理解的建模求解带来极大挑战。本报告首先围绕复杂要素耦合空间属性关系挖掘与识别问题，针对目标视觉观测多变性、属性耦合结构多样性、场景目标复杂多元性等挑战，基于数据和知识混合驱动的深度感知理解思想，提出多模融合学习实例级目标跟踪、要素解耦学习属性级目标识别、因果嵌套学习像素级语义解析等创新，进而结合多源融合、通用模型、多任务/增量学习等拓展延伸，构建面向复杂场景多模态非完整信息融合感知理解的通用模型与方法。

高常鑫  华中科技大学教授

报告人简介：高常鑫，华中科技大学教授、多谱信息智能处理技术全国重点实验室副主任，国家级青年人才，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。研究领域为计算机视觉、图像/视频智能理解、语义分割、行为识别，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、科技部重点研发子课题等项目。获湖北省科技进步一等奖二等奖各1项。

报告题目：低光照图像增强方法

报告摘要：低光照图像增强技术致力于克服由于不理想的照明条件造成的图像质量退化问题，旨在提高图像的视觉效果，并促进高阶视觉处理任务性能提升。这促使低光照图像增强算法成为视觉检测、图像处理、计算摄影以及计算机视觉领域中的一个重要研究方向。尽管相关研究在近年来已取得了不错的进展，但是仍然面临着模型的场景泛化能力差、增强后局部亮度偏移以及相机ISP中依赖人工选取参数等多种复杂问题。本报告介绍利用亮度先验和相机ISP，分别从RGB和RAW两个不同的图像域介绍相关研究成果。最后，对低照度图像增强及其应用进行总结和讨论。

唐彦嵩  清华大学特聘研究员

报告人简介：唐彦嵩，清华大学深圳国际研究生院特聘研究员、教研系列助理教授、博士生导师。分别在清华大学自动化系获得工学学士和博士学位，在英国牛津大学从事博士后工作，并先后在美国加州大学洛杉矶分校和微软亚洲研究院进行访问研究。主要从事人工智能与计算机视觉等领域的相关工作，在国际权威期刊和会议上发表论文40余篇，主持国家重点研发计划课题、国家自然科学基金青年科学基金等国家级项目，入选第八届中国科协青年人才托举工程和微软亚洲研究院“铸星计划”，担任中国人工智能学会模式识别专业委员会（CAAI-PR）副秘书长等学术职务。

报告题目：高能效扩散模型及其应用

报告摘要：随着扩散模型的出现，视觉生成模型领域迎来了前所未有的发展机遇。扩散模型通过迭代式的去噪过程及其对文本等多模态信息的交互理解能力，实现了在生成质量和用户可控性方面的新突破。然而，扩散模型庞大的模型体量及长时间的迭代效率带来了高昂的推理成本，限制了其在低能耗设备上的应用场景。本次报告将围绕上述问题，重点介绍团队近期针对扩散模型结构设计的模型压缩及高效推理方案，以及其在图象增强、人体姿态估计以及动作生成等方面的应用。

主席介绍：刘昊，宁夏大学教授、博士生导师，贺兰山学者，毕业于清华大学控制科学与工程专业。宁夏大学信息工程学院副院长，宁夏“东数西算”人工智能与信息安全重点实验室常务副主任；中国计算机学会CCF银川分部秘书长。中国科协青年托举人才，“西部之光”访问学者，宁夏科技青年托举人才。已发表IEEE汇刊和CCF国际会议论文50余篇。主持国家自然科学基金面上项目和青年科学基金项目及宁夏重点研发计划等10余项省部级项目。