返回首页
您的位置:首页 > 会员活动

预告-人工智能高峰论坛

阅读量:239 2021-04-01 收藏本文

人工智能高峰论坛是CCF南昌分部发起的,江西财经大学信息管理学院承办,面向机器学习、深度学习和计算机视觉领域的高峰论坛,旨在探讨深度学习在三维重建技术中的应用、对抗环境下的计算机视觉以及多模态对齐技术的研究。线下为主,线上为辅,线下参会人员主要是机器学习和计算机视觉领域的研究人员,CCF会员准入,CCF南昌分部成员优先,非会员不公开。

会议时间:202142日下午14:30-17:30

会议地点江西南昌市昌北经开区玉屏西大街665号,江西财经大学(麦庐园),荟庐H402

主办:CCF南昌分部

承办:江西财经大学信息管理学院

会议议程

序号

时间

内容

主持

1

14:30-15:30

董军宇:融合深度学习的三维重建进展及水下应用

方玉明

2

15:30-16:30

操晓春:对抗环境下的计算机视觉

3

16:30-17:30

赵洲:多模态对齐技术研究

报告主题融合深度学习的三维重建进展及水下应用

报告专家:董军宇 教授

报告摘要

Although deep learning has been commonly used in most areas in computer vision, it is relatively less investigated in 3D reconstruction. It is mainly because 3D reconstruction is largely studied using mathematical models. Our study particularly focus on accurate and dense 3D reconstruction based on Photometric Stereo, Laser Line Scanning and Structure from Motion. In these areas, deep learning methods are also integrated into traditional pipeline to provide more effective solutions. We also show how our algorithms are implemented in underwater applications.

专家介绍:


董军宇,教授,博士生导师。分别于19931999年在中国海洋大学获得学士和硕士学位,2003年在英国Heriot-Watt大学获得博士学位。2008年被列入教育部新世纪人才计划。主要研究方向为计算机视觉和海洋大数据。现任中国海洋大学海德学院院长,人工智能研究院执行院长,中国计算机学会(CCF)青岛分部主席,国际计算机学会(ACM)青岛分会主席,法国Interdisciplinary Graduate School for the Blue Planet (ISBlue)国际学术委员会委员。多次担任国际会议主席或者主要组织者。主持承担了科技部国际合作项目一项、国家自然科学基金项目六项,包括重大仪器(自由申请)项目一项、NSFC-山东联合基金一项,此外还主持承担了多个省部级项目。近五年已在多个主流国际期刊及国际学术会议上发表论文200余篇,获得授权国家发明专利6项,获山东省自然科学二等奖(首位)。

报告主题对抗环境下的计算机视觉

报告专家:操晓春 研究员 国家杰青

报告摘要

计算机视觉算法常常假设“看得清”、“无扰动”、“标注好”、“足够多”的图像视频输入,其鲁棒性难以保证、应用场景相对有限。考虑对抗环境下上述假设不满足,报告人拟介绍信工所团队在该方向学术探索的最新进展,以及搭建的一套视觉大数据价值挖掘系统。具体包括:标注数据质量计算、低质视觉质量增强、对抗样本攻击与防御等。

专家介绍:


操晓春,中国科学院信息工程研究所研究员,主要从事计算机视觉基础研究和网络空间内容安全应用研究;国家杰出青年、优秀青年基金获得者,入选国家“万人计划”青年拔尖人才支持计划、中国科学院“百人计划”择优支持(结题优秀);主持科技创新2030“新一代人工智能”重大项目、国家自然科学基金重点/联合基金重点项目数项,兼任IEEE TIPIEEE TMMIEEE TCSVT的编委(SAEAE)ICCV/CVPR/IJCAI/ICPR Area Chairs、英国工程技术学会(IET) Fellow、中国计算机学会杰出会员、中国电子学会青年科学家俱乐部会员;指导博士生获得CCF优博论文和中科院优博论文各1篇;获得省部级一等奖和二等奖各1项。

报告主题多模态对齐技术研究

报告专家:赵洲 副教授

报告摘要

多模态对齐负责来自同一个实例的不同模态信息元素寻找对应关系,归纳为显示对齐和隐式对齐。显示对齐的目标是找到数据中模态间关系,应用于语音信号和翻译文本的对齐、多通道序列的同步和图片/视频的定位。隐式对齐利用模态内在的隐对齐来提高算法的性能,应用于跨模态检索、视觉自动描述生成和视觉问答。当前,多模态对齐具有一下挑战:1、不同模态数据之间通常具有长度差异;2、不同模态数据之间通常具有语意(信息量)差异。针对以上挑战,最近的工作提出了一些较为有效的解决思路:基于时长预测模型和脉冲神经网络的非自回归架构均可以较好地预测和填补缺失的信息,并解决长度不匹配问题;基于反事实对比学习技术可以很好的表示语义细微差异化信息,并解决鲁棒性多模态对齐问题。

专家介绍:


赵洲,浙江大学计算机学院副教授,博导。2015年博士毕业于香港科技大学。从事多媒体计算研究。在NIPSICLRICMLCVPR等会议和TKDETIP等国际期刊和会议发表50余篇论文,其中以第一作者发表15篇,被引3000+(Google Scholar)。主持国家自然基金面上项目和青年项目,以及浙江省自然基金杰出青年基金项目。