PRCV-中国模式识别与计算机视觉大会 - www.prcv.cn

网站LOGO

网站关键词(25个字符)

模式识别、计算机视觉、学术盛会、 PRCV、 prcv、

网站描述(79个字符)

中国模式识别学术大会（PRCV）是由中国模式识别学术大会(CCPR)和中国计算机视觉大会(CCCV)合并而来，定位国内顶级的模式识别和计算机视觉领域学术盛会。

关于www.prcv.cn说明

www.prcv.cn由网友主动性提交被GOSL整理收录的，GOSL仅提供www.prcv.cn的基础信息并免费向大众网友展示，www.prcv.cn的是IP地址：114.55.24.4 [中国浙江杭州阿里云]，www.prcv.cn的百度权重为0、百度手机权重为0、百度收录为0条、360收录为0条、搜狗收录为0条、谷歌收录为0条、百度来访流量大约在-之间、百度手机端来访流量大约在-之间、www.prcv.cn的备案号是登录可见、备案人叫登录可见、被百度收录的关键词有4个、手机端关键词有2个、迄今为止已经创建5年9个月12天。

下载地址: txt下载、docx下载、pdf下载、rar下载、zip下载

本页地址: https://www.gosl.cn/sixiangdh/6f282ad631735899cb91.html

SEO综合查询

SEO信息	百度来访IP：- \| 移动端来访IP：- \| 出站链接：1 \| 站内链接：6
IP网速：	IP地址：114.55.24.4 [中国浙江杭州阿里云] \| 网速：788毫秒
ALEXA排名	世界排名：- \| 预估IP：- \| 预估PV：-
备案信息	登录可见 \| 名称：登录可见 \| 已创建：5年9个月12天

收录	百度	360	搜狗	谷歌
查询	0	0	0	0

电脑关键词	手机关键词	页面友好	首页位置	索引	近期收录
4	2	电脑端优秀	-	0	0

协议类型HTTP/1.1 200 OK 页面类型text/html; charset=utf-8 服务器类型Apache 是否压缩是原网页大小83344 压缩后大小19427 压缩比76.69%

