为促进学术交流、开拓学术视野、激发创新思维，助力图像图形领域研究生学术成长和未来职业发展，中国图象图形学学会（CSIG）创办CSIG学生会员分享论坛，论坛以研究生自主开展学术交流为主，同时，积极发挥导师的指导作用，帮助研究生开阔视野，启迪智慧，提高创新能力。CSIG第十六期学生会员分享论坛将于2025年5月31日举办，邀请到了香港科技大学博士生沈磊贤、大连理工大学博士生刘铸、上海交通大学&南洋理工大学博士生李春一、加州大学圣地亚哥分校博士生孙嘉木作精彩学术报告，并邀请上海交通大学张宇伦副教授、北京交通大学陶仁帅副教授、华东师范大学谭鑫青年研究员、苏黎世联邦理工学院李亚伟讲师担任评议嘉宾对研究工作作出点评并解惑，活动由苏黎世联邦理工学院秦浩桐博士后研究员主持，共同围绕研究生学术生涯的热点话题进行探讨。

主办单位

中国图象图形学学会（CSIG）

承办单位

CSIG优博俱乐部

CSIG会员发展与服务工作委员会

CSIG青年工作委员会

会议时间

2025年5月31日（星期六）14:00-16:30

会议地点

线上地址1（腾讯会议）：576-346-766

线上地址2（CSIG视频号直播）： 

欢迎关注CSIG官方视频号，观看直播

线上地址3（寇享学术直播）：

会议议程

特邀评议嘉宾

张宇伦 副教授，上海交通大学

张宇伦，上海交通大学，任长聘教轨副教授，入选国家海外高层次青年人才，上海市海外高层次青年人才。本科、硕士、博士分别就读于西安电子科技大学、清华大学、美国东北大学。博士毕业后，在苏黎世联邦理工学院做博士后。我的主要研究方向是计算机视觉和机器学习，具体包括图像/视频复原与合成，模型压缩，计算成像，多模态计算，生物医学图像分析，大语言模型等。在计算机视觉，机器学习，多媒体，人工智能等领域的顶级国际期刊和会议上发表学术论文100余篇，包括TPAMI, CVPR, ICCV, ECCV, ICLR, NeurIPS, ICML等。论文Google学术引用26000余次，一作论文单篇最高引用6000余次。获得2015年IEEE VCIP最佳学生论文奖，2019年IEEE ICCV RLQ Workshop最佳论文奖，全球AI华人新星百强（2021年），连续4年入选斯坦福“全球前2%顶尖科学家”榜单（2021-2024年），入选2024爱思唯尔“中国高被引学者”。近年来担任顶级会议CVPR, ICCV, ECCV, ICLR, NeurIPS, ICML, ACM MM, IJCAI领域主席。

陶仁帅 副教授，北京交通大学

陶仁帅，北京交通大学副教授，硕士生导师。研究方向为人工智能、视觉内容理解与取证。在CVPR、ICCV等CCF-A/IEEE Trans国际顶级学术会议及期刊上发表论文21篇，担任TIP、NeurIPS、ICLR等国际顶级学术会议、期刊审稿人、程序委员会委员和特邀讲者等。主持北京市自然科学基金重点项目，参与国家自然科学基金重点项目（排2）。研究成果提出了国际上首个高质量X光复杂目标检测评估基准集，收到全球200余机构的学者来信关注和使用。作为论坛主席组织申办了第四届中国模式识别与计算机视觉大会PRCV 2021 “X光安检场景下的违禁品识别”专题论坛。入选“北京交通大学青年英才培育计划”、“2024年度中国图象图形学学会高等教育教学成果激励计划”。

谭鑫 青年研究员，华东师范大学

谭鑫，博士，华东师范大学计算机科学与技术学院双百计划青年研究员（紫江青年学者），博导，院长助理。入选第十届中国科协青年人才托举工程、中国图象图形学学会博士学位论文激励计划；上海市扬帆计划、晨光计划。他的主要研究兴趣是面向具身的通用场景理解与构建。他主持了国家级和省部级项目共6项，以及CCF-腾讯犀牛鸟基金（优秀结题）等。他在TPAMI、TIP、ICLR、CVPR、ICCV等国际知名期刊和会议发表论文40余篇，谷歌引用2000余次。作为完成人曾获上海市科技进步特等奖、世界互联网大会领先科技奖等。他还担任多个知名期刊（Pattern Recognition, The Visual Computer等）的编委（Associate editor)等。

