“CSIG图像图形中国行”是由中国图象图形学学会主办的学术活动，旨在推动图像图形学科的普及，加强各高校研究所以及企业间的交流。自2017年4月起，分别在扬州大学、哈尔滨工业大学、兰州大学、杭州电子科技大学、北京交通大学、海南大学、福州大学、西北农林科技大学、佛山科技学院等及深圳、烟台成功举办了80余期，线上线下参会人数累计数万人次，受到业界好评。本次“CSIG图像图形中国行”由CSIG数字娱乐与智能生成专委会与云华东师范大学联合承办，交流主题为“关于NERF与3DGS智能生成技术进展与应用会议”。

本次“NERF与3DGS智能生成技术进展与应用会议”将聚焦于神经辐射场（NeRF）与三维高斯（3DGS）智能生成技术的最新进展。AIGC时代，神经辐射场与三维高斯是近年来图形图像领域里程碑式的突破性技术。本次会议邀请学术产业大咖，介绍领域内的最新科研成果和落地经验，同时向学术、产业、政府各界朋友同仁展示华东师范大学多媒体与视觉智能团队在NERF与3DGS领域取得的成果与进展，以本次大会为契机，搭建一个高端、开放的学术交流平台。

在内容方面，本次会议将涵盖NERF与3DGS技术的基础理论、算法优化、应用场景等多个方面。以三维场景理解与重建为核心内容，介绍其在AIGC、虚拟现实、增强现实、自动驾驶、医疗影像分析等领域的应用实践和未来趋势。期待通过此次会议，加强业内专家学者之间的合作与交流，共同推动智能生成技术的繁荣发展。

主办单位：中国图象图形学学会（CSIG）

承办单位：CSIG 数字娱乐与智能生成专委会、华东师范大学   

时间：2025年1月3日 13:30

地点：上海市闵行区

二、执行主席

马利庄，上海交通大学特聘教授，华东师范大学特聘教授，博士生导师，上海交大人工智能研究院副院长；中国图象图形学学会理事、会士及数字娱乐与智能生成专委会主任，中国计算机学会计算机辅助设计与图形学专委会副主任，中国人工智能学会理事及智能创意与数字艺术专委会副主任。他是国家杰出青年基金，上海市科技进步特等奖、一等奖，中国青年科技奖，国家教育部科技进步二等奖获得者；吴文俊人工智能自然科学奖一等奖。国家“百千万人才工程”(国家级)首批人选；国务院特殊津贴获得者。他带领团队研究的多项成果上取得国际领先水平，在国内外重要学术刊物上发表论文500多篇，SCI顶会顶刊超百篇以上（包括Nature及子刊，IEEE TPAMI，IJV，CVPR等），系列技术指标二十多次刷新世界纪录。

三、特邀专家

王楠，就职于华东理工大学，主持国家自然科学基金青年科学基金和华东理工大学产学研项目。2016年本科毕业于郑州大学计算机科学与技术系，2023年博士毕业于华东师范大学计算机科学与技术系，之后赴加拿大University of British Columbia进行联合培养。主要研究方向是人工智能、计算机视觉、医学图像处理与分析。围绕该研究领域，近5年来发表和录用CCF会议/期刊、IEEE汇刊论文10余篇，其中一作/通讯作者身份发表10余篇，包括Medical Image Analysis 1篇、IEEE Transactions on Medical Imaging 3篇、CCF A类期刊计算机辅助设计与图形学学报1篇、CCF A类会议ACM Multimedia以及CCF B类期刊和会议多篇。担任CVPR、TMI、ACMMM、IJCAI等国际人工智能顶级会议或期刊审稿专家。

报告题目：基于多模态医学影像数据的异常检测与生成

报告摘要：随着医学影像技术的快速发展，多模态医学影像数据（如CT、MRI、X光、PET等）已成为临床诊断和治疗过程中不可或缺的工具。不同影像模态之间存在信息互补性，基于多模态数据的医学影像异常检测与生成方法优于传统的单模态方法，且能够显著减少数据的异构性与高维性。因此，如何有效地融合多模态数据进行异常检测和生成，成为医学影像研究中的重要课题。本报告旨在探索医学影像异常检测以及模态之间的生成方法，以期提高医学影像的分析准确性和辅助诊断能力。

Weizhong Zhang is an assistant professor in The School of Data Science, Fudan University. He was  a RAP in the  Dept. of Mathematics of Hong Kong University of Science and Technology, working with Prof. Tong Zhang. He was a senior reseacher in Tencent AI Lab during 2017 and 2019. He obtained his Ph.D. degree in Computer Science from Zhejiang University, advised by Prof. Xiaofei He. Before that, he received his B.S. degree in Mathematics also from Zhejiang University. His research interests include efficient sparse neural network training, federated learning, deep learning theory, etc. Besides, he is also interested in exploring the utility of sparsity in some applications such as out-of-distribution generalization. He has published more than 20 papers in the top-tier conferences and journals, such as JMLR, TPAMI, NeurIPS and ICML.