网页快照

P R C V 中国模式识别与计算机视觉大会 P R C V 中国模式识别与计算机视觉大会首页组委会诚招赞助大会竞赛竞赛征集 S A R D e t 竞赛广域红外小目标检测挑战赛大规模 X 光安检图像检测挑战赛行车场景下认知与决策基于多模态大模型的智慧城市治理图像识别挑战赛论文投稿征稿投稿格式与方式最新通知参会指引线下参会入住酒店会议注册会议程序会议日程主旨报告特邀报告专题论坛女科学家论坛讲习班博士生论坛赞助企业钻石赞助铂金赞助金牌赞助铜牌赞助论文获取获奖名单中 / E n 距离会议开幕还有：线下 / 线上参会指引 → 距离会议开幕还有：线下 / 线上参会指引 → 投稿截止日期： 2 0 2 2 年 5 月 2 0 日录用通知日期： 2 0 2 2 年 7 月 2 0 日终稿截止日期： 2 0 2 2 年 8 月 5 日点击查看详情大会一览第七届中国模式识别与计算机视觉大会 ( T h e 7 t h C h i n e s e C o n f e r e n c e o n P a t t e r n R e c o g n i t i o n a n d C o m p u t e r V i s i o n P R C V 2 0 2 4 ) 将于 2 0 2 4 年 1 0 月 1 8 日 2 0 日在乌鲁木齐举办。 P R C V 2 0 2 4 由中国自动化学会（ C A A ）、中国图象图形学学会（ C S I G ）、中国人工智能学会（ C A A I ）和中国计算机学会（ C C F ）联合主办，新疆大学承办，是国内顶级的模式识别和计算机视觉领域学术盛会， C C F C 类会议。本届会议旨在汇聚国际国内模式识别和计算机视觉领域的广大科研工作者及工业界同行，分享最新理论研究进展和技术研发成果。通过此次会议，能加强本领域学术界和企业界进行深入的 “ 产学研 ” 交流与合作，从而进一步促进模式识别与计算机视觉领域的协同创新。展开更多最新通知关于 P R C V 2 0 2 4 注册注意事项关于 P R C V 2 0 2 4 注册注意事项： 1 . 注册系统数据来看，少一部分老师只报名没有缴费，有些老师报名后选择现场（线下）缴费，这些情况还是属于没有注册，早鸟注册只限 9 月 2 0 日之前缴费的情况。 2 . 已缴费不可抗拒原因无法参会的老师可以申请退费。 9 月 2 0 日之前可以退 8 0 % 的注册费， 9 月 3 0 日之前可以退 5 0 % 的注册费， 1 0 月 1 日之后不能退费 2 4 2 0 2 4 0 9 马毅教授确定出席大会并做主旨报告！ 1 5 2 0 2 4 0 8 谭铁牛院士确定出席大会并做主旨报告！ 1 5 2 0 2 4 0 8 王耀南院士确定出席大会并做主旨报告！查看更多查看更多主旨报告嘉宾谭铁牛院士 × 谭铁牛院士谭铁牛院士简介：谭铁牛，研究员，博士生导师。现为南京大学党委书记、全国政协常委、中国科学院自动化研究所模式识别实验室主任、中国图象图形学学会名誉理事长，是中国科学院院士、英国皇家工程院外籍院士、发展中国家科学院院士、巴西科学院通讯院士、国际模式识别学会会士、国际电子电气工程师学会会士、中国图象图形学学会会士、中国人工智能学会会士。谭铁牛博士主要从事图像处理、计算机视觉和模式识别等相关领域的研究工作。主持过一批由国家基金委、国家 9 7 3 计划、 8 6 3 计划、国际合作计划、国家重点研发计划等资助的科研项目。现已出版编著和专著 1 8 部，并在主要的国内外学术期刊和国际学术会议上发表论文 7 0 0 多篇，获准和申请发明专利 1 0 0 多项。曾获中国青年五四奖章、中国青年科技奖、国家技术发明二等奖、国家自然科学二等奖和国家科技进步二等奖和国际模式识别领域最高奖 — — 傅京孙奖。曾任中央人民政府驻香港特别行政区联络办公室副主任、中国科学院副院长、中国人工智能学会副理事长、中国自动化学会副理事长、中国计算机学会副理事长、中国图象图形学学会理事长、国际模式识别学会第一副主席、 I E E E 生物识别理事会主席。报告题目：大模型背景下的数字内容取证报告摘要：在数字化时代，随着人工智能技术的飞速发展，特别是深度学习技术的广泛应用，数字内容的生成和编辑变得更加便捷和高效。然而，技术的双刃剑特性也带来了数字内容取证领域新的挑战。生成式大模型能够生成逼真的文本、图像、音频和视频，很可能被广泛用于制造虚假信息、深度伪造等恶意目的，对社会秩序和信息安全构成威胁。在大模型背景下，取证工作变得更加复杂，需要更高级别的技术手段来应对伪造技术的不断进步。为了应对网络虚假信息和大模型生成的高质量伪造内容，本报告介绍多项关键技术和一套整体的数字内容取证技术方案。本报告聚焦于传统图像篡改的检测和取证、人像深度伪造的检测，以及最新的 A I G C 图像和视频的检测，并针对已在网络上广泛传播虚假信息进行检测和事实性验证。面向大模型生成内容，还前瞻性地从源头入手，针对大模型进行知识编辑和输出内容的限制。这些研究从泛化性、可解释性、生成对抗博弈等多角度进行探索，取得了显著的成果，为在大模型背景下保障数字内容的真实性和可信性提供了重要方法和思路。王耀南院士 × 王耀南院士王耀南院士简介：王耀南，中国工程院院士，机器人技术与智能控制专家 , 湖南大学教授，机器人视觉感知与控制技术国家工程研究中心主任；中国科协委员、中国图象图形学学会理事长、中国自动化学会会士、中国计算机学会会士、中国人工智能学会会士；国家 8 6 3 智能机器人领域专家；主持完成国家科技计划重大专项、重大科研仪器研制项目、国家 8 6 3 重大项目、国家自然科学基金重大项目、欧盟第五框架国际合作项目、德国杰出洪堡学者项目等；技术成果获国家技术发明二等奖 1 项、国家科技进步二等奖 5 项、中国发明创业特等奖 1 项、省部级科技奖励一等奖 1 1 项、国际 I E E E 机器人与自动化领域 “ 工业应用最高奖 ” 1 项；发表高水平论文 2 0 0 余篇，出版著作 1 5 部，发明专利 9 0 余项。报告题目：大模型驱动的具身智能人形机器人与展望报告摘要：人形机器人是模仿人的形态运动和功能、与人交流、模仿人类外观和行为的高级通用智能机器人，可以辅助或者替代人类执行危险、肮脏、重复环境下多种类型任务。