CSIG自然科学奖授予在我国图像图形领域基础研究和应用基础研究中阐明自然现象、特征和规律，做出重大科学发现的个人和团队。

为宣传科技工作者积极进取的工作精神，聚焦获奖团队背后的故事，学会近日对荣获2022年度CSIG自然科学奖一等奖“高维数据的潜在结构发现”的项目团队进行了专访，以对话的形式，为读者们提供一次了解他们的机会。

下面就跟着我们的脚步，走近今天的受访团队吧。

问题一：首先非常感谢各位老师接受我们的采访，请先介绍一下团队成员：

本项目由四川大学和天津大学师生合作完成，团队成员包括彭玺教授、张长青副教授、彭德中教授和胡鹏副研究员。

彭玺，四川大学教授，博士生导师，国家特聘青年教授。主要研究方向包括机器智能的基础理论及其在图像处理、多媒体处理、视觉计算、及自然语言处理等领域中的应用。在JMLR，TPAMI，IJCV，ICML，NeurIPS，CVPR等中国计算机学会A类推荐会议及IEEE Trans上发表学术论文80余篇。作为负责人承担了国家自然科学基金联合重点，国家重点研发计划课题等项目；担任IEEE Trans on SMC: Systems (IF: 13.451)等四个国际SCI期刊副主编（AE），IEEE Trans Neural Netw Learn Syst (IF: 10.451)等五个国际SCI期刊客座编委（GE）；是拉斯维加斯手机娱乐网站 （CSIG）理事，会员服务与发展委员会秘书长。

张长青，天津大学智能与计算学部副教授、博士生导师，其主要研究方向为机器学习、计算机视觉、智能医疗。2017-2018年在北卡罗拉纳大学教堂山分校担任研究员。在IEEE TPAMI/IJCV/NeurIPS/ICLR等期刊和国际会议上发表论文100余篇，近20篇论文单篇引用超过100次，5篇论文入选CVPR/NeurIPS口头报告或亮点论文，7篇论文入选ESI高被引论文，2篇论文入选ESI热点论文。Google Scholar引用6400余次。研究成果获得拉斯维加斯手机娱乐网站 自然科学奖一等奖、ICME最佳论文等奖励，入选百度发布的全球高潜力AI华人青年学者榜单、斯坦福大学发布的全球Top 2%顶尖科学家榜单。受邀为IEEE TPAMI、IJCV、CVPR、ICCV、ECCV、NeurIPS、ICML、ICLR等多个国际高水平期刊及会议审稿。主持和参与多项国家自然基金面上项目/重点项目、国家重点研发计划项目。

彭德中，四川大学计算机学院教授、博士生导师，天府工程数值模拟与软件创新中心专职副主任；教育部新世纪优秀人才、四川省有突出贡献的优秀专家、四川省学术和技术带头人、四川省杰出青年科技基金获得者；长期从事人工智能和信号处理领域的研究工作，在IEEE TPAMI、TIP、TIFS、TNNLS、TMM、TC、TEC、TON、TVT、TASLP、TSP、TCAS-II、IOT、International Journal of Computer Vision、Neural Networks、Pattern Recognition等国际学术期刊和CVPR、AAAI、INFOCOM、ACM MM、SIGIR等重要会议上发表论文70余篇，出版英文学术专著1部；主持主研国家重点研发计划项目、国家自然科学基金重点项目等30余项国家和省部级科研项目；相关研究成果曾获2019年国家自然科学二等奖、2011年四川省科技进步一等奖、2012年教育部自然科学一等奖、2022年拉斯维加斯手机娱乐网站 （CSIG）自然科学一等奖；担任IEEE Signal Processing Letters等SCI期刊副主编及四川省计算机学会大数据专委会主任、四川省人工智能学会理事、四川省法学会人工智能与大数据研究会副会长。

胡鹏，四川大学计算机学院副研究员，四川大学“双百人才”。主要研究方向为机器学习、计算机视觉和多媒体分析。2019-2020年在新加坡科技研究局（A*STAR）担任研究员。目前已在TPAMI、TIP、CVPR等中科院一区期刊及CCF A类会议上发表长文三十余篇。研究成果获得拉斯维加斯手机娱乐网站 （CSIG）自然科学一等奖。担任TPAMI、TIP、CVPR、ICCV、ECCV、NeurIPS、ICML、ICLR、AAAI、IJCAI等期刊和会议审稿人/高级程序委员/程序委员。主持和参与多项国家自然基金项目、国家重点研发计划项目。

