欢迎光临中国图象图形学学会官方网站,让我们一起努力,探索图象图形领域的广袤天地!
首页 > 学会动态 > 学会新闻

中国图象图形学学会青年科学家论坛在兰州大学顺利召开

2018-08-21

image.png

        2017年8月17日,中国图象图形学学会青年科学家论坛在兰州大学召开。论坛由中国图象图形学学会主办,学会青年工作委员会承办,兰州大学协办。学会副理事长中山大学信息科学与技术学院院长赖剑煌和兰州大学信息科学与工程学院党委书记刘亚军在开幕式上致辞。

 

        本次论坛特邀嘉宾还包括:

        学会副理事长兼秘书长马惠敏

        学会副秘书长北京理工大学教授刘越

        学会常务理事北京大学信息科学技术学院副院长查红彬

        学会常务理事哈尔滨工业大学教授姚鸿勋

        学会理事上海交通大学人工智能研究院副院长马利庄

        学会理事西安电子科技大学教授高新波

        大连理工大学教授卢湖川

        兰州大学信息科学与工程学院副院长马志新

 

        出席本次论坛的还有学会青年工作委员会主任北京理工大学教授黄华、副主任清华大学教授季向阳、中科院自动化所研究员王亮和山东大学教授张伟。共有来自全国四十余家高校、科研院所及企业的近100名代表参加了论坛。

 

        论坛在黄华教授的主持下正式拉开序幕。黄华教授一一介绍了与会嘉宾,对各位远道而来的嘉宾、会议协办方兰州大学和赞助单位中科视拓(北京)科技有限公司、北京市商汤科技开发有限公司对本次会议的大力支持表示感谢。

 

image.png

黄华教授主持开幕式

 

        学会副理事长赖剑煌代表会议主办方致辞。首先,赖剑煌教授代表学会欢迎各位专家学者参加本次论坛。赖教授指出,青年科学家论坛是学会青年工作委员会的年度盛会,旨在促进优秀青年科技工作者的成长,激励优秀青年科技工作者对未来科技发展战略研究的兴趣,促进学科发展及科技进步。中国图象图形学学会非常重视青年工作,希望青年学者与学会共同成长。

 

image.png

赖剑煌教授致辞

 

        兰州大学信息科学与工程学院党委书记刘亚军老师代表兰州大学在开幕式上致辞。刘亚军书记简要介绍了兰州大学的历史和发展情况,并对各位嘉宾和各位青年学者的到来表示欢迎。

 

image.png

刘亚军书记致辞

 

        中山大学赖剑煌教授的主要研究领域为生物特征识别、数字图像处理、模式识别和机器学习。作为本次会议特邀讲者,赖剑煌教授作了题为“自适应深度学习与行人再识别方法”的特邀报告。

 

image.png

赖剑煌教授作特邀报告

 

        赖教授主要介绍自适应深度学习方法与行人再识别方法两方面的工作进展。他在报告中说道,自适应深度学习方法是一种新颖的半监督深度学习框架,称为深度生长网络(Deep Growing Learning, DGL),适用于视频监控等数据不断增长的对象识别问题。为了解决应用少量标签数据进行学习时会出现过拟合问题,赖教授的团队应用自动生成网络和选择可靠的伪标签数据两步交替迭代,把半监督学习数学建模为一种EM算法。赖教授指出,DGL保证了带标签的数据较少时,网络处于较浅的状态,而伪标签增多时,网络逐渐变深,从而缓解了过拟合问题。接下来,赖老师介绍了行人再标识(person re-identification)方法。他在报告中指出,行人再标识问题是目前视频监控、模式识别与计算机视觉领域的一个重要问题。他的科研团队针对基于时空线索的行人再标识、特别是跨视域的鉴别成分分析、基于深度学习的再标识等方法做了一些列研究工作,相关理论可应用于现实监控系统,对于图像搜索与匹配领域也具备一定借鉴意义。

 