本文分析了大模型驱动的人形机器人技术进展，介绍了人形机器人研究背景与意义、国内外研究现状、大模型驱动的人形机器人关键技术，如大型自然语言模型、多模态视觉语言模型、具身智能多模态大模型等，以及发展趋势与展望 , 并举例介绍了具身智能人形机器人是国际公认的机器人技术集大成者和科技竞争的制高点，可推广应用于工业制造、国防安全、智能服务和智慧医养等行业，具有广阔的前景和巨大的潜力。提出大模型技术的发展为人形机器人感知识别、认知决策、人机交互、自主学习、多机协同规划、行为操作控制系统注入语言理解、视觉泛化、常识推理等关键能力和实现方法，有望推动具身智能人形机器人技术与应用的新一轮发展。 Y o i c h i S a t o × Y o i c h i S a t o Y o i c h i S a t o 简介： Y o i c h i S a t o i s a p r o f e s s o r a t t h e I n s t i t u t e o f I n d u s t r i a l S c i e n c e a t t h e U n i v e r s i t y o f T o k y o . H e r e c e i v e d h i s B . S . d e g r e e f r o m t h e U n i v e r s i t y o f T o k y o i n 1 9 9 0 , a n d h i s M S a n d P h D d e g r e e s i n r o b o t i c s f r o m t h e S c h o o l o f C o m p u t e r S c i e n c e a t C a r n e g i e M e l l o n U n i v e r s i t y i n 1 9 9 3 a n d 1 9 9 7 , r e s p e c t i v e l y . H i s r e s e a r c h c o v e r s v a r i o u s t o p i c s i n c o m p u t e r v i s i o n f r o m o b j e c t a p p e a r a n c e a n a l y s i s t o h u m a n b e h a v i o r u n d e r s t a n d i n g , s u c h a s e g o c e n t r i c v i s i o n , g a z e s e n s i n g , p h y s i c s b a s e d v i s i o n , a n d r e f l e c t a n c e a n a l y s i s . H e h a s b e e n i n v o l v e d i n j o u r n a l e d i t o r i a l w o r k , i n c l u d i n g I E E E T r a n s a c t i o n s o n P a t t e r n A n a l y s i s a n d M a c h i n e I n t e l l i g e n c e , I n t e r n a t i o n a l J o u r n a l o f C o m p u t e r V i s i o n , a n d C o m p u t e r V i s i o n a n d I m a g e U n d e r s t a n d i n g . H e h a s a l s o h e l d k e y r o l e s i n o r g a n i z i n g m a j o r c o n f e r e n c e s s u c h a s C V P R 2 0 2 3 G e n e r a l C o C h a i r , I C C V 2 0 2 1 P r o g r a m C o C h a i r , E C C V 2 0 1 2 P r o g r a m C o C h a i r , A C C V 2 0 1 8 G e n e r a l C o C h a i r , a n d A C C V 2 0 1 6 P r o g r a m C o C h a i r . 报告题目： U n d e r s t a n d i n g E g o c e n t r i c V i s u a l A t t e n t i o n a n d A c t i o n s 报告摘要： F o r a c o m p r e h e n s i v e u n d e r s t a n d i n g o f h u m a n b e h a v i o r , i t i s e s s e n t i a l t o k n o w b o t h t h e i r a c t i o n s a n d t h e f o c u s o f t h e i r a t t e n t i o n d u r i n g v a r i o u s a c t i v i t i e s . I n t h i s t a l k , I w i l l p r e s e n t o u r e f f o r t s i n s t u d y i n g h u m a n v i s u a l a t t e n t i o n a n d a c t i o n s f r o m f i r s t p e r s o n v i d e o s , s h e d d i n g l i g h t o n h o w i n d i v i d u a l s i n t e r a c t 马毅教授 × 马毅教授马毅教授简介： Y i M a i s a C h a i r P r o f e