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2023年度CSIG自然科学奖二等奖“全时复杂环境感知的多域协同视觉计算理论与方法”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：

本项目由大连理工大学和北京大学合作完成，团队成员包括刘日升教授、张淼副教授、林宙辰教授、樊鑫教授和罗钟铉教授。

刘日升，大连理工大学软件学院教授，基金委优秀青年科学基金获得者、教育部重点实验室副主任、几何计算与智能媒体技术研究所所长。研究领域为计算机视觉、机器学习及最优化方法。近年来发表IEEE汇刊及CCF推荐A类会议论文100余篇，7项工作获得CCF推荐国际学术会议论文奖。担任IEEE TCSVT、Pattern Recognition、The Visual Computer、IET Image Processing、Journal of Electronic Imaging高级编委或编委， 多次担任CVPR、NeurIPS、ICLR、IJCAI、AAAI、ACCV、ICIP领域主席或高级程序委员。主持多项基金委重点类项目及重点研发计划课题等，入选辽宁省青年拔尖人才、百千万人才工程项目。

张淼，大连理工大学软件学院副教授、博士生导师。主要研究方向包括计算机视觉、人工智能、图像处理、计算成像。在相关研究领域共发表学术论文60余篇，包括CCF推荐A类会议、期刊CVPR/ICCV/NeurIPS/AAAI/IJCAI/IJCV/IEEE TIP等。研究成果获得拉斯维加斯手机娱乐网站 自然科学奖二等奖，入选斯坦福大学发布的全球Top 2%顶尖科学家榜单，中国人工智能学会-学术奖励基金。担任IEEE TIP、IJCV、CVPR、ICCV、ECCV、NeurIPS、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面上项目/重点项目。

林宙辰，北京大学教授，IAPR/IEEE/AAIA/CSIG Fellow，国家杰青，拉斯维加斯手机娱乐网站 机器视觉专委会主任，中国自动化学会模式识别与机器智能专委会副主任。研究领域为机器学习、数值优化。发表论文290余篇，中英文专著5本。多次担任机器学习与人工智能顶级会议CVPR、ICCV、NeurIPS、ICML、IJCAI、AAAI和ICLR的领域主席与资深领域主席，曾任IEEE TPAMI编委、ICPR 2022程序共同主席，现任IJCV、Optimization Methods and Software编委，科技部科技创新2030-“新一代人工智能”重大项目负责人。

樊鑫，大连理工大学教授，现任大连理工大学软件学院、大连理工大学-立命馆大学国际信息与软件学院院长，辽宁省泛在网络与服务软件重点实验室副主任。主持一项国家自然科学基金重点项目，三项面上/青年项目，以及一项国家863项目子课题，在Nature旗下期刊、图像处理领域顶级期刊和会议IEEE TPAMI、IEEE TIP、CVPR、ICCV、NeurIPS等发表论文100余篇。入选2011年度教育部“新世纪优秀人才支持计划”，辽宁省“百千万人才工程”千人层次，获得省部级科技进步奖1项、作为通讯作者获得国际多媒体旗舰会议ICME2015最佳学生论文、两篇论文入选ICME2017最佳论文候选、重要国际会议ICIP2013最佳论文候选、ICIP2015 top10%论文、全国多媒体技术大会2013最佳论文奖。

罗钟铉，大连理工大学教授、副校长，现任教育部软件工程教学指导委员会委员，国家示范性软件学院联盟副理事长，软件工程一级学科博士点点长，辽宁省《泛在网络与服务软件》重点实验室主任，日本立命馆大学客座教授。近年主持承担和完成包含一项国家重大科研仪器研制项目和三项国家自然科学基金重点项目在内的近二十项自然科学基金项目以及多项重大服务项目。在国家自然基金委的领导下推动（水下目标感知与抓取关键技术）重点项目（群）的立项，持续承办国家自然科学基金委主办的全国水下机器人大赛。系列成果发表在IEEE TPAMI、TIP、CMAME、TSE、TKDE等国际顶级期刊和核心期刊上累计200余篇，出版中（英）文专著3部。获得多项国家和省部级教学与科研奖励及国家教学成果二等奖一项（第一完成人）。