        十一位优秀青年学者在论坛上就各自的研究成果作了精彩的学术报告。

 

image.png

刘家瑛:智能影像增强计算

 

        第一位报告人是北京大学刘家瑛副教授,主要研究领域包括图像/视频编码、增强与理解。刘家瑛副教授的报告题目为“智能影像增强计算”,报告以基于学习的图像视频复原重建为出发点,采用数据驱动的学习技术作为研究框架,重点针对图像/视频超分辨率重建和图像视频去雨等图像视频复原问题展开深入的探讨。

 

image.png

邵枫:三维可视媒体感知评价与优化关键技术研究

 

        第二位报告人,宁波大学邵枫教授近年来主要围绕三维视频系统的采集、编码、显示等核心环节的高效表示与处理问题进行深入探索研究,提出针对三维视频数据的感知、编码和评价模型,取得系列创新性研究成果。本次论坛邵枫教授带来了题为“三维可视媒体感知评价与优化关键技术研究”的报告,重点介绍课题组近年来在三维可视媒体评价与优化方面的工作,包括:1)建立各种感知因素与视觉体验质量之间的定量关系模型,逐步完善三维可视媒体视觉体验质量的感知测度理论;2)优化三维可视媒体系统性能,指导比特分配及编码/后处理算法的参数选择,构建更高视觉体验质量的三维可视媒体系统。

 

image.png

徐迈:面向QoE的感知视频编码

 

        第三位报告人是北京航空航天大学徐迈副教授,研究兴趣为视频通信与图像处理。本次论坛徐迈副教授作了题为“面向QoE的感知视频编码”的报告。他从人类视觉感知模型出发,利用机器学习的计算工具,在视频大数据驱动下构建人类视觉感知模型,面向人类用户体验(QoE),研究基于视觉感知模型的视频编码关键技术,以智能媒体协同计算换取无线视频通信带宽。徐迈副教授在报告中介绍了基于关注点大数据的视频显著性感知模型和基于感知模型的视频压缩方法。

 

image.png

杨敬钰:面向立体成像的深度计算

 

        第四位报告人,天津大学杨敬钰研究员的主要研究兴趣包括3D成像与处理、计算机视觉、多媒体信号处理。本次论坛杨敬钰研究员作了题为“面向立体成像的深度计算”的报告,深入介绍他的团队近年来在深度恢复与处理方面的研究工作,包括对深度图进行自回归建模,借助彩色信息并采用非局部权重预测对自回归模型系数训练,并通过最小化自回归误差进行深度恢复;针对多视点深度视频进行自回归相关建模,并推导定点迭代滤波算法以解决大规模矩阵求逆困难的问题;提出深度大面积缺失的渐进三边滤波方法,并应用于基于深度-图像绘制的视点自适应立体成像。

 

image.png

王瑞平:开放场景中的物体识别研究初探

 

        第五位报告人是中国科学院计算技术研究所的王瑞平研究员,他的研究方向为计算机视觉与模式识别,重点关注复杂真实场景下的图像视频目标识别与检索等问题。本次论坛王瑞平研究员作了题为“开放场景中的物体识别研究初探”的报告。主要介绍了近两年围绕开放场景识别所开展的一些初步探索,包括:属性与类别关联的多任务图像检索(CVPR'16/17)、属性辅助的零样本物体识别(ICCV'17/ECCV'18)、开放环境下的增量物体识别(BMVC'18)、场景推理驱动的物体检测(CVPR'18)等。相关工作的代码均已发布在了课题组主页上(http://vipl.ict.ac.cn/resources/codes)。

 

image.png

戴玉超:单目相机动态场景三维重建:从几何驱动到学习驱动

 