s s o r i n A r t i f i c i a l I n t e l l i g e n c e , t h e i n a u g u r a l d i r e c t o r o f t h e D a t a S c i e n c e I n s t i t u t e , a n d t h e h e a d o f t h e C o m p u t e r S c i e n c e D e p a r t m e n t o f t h e U n i v e r s i t y o f H o n g K o n g s i n c e 2 0 2 3 . H i s r e s e a r c h i n t e r e s t s i n c l u d e c o m p u t e r v i s i o n , h i g h d i m e n s i o n a l d a t a a n a l y s i s , a n d i n t e g r a t e d i n t e l l i g e n t s y s t e m s . Y i r e c e i v e d h i s t w o b a c h e l o r ’ s d e g r e e s i n A u t o m a t i o n a n d A p p l i e d M a t h e m a t i c s f r o m T s i n g h u a U n i v e r s i t y i n 1 9 9 5 , t w o m a s t e r ’ s d e g r e e s i n E E C S a n d M a t h e m a t i c s i n 1 9 9 7 , a n d a P h D d e g r e e i n E E C S f r o m U C B e r k e l e y i n 2 0 0 0 . H e h a s b e e n o n t h e f a c u l t y o f U I U C E C E f r o m 2 0 0 0 t o 2 0 1 1 , t h e p r i n c i p a l r e s e a r c h e r a n d m a n a g e r o f t h e V i s u a l C o m p u t i n g g r o u p o f M i c r o s o f t R e s e a r c h A s i a f r o m 2 0 0 9 t o 2 0 1 4 , a n d t h e E x e c u t i v e D e a n o f t h e S c h o o l o f I n f o r m a t i o n S c i e n c e a n d T e c h n o l o g y o f S h a n g h a i T e c h U n i v e r s i t y f r o m 2 0 1 4 t o 2 0 1 7 . H e j o i n e d t h e f a c u l t y o f U C B e r k e l e y E E C S i n 2 0 1 8 . H e h a s p u b l i s h e d o v e r 6 5 j o u r n a l p a p e r s , 1 4 5 c o n f e r e n c e p a p e r s , a n d 3 t e x t b o o k s o n c o m p u t e r v i s i o n , g e n e r a l i z e d P C A , a n d h i g h d i m e n s i o n a l d a t a a n a l y s i s . H e r e c e i v e d t h e N S F C a r e e r a w a r d i n 2 0 0 4 a n d t h e O N R Y o u n g I n v e s t i g a t o r a w a r d i n 2 0 0 5 . H e a l s o r e c e i v e d t h e D a v i d M a r r p r i z e i n c o m p u t e r v i s i o n f r o m I C C V 1 9 9 9 a n d b e s t p a p e r a w a r d s f r o m E C C V 2 0 0 4 a n d A C C V 2 0 0 9 . H e h a s s e r v e d a s t h e P r o g r a m C h a i r f o r I C C V 2 0 1 3 a n d t h e G e n e r a l C h a i r f o r I C C V 2 0 1 5 . H e i s a F e l l o w o f I E E E , A C M , a n d S I A M . 报告题目：透明且一致的深度表征学习：从黑盒到白盒，从开环到闭环报告摘要：在本次报告中，我们从压缩数据的编码和解码的角度，对过去十年深度神经网络的实践进行了系统的解释。我们认为，学习（或智能）的最根本目标是学习到一个紧凑且有结构的数据分布表示。最终学习到的表示的优劣可以通过一个信息增益的原则性量度来评估，该量度可以通过学习特征的（有损）编码率计算得出。我们主张，对这一目标的展开迭代优化提供一个统一的白盒解释，可以解释几乎所有过去和当前广泛应用于人工智能实践的深度神经网络，包括 R e s N e t s 和 T r a n s f o r m e r s 。我们将通过令人信服的理论和实证证据表明，数学上可解释、实践上有良好表现且语义上有意义的深度网络现在已触手可及。此外，我们的研究表明，为了使学习到的表征正确且一致，必须闭合编码和解码网络的循环，而不是像当前的做法那样，将它们作为独立的开环网络进行端到端的训练。