李亚伟 讲师，瑞士苏黎世联邦理工学院

李亚伟，瑞士苏黎世联邦理工学院的讲师，专长于计算机视觉，机器学习，人工智能算法的研究与应用。他博士毕业于在苏黎世联邦理工学院计算机视觉实验室，博士论文为计算机视觉中高效深度神经网络的优化与加速。李亚伟的研究涵盖了高效AI神经网络设计、算法、硬件及系统，应用于视觉识别、图像恢复、医学信号处理、虚拟现实和增强现实。他提出网络剪枝、低秩分解等深度神经网络压缩方法，神经网络架构搜索方法，图神经网络优化方法，以及视觉Transformer网络的新型注意力机制。同时，李亚伟博士关注于神经网络的硬件部署，针对姿态估计、目标检测、眼动追踪等提出轻量级网络，并成功部署于边缘计算设备。他曾与华为、Meta和高通合作，发表多篇计算机视觉会议文章，并拥有一项关于使用Transformer处理视频内容的专利。李亚伟博士研究成果发表于CVPR，ICCV，ECCV，T-PAMI等计算机视觉顶级会议与期刊。

报告嘉宾

孙嘉木  博士研究生

报告题目：NU-NeRF: Neural Reconstruction of Nested Transparent Objects with Uncontrolled Capture Environment

报告摘要：三维重建是计算机视觉图形学领域的经典任务，具有众多下游应用。然而，针对透明物体，其内禀的二义性导致重建十分困难。为解决二义性，传统方法依赖额外约束，存在种种局限性：如环境限制，假设实心透明物体等，限制了重建方法的适用范围。为解决此问题，我们提出一种基于神经隐式场的方法NU-NeRF，能在不需要额外输入，也不需要特殊捕捉场景的情况下对嵌套透明物体进行重建，且重建几何质量达到较高精度。

个人简介：孙嘉木，现为加州大学圣地亚哥分校一年级博士研究生，导师为Ravi Ramamoorthi教授。2024年中国科学院大学获得硕士学位，导师为中国科学院计算技术研究所高林研究员。攻读硕士期间，在计算机图形学和3D计算机视觉方向展开研究，内容涵盖3D几何重建、逆向渲染、几何生成等主题。研究产出的多篇论文以第一作者或学生一作身份发表于ACM TOG、ACM SIGGRAPH (Asia)、 IEEE TPAMI等CCF A类会议、期刊。

刘铸  博士研究生

报告题目：面向多模态视觉感知的层次化建模与求解

报告摘要：多模态视觉感知是支撑国防安全与国计民生领域实现智能化的变革性技术。红外与可见光等多模态数据因其信息互补特性，在复杂场景中的全面感知方面起着核心作用。如何充分利用红外和可见光的显著互补特征服务于高精度语义感知，已逐渐成为当前学术界的研究热点。同时，作为建模求解复杂耦合学习任务的高效数学工具，层次化优化为挖掘复杂学习任务的本质规律提供统一手段。因此，本报告将探索从层次化优化理论入手，针对建模求解理论，单模态增强感知、多模态融合感知作简要分享。

个人简介：刘铸，大连理工大学软件学院2022级博士生，师从刘日升教授，研究方向为基于双层优化的多模态视觉感知。针对高维学习任务中的优化挑战，提出了一阶非嵌套双层优化算法，为耦合学习任务提供高效建模与求解工具。在多源数据感知任务中，面对模型计算效率低、数据模态差异大、弱观测重建难等核心难点，设计了轻量化设计、强泛化训练、优化驱动学习等系列算法。担任 CVPR、ICCV、TMM等多个期刊与会议的审稿人。曾获辽宁省优秀毕业生、博士研究生国家奖学金、校优秀研究生等十余项荣誉，入选CSIG硕士学位论文激励计划。