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：

复杂环境感知作为智能机器人、无人驾驶、安防监控等国家重大需求领域的关键赋能技术，涉及视觉数据表征、视觉内容呈现、视觉目标理解等多个层次的视觉计算任务，是人工智能与计算机视觉等领域的核心研究问题。传统视觉感知理论与方法依赖理想成像与受控场景等假设，极易在暗光、雨雾、水下等恶劣环境下失效（“全时”感知挑战），且缺乏对多源异构视觉数据进行高效率表征、高质量呈现、高精度理解的协同计算手段（“多域”计算挑战）。如何突破理想成像与受控场景的局限，跨越多域视觉数据表示与理解的鸿沟，建立全时复杂环境感知的多域协同视觉计算理论与方法，是长期困扰本领域的一个基本难题。

面对上述难题与挑战，项目从“全时感知”与“多域计算”挑战入手，揭示了多域视觉数据内蕴结构的高阶表示规律（高效率视觉数据表征），阐明了恶劣成像环境多重降质耦合的视觉退化规律（高质量视觉内容呈现），发现了多域视觉特征协同的注意力扩散演化机理（高精度视觉目标理解），为发展多域协同视觉计算基础理论做出了创造性贡献，主要发现点为：

1. 高维多域视觉关联学习。揭示了多域视觉数据内蕴结构的高阶表示规律，建立了多域张量特征跨域关联性的定量分析理论模型，提出了内蕴关联性驱动的高维矩阵优化计算方法，解决了高维多域视觉数据高阶内蕴关联性分析的难题。

2. 恶劣成像多域视觉增强。阐明了恶劣成像环境多重降质耦合的视觉退化规律，构建了成像模型约束的视觉先验学习框架，提出了多感知任务联合驱动的视觉增强方法，实现了视觉增强从可视效果提升到全链条感知目标牵引的跨越。

3. 复杂场景多域目标理解。发现了多域视觉特征协同的注意力扩散演化机理，建立了视觉显著属性的跨域传播物理模型，提出了非理想多域特征的显著目标分析方法，实现了显著性分析从直觉/经验启发到扩散物理模型驱动的突破。

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？

本项目面向国家重大需求，围绕无人系统复杂环境感知基础理论与关键技术研究展开，从实际需求出发，逐步凝练科学问题，结合理论积累拟定可行方案，并通过实际验证反馈调整方案，整个科研过程遵循“从实际中来，到实际中去”的研究思路。

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？

本项目研究过程中的主要难题在于如何突破理想成像与受控场景的局限以及如何跨越多域视觉数据表示与理解的鸿沟。为应对以上挑战，团队成员从数据表征切入，解决了高维多域视觉数据高阶内蕴关联性分析的难题；进一步研究面向人类视觉友好的内容呈现，实现了视觉增强从可视效果提升到全链条感知目标牵引的跨越；最后围绕目标理解的任务需求，实现了显著性分析从直觉/经验启发到扩散物理模型驱动的突破。

问题五：最后，大家有什么获奖感言想说呢？

首先非常荣幸能够获得拉斯维加斯手机娱乐网站 自然科学奖二等奖，十分感谢评奖委员会的肯定与认可。同时也感谢拉斯维加斯手机娱乐网站 作为该领域内公认的卓越平台，立足学科发展，服务国家战略需求，在团结促进科技工作者、积极开展基础理论和高新技术研究、促进学科技术发展等方面的辛苦付出。最后感谢研究团队每一位成员的努力与奉献，本项目离不开团队成员多年来的精诚合作。未来本项目团队将继续深耕无人系统复杂环境感知基础理论与关键技术，面向国家重大发展需求和科技创新前沿，努力推动相关领域发展和进步。