最重要的是，这一新框架揭示了开发下一代高效的自主学习架构和系统的广阔而光明的未来，这些系统可以真正模拟记忆创建的计算机制。相关的参考工作链接如下： 1 . h t t p s : / / m a l a b b e r k e l e y . g i t h u b . i o / C R A T E / 2 . h t t p s : / / j m l r . o r g / p a p e r s / v 2 3 / 2 1 0 6 3 1 . h t m l 3 . h t t p s : / / w w w . m d p i . c o m / 1 0 9 9 4 3 0 0 / 2 4 / 4 / 4 5 6 / h t m 谭铁牛院士 × 谭铁牛院士谭铁牛院士简介：谭铁牛，研究员，博士生导师。现为南京大学党委书记、全国政协常委、中国科学院自动化研究所模式识别实验室主任、中国图象图形学学会名誉理事长，是中国科学院院士、英国皇家工程院外籍院士、发展中国家科学院院士、巴西科学院通讯院士、国际模式识别学会会士、国际电子电气工程师学会会士、中国图象图形学学会会士、中国人工智能学会会士。谭铁牛博士主要从事图像处理、计算机视觉和模式识别等相关领域的研究工作。主持过一批由国家基金委、国家 9 7 3 计划、 8 6 3 计划、国际合作计划、国家重点研发计划等资助的科研项目。现已出版编著和专著 1 8 部，并在主要的国内外学术期刊和国际学术会议上发表论文 7 0 0 多篇，获准和申请发明专利 1 0 0 多项。曾获中国青年五四奖章、中国青年科技奖、国家技术发明二等奖、国家自然科学二等奖和国家科技进步二等奖和国际模式识别领域最高奖 — — 傅京孙奖。曾任中央人民政府驻香港特别行政区联络办公室副主任、中国科学院副院长、中国人工智能学会副理事长、中国自动化学会副理事长、中国计算机学会副理事长、中国图象图形学学会理事长、国际模式识别学会第一副主席、 I E E E 生物识别理事会主席。报告题目：大模型背景下的数字内容取证报告摘要：在数字化时代，随着人工智能技术的飞速发展，特别是深度学习技术的广泛应用，数字内容的生成和编辑变得更加便捷和高效。然而，技术的双刃剑特性也带来了数字内容取证领域新的挑战。生成式大模型能够生成逼真的文本、图像、音频和视频，很可能被广泛用于制造虚假信息、深度伪造等恶意目的，对社会秩序和信息安全构成威胁。在大模型背景下，取证工作变得更加复杂，需要更高级别的技术手段来应对伪造技术的不断进步。为了应对网络虚假信息和大模型生成的高质量伪造内容，本报告介绍多项关键技术和一套整体的数字内容取证技术方案。本报告聚焦于传统图像篡改的检测和取证、人像深度伪造的检测，以及最新的 A I G C 图像和视频的检测，并针对已在网络上广泛传播虚假信息进行检测和事实性验证。面向大模型生成内容，还前瞻性地从源头入手，针对大模型进行知识编辑和输出内容的限制。这些研究从泛化性、可解释性、生成对抗博弈等多角度进行探索，取得了显著的成果，为在大模型背景下保障数字内容的真实性和可信性提供了重要方法和思路。王耀南院士 × 王耀南院士王耀南院士简介：王耀南，中国工程院院士，机器人技术与智能控制专家 , 湖南大学教授，机器人视觉感知与控制技术国家工程研究中心主任；中国科协委员、中国图象图形学学会理事长、中国自动化学会会士、中国计算机学会会士、中国人工智能学会会士；国家 8 6 3 智能机器人领域专家；主持完成国家科技计划重大专项、重大科研仪器研制项目、国家 8 6 3 重大项目、国家自然科学基金重大项目、欧盟第五框架国际合作项目、德国杰出洪堡学者项目等；技术成果获国家技术发明二等奖 1 项、国家科技进步二等奖 5 项、中国发明创业特等奖 1 项、省部级科技奖励一等奖 1 1 项、国际 I E E E 机器人与自动化领域 “ 工业应用最高奖 ” 1 项；发表高水平论文 2 0 0 余篇，出版著作 1 5 部，发明专利 9 0 余项。报告题目：大模型驱动的具身智能人形机器人与展望报告摘要：人形机器人是模仿人的形态运动和功能、与人交流、模仿人类外观和行为的高级通用智能机器人，可以辅助或者替代人类执行危险、肮脏、重复环境下多种类型任务。本文分析了大模型驱动的人形机器人技术进展，介绍了人形机器人研究背景与意义、国内外研究现状、大模型驱动的人形机器人关键技术，如大型自然语言模型、多模态视觉语言模型、具身智能多模态大模型等，以及发展趋势与展望 , 并举例介绍了具身智能人形机器人是国际公认的机器人技术集大成者和科技竞争的制高点，可推广应用于工业制造、国防安全、智能服务和智慧医养等行业，具有广阔的前景和巨大的潜力。提出大模型技术的发展为人形机器人感知识别、认知决策、人机交互、自主学习、多机协同规划、行为操作控制系统注入语言理解、视觉泛化、常识推理等关键能力和实现方法，有望推动具身智能人形机器人技术与应用的新一轮发展。 Y o i c h i S a t o × Y o i c h i S a t o Y o i c h i S a t o 简介： Y o i c h i S a t o i s a p r o f e s s o r a t t h e I n s t i t u t e o f I n d u s t r i a l S c i e n c e a t t h e U n i v e r s i t y o f T o k y o . H e r e c e i v e d h i s B . S . d e g r e e f r o m t h e U n i v e r s i t y o f T o k y o i n 1 9 9 0 , a n d h i s M S a n d P h D d e g r e e s i n r o b o t i c s f r o m t h e S c h o o l o f C o m p u t e r S c i e n c e a t C a r n e g i e M e l l o n U n i v e r s i t y i n 1 9 9 3 a n d 1 9 9 7 , r e s p e c t i