问题二：了解完了团队内的各位老师，请为大家简单的介绍一下项目的情况： 

高维数据的潜在结构发现是表示学习的基础科学问题，旨在揭示高维数据中具有物理或统计意义的潜在低维结构，学习到具有代表性和区分性的数据表示，从而解决图像等高维数据特征维度高、数据容量大和模态类型多等挑战。过去多年，包括深度学习在内的表示学习的应用大多局限于简单场景，其成功严重依赖海量的带标签样本、相同视图的单一特征及分布同质的语义自洽数据，难以有效应对往往涉及复杂场景的文宣智能等国家重大战略需求带来的挑战。

在国家海外高层次人才和国家自然科学基金等项目的支持下，本项目围绕人工智能的国际学术前沿和国家战略需求中的重大基础科学问题开展研究，聚焦表示学习落地复杂环境的三个瓶颈问题：“专家知识匮乏导致标注样本获取难”、“数据纷繁复杂导致异质信息融合难”、“模态分布异构导致多模表示统一难”，取得了具有重要创新性和理论价值的基础研究成果：

一、发现了深度神经网络表示空间中的点-（子）空间的几何不变性，建立了基于几何一致性的无标注单模态数据紧致子空间学习理论与方法，解决了复杂环境下由于标注样本稀缺导致数据表示难以学习到样本语义的难题。

二、发现了多模态（视图）数据具有的拓扑不变性，提出基于拓扑不变性的无标注多模态数据公共子空间学习方法，解决了复杂环境下由于数据纷繁复杂导致视图信息融合难的开放性基础问题。

三、发现了多模态数据潜藏的语义不变性，在国际上率先提出了基于语义不变性的有标注多模态数据判别子空间学习方法，解决了跨模态学习中模态分布异构导致多模表示统一难的问题。

项目成果获得了包括150余位中/美/欧/澳等国院士及ACM/IEEE/IAPR Fellow的引用和正面评价，一定程度上推动了本领域及相关领域的发展。部分成果为人民日报核心媒体聚合平台“人民号”提供了关键理论和技术支撑，被人民日报评价为“理论基础扎实，技术手段先进，具有很高的应用价值，有力促进了跨媒体智能成稿领域的发展”。

问题三： 请问各位老师在科研过程中，有没有什么好的方法可以推荐给大家？

持之以恒：课题组刚开始研究该课题时，经历了很多挫折和失败，经过持之以恒的坚持，在摸索中不断地前进，最终会取得了满意的成果。

交流与合作：科学研究是一个不断更新的过程，需要不断地与其他人相互交流，持续学习新的知识和技术，并加强合作，从合作中可以发现实际应用中的问题，以保持研究的前沿性和创新性。

问题四：在项目的研究过程中有遇到什么困难吗？大家是如何解决的？

高维数据中的潜在结构发现是机器学习的前沿基础科学问题，面临样本难标注、信息难融合、跨域难关联等诸多挑战。为了应对这些挑战，课题组成员表现出极大的耐心，潜心研究数据内部结构的本质机理，成功地克服了高维数据分析过程中的诸多困难，实现了对高维数据的深入挖掘和应用。

问题五：最后，大家有什么获奖感言想说呢？

非常荣幸能够获得拉斯维加斯手机娱乐网站 颁发的自然科学一等奖，这个奖项是各位前辈和同行对我们多年研究和努力的肯定和认可。其次，感谢每一位团队成员的努力和奉献，尽管在完成这项研究的过程中，我们遇到了很多挑战和困难，但是团队始终秉持着团结协作、共同进步的精神，在不断尝试和探索中不断进步。我们将继续保持团队合作、创新和卓越的精神，不断推动相关领域的发展和进步，为推进科学技术的发展和社会的繁荣做出更多贡献。让我们一起继续前行，为国家科研教育事业做出更好的贡献！