一、活动简介

       “CSIG图像图形中国行”是由拉斯维加斯手机娱乐网站 （CSIG）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，CSIG图像图形中国行活动成功举办了100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”由中山大学计算机学院承办，交流主题为“视觉表达与识别”。

主办：拉斯维加斯手机娱乐网站 （CSIG）

承办：中山大学计算机学院

时间：2022年12月29日 14:30-17:30

地点：线上

屠长河 教授

个人简介：山东大学计算机科学与技术学院教授，教育部动画与数字媒体教指委委员，中国工业与应用数学学会几何设计与计算专委副主任，CCF智能机器人专委秘书长。研究方向为计算机图形学、计算机辅助设计、三维视觉与智能机器人等。在ACM SIGGRAPH（Asia）、Eurographics、ICCV、ICRA、ACM TOG、IEEE TIP、IEEE TVCG、CGF等国际期刊和会议上发表论文50余篇，成果获国家科技进步二等奖、山东省自然科学一等奖，Eurographics 2020大会最佳论文提名奖，SPM 2020大会最佳论文一等奖，CAD/Graphics 2021和2022年中国智能机器人大会最佳论文奖。

报告题目：Structural scene representation and learning

报告摘要：近年来，数字内容的快速智能生成成为虚拟现实、数字孪生、元宇宙等应用的关键技术和瓶颈问题。报告从三维室内场景理解、生成和建模需求和难点出发，介绍近年来场景结构化表达以及基于结构化表达的学习方面的进展。具体包括基于深度图像的场景特征提取、场景的结构化自动生成、场景物体的几何形状生成，以及对场景理解、生成和建模技术未来的发展趋势的展望。

殷绪成 教授

个人简介：殷绪成，教授、博士生导师，国家杰出青年科学基金获得者，本科、硕士毕业于北京科技大学计算机系，博士毕业于中国科学院自动化研究所，现为北京科技大学计算机与通信工程学院院长、模式识别与人工智能技术创新实验室主任，拉斯维加斯手机娱乐网站 文档图像分析与识别专委会副主任/秘书长。他长期从事模式识别、文字识别、计算机视觉、人工智能芯片、工业智能技术研究及应用，在IEEE T-PAMI、IEEE T-IP、CVPR、ICDAR等学术期刊会议上发表近100篇论文；以第一完成人获北京市科技进步奖一等奖1项、教育部科技进步奖二等奖1项，带领团队连续四届（2013、2015、2017和2019年）荣获国际文档分析与识别大会技术竞赛共15项冠军。

报告题目：以文字为中心的视觉问答技术

报告摘要：文字是自然场景中最直接最重要的信息，如何提取和理解这些文字成为自然场景理解中一个重要的中心任务，也是视觉问答技术中的一个难点问题。本报告首先简要回顾基于场景文本的视觉问答（文本视觉问答，Text-Based Visual Question Answering）基本概念，然后重点介绍团队最近开展的以文本中心的视觉问答技术研究工作：基于文字识别及文本理解的文本视觉问答新技术。

李玺 教授

个人简介：浙江大学计算机科学与技术学院，教授，博导，浙江大学上海高等研究院副院长。IET Fellow，IEEE Senior Member，国家杰出青年科学基金获得者，国家青年特聘专家，科技部科技创新2030新一代人工智能重大项目负责人，国家自然科学基金委联合基金重点项目负责人，教育部重点规划研究项目负责人，第七届拉斯维加斯手机娱乐网站 理事，浙江省杰出青年科学基金获得者，浙江省特聘专家，杭州钱江特聘专家。 在国际权威期刊和国际顶级学术会议发表或录用文章180余篇，拥有多篇ESI高被引论文。担任CVPR、ICCV、ECCV、ACM Multimedia等国际顶级会议的Area Chair，担任IEEE TNNLS、IEEE TCSVT、IEEE TMM和IEEE TCDS的Associate Editor，中国图形图像学报青年编委。获得2021年世界人工智能大会SAIL奖，两项最佳国际会议论文奖（ACCV 2010和DICTA 2012），一项最佳学生论文奖（ACML 2017），2019年和2020年中国图象图形学报最佳封面文章和年度优秀论文，ICIP 2015 Top 10%论文奖。另外，获得2021年拉斯维加斯手机娱乐网站 自然科学奖二等奖，2021年中国电子学会科技进步一等奖，2021年中国产学研合作促进会产学研合作创新与促进奖，两项北京市自然科学技术奖（包括一等奖和二等奖），以及一项中国专利优秀奖。