Title: Probabilistic Reparameterization in Neural Network Pruning

Abstract: Model pruning is an effective technique to reduce the model size and inference time for deep neural networks in real-world applications. In this talk, I will introduce our recent studies on neural network pruning with the key technique of probabilistic reparameterization. Specifically, in the first part, I will present our sparse neural network training approaches, which are inspired from our overparamtertized deep neural network theory. To the best of our knowledge, our methods are the first training algorithms capable of achieving completely sparse forward and backward propagations. In the second part,  I will discuss our latest study on the efficient training and sampling techniques for diffusion models through probabilistic reparameterization, which extends the sparsity into the space of denoising time steps.

龚靖渝，华东师范大学计算机科学与技术学院副研究员，2024年博士毕业于上海交通大学，荣获上海交通大学优秀毕业生。研究方向为计算机三维视觉与图形学，长期从事三维场景理解重建、人物场景交互等技术研究。在TPAMI、TVCG、CVPR、ECCV、AAAI等高水平期刊会议上发表论文14篇。重点参与了国家自然科学基金面上项目，上海市经信委项目财联社星矿金融信息人工智能平台项目、上海交通大学清源研究院校企合作项目。担任CVPR、ECCV、ICCV、IEEE TVCG、计算机辅助设计与图形学学报等国内外著名期刊会议审稿人。

报告题目：基于空间语义理解的三维场景人物行为模拟

报告摘要：三维场景中的人物行为模拟是情景真实模拟、人形机器人、虚拟数字人所需的共性技术。本次报告将首先介绍人物行为模拟的研究背景和传统技术方法。此后，本报告会介绍随着三维视觉空间理解以及生成式人工智能技术的演进，场景人物行为模拟所在经历的技术变革，并对当前的研究趋势进行分析。

陈成伟 博士后 海军军医大学第一附属医院 影像医学科 致力于隐空间约束的人工智能异常检测技术的相关工作研究，目前在相关领域国内外顶级期刊会议上发表 8篇科研论文，包括以第一作者身份先后在国内顶级权威期刊中国科学: 信息科学（中国计算机学会推荐 A类国际期刊）上发表1篇长文，以及AAAI、IJCAI（中国计算机学会推荐 A类国际会议）上发表3篇长文，相关论文受到国内外知名专家的广大好评，并获得了中国图象图形学学会最佳论文奖以及华东师范大学优博荣誉称号。作为主要参与者已连续参加了多项与本课题相关的项目，腾讯优图，宁德时代等，具有丰富的异常检测研究科研经验。其中，博士后期间，《基于对比学习的胰腺医学影像异常检测技术研究》获得中国博士后科学基金资助，并获得海军军医大学卓越博士后荣誉称号，申请获得基于AI肾癌以及胰腺癌筛查相关软件著作权8项。

报告题目：医疗影像分析中大模型的应用

报告摘要：大模型在影像学和病理学中的应用正逐步变革医学诊断。通过深度学习技术，医学影像中的肿瘤检测、图像分割、异常识别等任务得到显著提升，同时帮助病理学家在数字病理图像分析中自动识别病变、分类肿瘤和评估癌症分期。结合影像与病理数据的跨领域协作，更是推动了精准医疗的发展。尽管如此，数据质量、模型泛化能力和临床验证等挑战依然存在，但随着技术进步，AI在这些领域的潜力正不断被发掘，未来将为医生提供更高效、准确的辅助诊断工具。

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。本科和博士毕业于清华大学。从事计算机图形学、计算机视觉等方面的研究。发表录用90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”，获北京市科技进步二等奖，中国图象图形学学会高等教育教学成果一等奖，中国图象图形学学会石青云女科学家奖(青英组)，CCF-腾讯犀牛鸟基金卓越项目，瑞士Chorafas青年研究奖，数博会十大领先科技成果，ACM SIGAI China新星奖，中国人工智能学会优秀博士学位论文，中国产学研合作创新成果奖优秀奖，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等国际期刊会议审稿人。

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。

四、会议流程

五、联系方式

承办方联系人：张老师  13816855952   zhangqing@cs.ecnu.edu.cn

主办方联系人：王老师  010-82544754   info@csig.org.cn