        第六位报告人是来自西北工业大学的戴玉超教授,他的主要研究工作集中在计算机视觉、图像处理、人工智能等领域,包括三维场景重建、动态场景分析、多视角几何、深度学习、人机交互和最优化等。本次论坛,戴玉超教授作了题为“单目相机动态场景三维重建:从几何驱动到学习驱动”的报告,围绕复杂动态场景三维重建,介绍了包括基于动态场景三维模型约束的多帧图像稀疏三维重建、利用简单而有效的最大刚性原则实现动态场景的稠密三维重建和挖掘动态三维重建的时空流形约束实现大规模稠密重建等,最后从单幅图像三维重建和单幅混合/模糊图像三维重建角度探讨深度学习与动态场景三维重建的结合

 

image.png

巫英才:城市大数据可视分析

 

        第七位报告人,浙江大学巫英才研究员的主要研究方向是信息可视化、可视分析和人机交互,最近聚焦于城市大数据分析和体育大数据分析。巫英才研究员的报告题目为“城市大数据可视分析”,他在报告中简要介绍了城市大数据和可视分析的基本理念和方法,以及国内外的最新进展及其未来的展望,并通过包括城市选址、城市规划和环境保护等多个案例介绍相关领域的工作。

 

image.png

严骏驰:从二图匹配走向多图匹配

 

        第八位报告人是来自上海交通大学的严骏驰研究员,近年来的研究工作致力于结构与时序信息的建模与学习。本次论坛严骏驰研究员作了题为“从二图匹配走向多图匹配”的报告,介绍了典型的二图匹配和新兴的多图匹配方法,并对图匹配未来的研究做了进一步展望。

 

image.png

刘日升:Learning-Based Optimization:Interpretable and Collaborative Deep Learning

 

        第九位报告人是大连理工大学刘日升副教授,他的研究方向为机器学习,深度学习,优化方法,计算机视觉和多媒体技术。本次论坛刘日升副教授作了题为“Learning-Based Optimization:Interpretable and Collaborative Deep Learning”的报告,介绍了一系列方法来设计基于可学习结构的特定任务优化方案,深入研究了这些方法在深度训练情况下的理论属性;提供了一种新的方法来为不同的实际应用建立可解释和可协作的深度学习模型。

 

image.png

纪雯:可视媒体传输:进展、挑战与新方法

 

        第十位报告人是中国科学院计算技术研究所的纪雯研究员,她一直从事信息编码与多媒体通信网络领域的研究工作,致力于智能多媒体传输的研究,包括视频传输、无线视频通信、视频编码、信道编码、网络经济、信息论和优化方法、社交媒体、智能计算等。本次论坛纪雯研究员作了题为“可视媒体传输:进展、挑战与新方法”的报告,她首先回顾近年来可视传输的发展焦点,通过分析国内外研究热点的变化,探索在IT3.0时代可视传输研究的新方向。随后针对其中的核心挑战,分别从弹性编码、高效传输、和几何优化方面探讨了一些新方法,从而在性能、效率和规模等方面提高可视传输系统的整体性能。同时结合实际需求,介绍了智能可视媒体传输技术在信息公益建设领域的典型应用。最后,纪雯研究员围绕智能时代可视媒体传输中有价值的研究方向展开讨论。

 

image.png

王兴刚:弱监督深度视觉学习

 

        最后一位报告人是来自华中科技大学的王兴刚副教授,他的主要研究方向为计算机视觉和机器学习,尤其在于目标检测和深度学习。王兴刚副教授的报告题目为“弱监督深度视觉学习”,他在报告中简要介绍了弱监督物体检测和语义分割中的流行方法,展开介绍了包括多示例物体检测网络、物体候选的聚类学习、弱监督物体候选网络、深度区域生长网络等的相关工作,相关方法在Pascal VOC、COCO等数据集的弱监督物体检测和语义分割任务上都取得了业内领先的性能,并发表在CVPR17, CVPR18, ECCV18等会议上。

 

image.png

image.png

 

        会议期间与会的青年科学家们对互相感兴趣的话题进行了热烈的讨论,并就后期开展科研合作的可能性进行了深入讨论。

 

image.png

 

        本次论坛有力促进了图像图形相关领域青年学者间的密切沟通与交流,将推动交叉领域科学家之间的广泛合作。