报告题目：视觉结构建模和特征学习

报告摘要：互联网和物联网时代催生了海量视频大数据，从这些海量视频数据中有效提取知识迫切需要各种人工智能的技术和手段。因此，如何进行人工智能驱动的视觉计算已经成为当今知识经济时代亟待解决的核心技术问题。本报告主要围绕数据驱动的人工智能学习方法，进行大规模图像/视频数据的视觉特征学习，从目标视觉感知特性、视觉特征表达、深度学习器构建机制、高层语义理解等多维度视角进行了深入剖析，并引入了大规模视觉特征学习所涉及的主要研究问题和技术方法。然后系统地回顾了视觉特征表达和学习领域的不同发展阶段，介绍了近年来我们利用视觉特征学习进行视觉语义分析和理解所做的一系列代表性的研究工作及其实际应用。报告的最后将和大家一起探讨一下涉及视觉特征学习所面临的一些开放性问题和难题。

黄高 副教授

个人简介：清华大学自动化系副教授，博士生导师。2015年获清华大学博士学位，2015年至2018年在美国康奈尔大学计算机系从事博士后科研工作。主要研究领域为深度学习和计算机视觉，提出了主流卷积网络DenseNet。目前在NeurIPS，ICML，CVPR等国际顶级会议及IEEE多个汇刊共计发表学术论文70余篇，被引40000余次，最高单篇引用超过3万次。获国家优青、CVPR最佳论文奖、达摩院青橙奖、世界人工智能大会SAIL先锋奖、中国自动化学会优秀博士学位论文、中国百篇最具影响国际学术论文、中国人工智能学会自然科学一等奖和吴文俊优秀青年奖等荣誉，入选北京智源学者、AI 2000人工智能最具影响力学者、《麻省理工科技评论》亚太区“35岁以下科技创新35人”。

报告题目：视觉大模型的高效训练方法

报告摘要：随着GPT3等超大语言模型的成功，大模型在计算机视觉领域也获得了广泛关注。然而模型深度和参数的迅速增加也带来了训练时间长、显存开销大、容易过拟合等挑战。本报告将从深度神经网络的模型和学习算法两方面介绍视觉大模型的高效训练策略。在模型方面，报告将介绍一种模块化训练与组装方法，利用“分而治之”的思想将模型进行分解，把大模型的训练拆解成多个小模型的训练；在学习算法方面，根据神经网络学习过程的动态特性，利用“先易后难”的思想设计了一种新的课程学习算法。上述方法为高效、稳定地训练CNN和Transformer等大型视觉模型提供了新的思路与方法。

三、会议主席

郑伟诗 教授

个人简介：郑伟诗博士，中山大学计算机学院教授、博导，现任中山大学计算机学院副院长、机器智能与先进计算教育部重点实验室副主任。他致力研究协同与交互分析理论与方法，应用于(跨场景)追踪与行为感知处理。他发表在CCF-A/中科院1区/Nature子刊 130多篇，其中在IEEE T-PAMI/IJCV/自然通讯发表20余篇。担任Pattern Recognition、《自动化学报》等期刊的编委，担任国际顶级学术会议ICCV、CVPR、IJCAI 等领域主席，曾担任ICME 2022程序委员会联合主席等。作为负责人，主持承担国家自然科学基金委联合基金重点项目、国家重点研发课题、国家自然科学基金委联合重大项目课题、国家科技部重大攻关课题、国防基础加强基金等。获全国2020水下目标检测算法赛光学图像赛项一等奖、获CVPR等国际顶级学术会议竞赛第一名4次。获拉斯维加斯手机娱乐网站 自然科学奖一等奖、广东省自然科学奖一等奖、广东省自然科学奖二等奖等；他是2020/2021年中国高被引学者（爱思唯尔）、入选2020/2021全球前2%顶尖科学家榜单（斯坦福大学）。获国家优秀青年科学基金、英国皇家学会牛顿高级学者基金、广东省自然科学基金委卓越青年创新团队(负责人)项目支持。

四、会议流程

14:40-14:50 会议签到

14:50-15:00 学会领导致辞&学会奖励介绍：彭宇新教授

15:00-15:40 主题报告：屠长河教授

15:40-16:20 主题报告：李玺教授

16:20-17:00 主题报告：黄高副教授

17:00-17:40 主题报告：殷绪成教授

五、联系方式

承办方联系人：胡老师  18122181927   hujf5@mail.sysu.edu.cn

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