李春一  博士研究生

报告题目： 面向具身智能的感知质量评价

报告摘要：基于人类主观偏好的图像质量评价，在过去几十年得到了广泛的研究。然而随着具身智能的快速发展，自2023年以来，机器对视觉数据的消耗量已逐渐超过人类。对于机器来说，偏好取决于分割、检测等下游任务，或抓取、移动等具体行为的表现，而不是人类所关注的美学因素。考虑到人类-机器视觉系统之间的巨大差距，本团队首次提出了面向具身智能的图像质量评价这一主题，包括（1）机器偏好的具体定义，基于默顿系统的感知-认知-决策-执行管线；（2）机器偏好的大规模数据库，包含百万级细粒度标注，来自数十种大模型与具身仿真/真机环境；（3）机器偏好的标准化验证方式，即评价算法在具身智任务上的实验流程。实验表明，目前的质量评价算法是以人为中心的，不能准确表征机器偏好。我们真诚希望该评价范式，能够推动从人类到具身智能的应用场景演进。

个人简介：李春一，上海交通大学&南洋理工大学联授博士生，师从翟广涛教授与林维斯教授，主要研究方向为具身感知，多模态大模型。以第一作者发表TIP, JSTSP, TCSVT, CVPR, ACMMM等中科院一区期刊/CCF-A类论文多篇，被引千余次，单篇被引百余次。相关成果曾获上海交大Top 1%优秀毕业论文(40/4000+)，作为电子系唯一获奖者被学院官网报导；获国家留基委-2025首批创新人才国际合作项目基金，上海交大人工智能领域唯一入选项目；并以队长身份获第三届ICDT显示竞赛全国总冠军。曾首次提出面向具身智能的质量评估，与首个大模型图像压缩框架，获CVPR满分论文。相关技术贡献于国家标准工作组，国家重点研发计划各一项。

沈磊贤  博士研究生

报告题目：Narration-Centric Design of Animated Data Videos with Human-AI Collaboration

报告摘要：Data visualizations and narratives are often integrated to convey data stories effectively. Among various data storytelling formats, data videos have been garnering increasing attention. These videos provide an intuitive interpretation of data charts while vividly articulating the underlying data insights. However, the production of data videos demands a diverse set of professional skills and considerable manual labor, including understanding narratives, linking visual elements with narration segments, designing and crafting animations, recording audio narrations, and synchronizing audio with visual animations. To streamline this process, we have developed an ecosystem for efficient data video creation. In this talk, I will introduce our interactive authoring system, WonderFlow; the automatic data video generation method, Data Player; and a novel human-AI collaboration framework, Data Playwright.

个人简介：沈磊贤是香港科技大学计算机科学与工程系的博士生，师从屈华民教授。2023年于清华大学软件学院获得硕士学位，师从王建民教授。他的研究旨在通过可视化、人机交互、数据科学和人工智能的结合，推动可视数据分析和数据故事创作的民主化。在领域顶级期刊和会议上(如TVCG、IEEE VIS、CHI、UIST等)发表论文二十余篇。曾获IEEE VIS 2024最佳短文奖，CIKM 2022最佳演示论文荣誉提名，CSIG硕士学位论文激励计划，清华大学优秀硕士毕业论文，清华大学软件学院优秀毕业生，MSRA明日之星，国家奖学金等荣誉，并担任IEEE VIS，CHI，CSCW，C&C等国际会议的程序委员及审稿人。

主持人

秦浩桐 博士后研究员，苏黎世联邦理工学院

秦浩桐，瑞士苏黎世联邦理工学院博后研究员，研究方向为高效机器学习，在IEEE TPAMI、IJCV、ICML、NeurIPS等顶会顶刊论文50余篇，第一/通讯作者论文20余篇，谷歌引用2500余次。曾获2024中国图象图形学学会优博、2025 MLCommon机器学习与系统新星、2024世界人工智能大会云帆奖、2024 Electronics最佳博士论文奖、2023 百度奖学金、2022 字节跳动奖学金等，成果受到IEEE Spectrum等国际权威媒体专访，受邀引入亚马逊DGL等知名开源枢架。担任NeurIPS、ACM MM等顶会领域主席、Neural Networks、Pattern Analysis and Applications等期刊客座编辑。