2023年2月26日，由拉斯维加斯手机娱乐网站 （CSIG）主办、东南大学、CSIG机器视觉专委会承办的第21期CSIG图像图形学科前沿讲习班（IGAL21）在线上圆满闭幕。本期讲习班主题为“人工智能和视觉安全”，由东南大学桂杰教授担任学术主任，来自全国各地的教师、学生以及企业工程师参加，讲习班会场由东南大学桂杰教授主持，会场气氛活跃。

图 1 马惠敏教授致辞

    2月25日上午举行的开班仪式上，CSIG副理事长兼秘书长、北京科技大学马惠敏教授代表主办方致辞，马教授对拉斯维加斯手机娱乐网站 进行了介绍，并对学术主任及报告嘉宾为大家带来领域内前沿知识，以及来自全国各地的参会者对活动的支持表示衷心感谢，希望所有与会科技工作者能在为期两天的学习和交流中有所收获，并欢迎广大图像图形领域研究者积极参与学会开展的各项活动。

    随后，本期讲习班学术主任桂杰教授致辞，桂教授对“人工智能和视觉安全”这一主题及报告嘉宾进行了简单介绍，同时希望通过八位知名学者带来的专业报告能让所有与会人员收获满满，并预祝本次讲习班圆满成功。

 图 2 操晓春教授作报告

    讲习班第一场报告，中山大学操晓春教授作了题为“‘病态的’计算机视觉算法”的报告。操教授从“大部分计算机视觉算法的输入为连续或者稠密的图像数据，输出为人类可以理解的类别、位置、深度等离散或者稀疏语义空间”这一概念开始分享，由于定义域和值域集合的基数不一致，这些计算机视觉算法不满足well-posed问题的第三个条件，是经典的ill-posed问题。然后操教授对“纯数据驱动的计算机视觉算法是否既能具有对烟雨雾霾等复杂扰动的鲁棒性又能避免的dedicated对抗扰动”和“是否存在裨益计算机视觉任务的正向扰动”这两个方面部分进展进行简述。

 图 3 胡卫明研究院作报告

       然后，来自中国科学院自动化研究所的胡卫明研究员分享题为“深度学习时代的手写文字识别与分析：数据、方法与应用”的报告。胡老师分析了神经科学与计算机视觉之间的关系，并从以几方面总结神经科学对计算机视觉的启发点：A) 基本视觉皮层的特征；B) 初级视皮层的原理扩展到高级区域；C) 顺向、逆向、侧向联接；D) 视觉神经分层认知机制；E) 视觉神经系统的选择性注意机制；F) 动态信息的选择性记忆机制。随后，胡老师还介绍了团队相关研究工作和实际应用工作。

图 4 吴小俊教授作报告

    2月25日下午，江南大学吴小俊教授作题为“面向智慧城市安全的视频行为分析”的报告。基于智慧城市是全球的热点，智慧城市中产生大量的视觉数据，如何充分地利用这些视觉数据对智慧城市至关重要。吴教授介绍了智慧城市中的视频行为分析方法。首先对智慧城市和深度学习进行简单回顾；然后给出智慧城市中的视频行为分析与识别的深度学习方法，并介绍这些方法在智慧城市安全方面的应用。

图 5 姜育刚教授作报告

    接着，复旦大学姜育刚教授作了题为“视频内容分析：现状与六大趋势”的分享。报告回顾了视频内容分析技术发展路线与现状，并在Transformer模型为计算机视觉领域带来诸多新机遇的背景下，展望未来视频内容分析的六大发展趋势：（1）训练数据从单一到多元；（2）网络架构从分散到统一；（3）监督信号从人标到自学；（4）知识融入从外部到联合；（5）部署推理从普适到专用；（6）可信学习从探索到应用。

图 6 孙哲南研究员作报告

    2月26日上午，中国科学院自动化研究所孙哲南研究员作了题为“人脸生物特征的生成、识别与安全问题”的报告。孙老师在报告中介绍人脸生物特征在生成、识别和安全等方面面临的挑战问题和研究进展，包括人脸图像的姿态、年龄、表情、妆容等属性编辑，从任意文本到人脸图像的生成，高效率高精度的人脸特征表达模型，人脸识别面临的假体攻击、深度伪造攻击、对抗攻击以及可能的安全防御方案。

图 7 彭艳教授作报告

    接下来，上海大学彭艳教授作了题为“‘海洋’智能无人艇 ”的分享。彭教授围绕无人艇在复杂海洋环境中发挥效能面临浪流涌干扰大，航迹难走准；海杂波影响大，弱小目标难探测，难识别；动态复杂场景理解难，场景语义难感知，行为决策难；复杂海洋环境下布放回收难等挑战，针对智能无人艇发挥效能亟需解决的智能感知体系，从智能化顶层设计、技术应用基础支撑以及工程实现等三个层面展开介绍。

图 8 吴飞教授作报告

    2月26日下午，浙江大学吴飞教授围绕“端云协同下分布式模型学习与进化”的主题作了分享。吴飞教授基于深度学习和迁移学习等技术，以“涌现”和“同质化”为特点的大模型或基石模型取得了突出成效。在 “泛在互联、端云协同、AI赋能”时代背景下，将云侧泛化能力与端侧个性化能力结合起来，形成端云协同机器学习计算范式，体现“须弥纳于芥子”的哲学思想，是人工智能成为普惠化能力要解决的关键问题。他在报告中介绍了人工智能历史沿革和端云协同分布式机器学习研究等内容，以不断提升云端协同模式下认知推理能力。

图 9 山世光研究员作报告

    最后一场报告中，中国科学院计算技术研究所山世光研究员围绕“端云协同下分布式模型学习与进化”的主题作了分享。山世光教授介绍了物理世界和数字空间中的伪造攻击和伪造鉴别手段，具体的说，包括常用的物理世界人脸识别系统攻击手段（Presentation Attack）以及相应的防攻击方法（Presentation Attack Detection或Face Anti-Spoofing），也包括常用的人脸/人物图像和视频伪造方法，如换脸、人脸编辑、人脸重现、人体重现等，以及相应的伪造视频鉴别方法、关键技术及其相关的伪造视频数据库。山教授还介绍所在课题组在相关领域的主要进展，特别是针对未知伪造和攻击的检测/鉴别方法和相关领域的主要开放问题和未来发展趋势。

      本次讲习班专家报告精彩、内容丰富，学员们线上积极互动、踊跃提问、收获颇丰，不仅分享了人工智能和视觉安全领域的前沿知识，还拉进了专家与学员的距离，更促进了广大图像图形研究者间的交流与合作。报告结束后，学术主任桂杰教授在结营仪式上作了总结，并对报告嘉宾的分享和参会者的支持表示感谢。

    第21期“人工智能和视觉安全”前沿讲习班在各位报告嘉宾、广大同行以及学会的各级领导的大力支持下，取得了圆满成功。