v e l y . H i s r e s e a r c h c o v e r s v a r i o u s t o p i c s i n c o m p u t e r v i s i o n f r o m o b j e c t a p p e a r a n c e a n a l y s i s t o h u m a n b e h a v i o r u n d e r s t a n d i n g , s u c h a s e g o c e n t r i c v i s i o n , g a z e s e n s i n g , p h y s i c s b a s e d v i s i o n , a n d r e f l e c t a n c e a n a l y s i s . H e h a s b e e n i n v o l v e d i n j o u r n a l e d i t o r i a l w o r k , i n c l u d i n g I E E E T r a n s a c t i o n s o n P a t t e r n A n a l y s i s a n d M a c h i n e I n t e l l i g e n c e , I n t e r n a t i o n a l J o u r n a l o f C o m p u t e r V i s i o n , a n d C o m p u t e r V i s i o n a n d I m a g e U n d e r s t a n d i n g . H e h a s a l s o h e l d k e y r o l e s i n o r g a n i z i n g m a j o r c o n f e r e n c e s s u c h a s C V P R 2 0 2 3 G e n e r a l C o C h a i r , I C C V 2 0 2 1 P r o g r a m C o C h a i r , E C C V 2 0 1 2 P r o g r a m C o C h a i r , A C C V 2 0 1 8 G e n e r a l C o C h a i r , a n d A C C V 2 0 1 6 P r o g r a m C o C h a i r . 报告题目： U n d e r s t a n d i n g E g o c e n t r i c V i s u a l A t t e n t i o n a n d A c t i o n s 报告摘要： F o r a c o m p r e h e n s i v e u n d e r s t a n d i n g o f h u m a n b e h a v i o r , i t i s e s s e n t i a l t o k n o w b o t h t h e i r a c t i o n s a n d t h e f o c u s o f t h e i r a t t e n t i o n d u r i n g v a r i o u s a c t i v i t i e s . I n t h i s t a l k , I w i l l p r e s e n t o u r e f f o r t s i n s t u d y i n g h u m a n v i s u a l a t t e n t i o n a n d a c t i o n s f r o m f i r s t p e r s o n v i d e o s , s h e d d i n g l i g h t o n h o w i n d i v i d u a l s i n t e r a c t 马毅教授 × 马毅教授马毅教授简介： Y i M a i s a C h a i r P r o f e s s o r i n A r t i f i c i a l I n t e l l i g e n c e , t h e i n a u g u r a l d i r e c t o r o f t h e D a t a S c i e n c e I n s t i t u t e , a n d t h e h e a d o f t h e C o m p u t e r S c i e n c e D e p a r t m e n t o f t h e U n i v e r s i t y o f H o n g K o n g s i n c e 2 0 2 3 . H i s r e s e a r c h i n t e r e s t s i n c l u d e c o m p u t e r v i s i o n , h i g h d i m e n s i o n a l d a t a a n a l y s i s , a n d i n t e g r a t e d i n t e l l i g e n t s y s t e m s . Y i r e c e i v e d h i s t w o b a c h e l o r ’ s d e g r e e s i n A u t o m a t i o n a n d A p p l i e d M a t h e m a t i c s f r o m T s i n g h u a U n i v e r s i t y i n 1 9 9 5 , t w o m a s t e r ’ s d e g r e e s i n E E C S a n d M a t h e m a t i c s i n 1 9 9 7 , a n d a P h D d e g r e e i n E E C S f r o m U C B e r k e l e y i n 2 0 0 0 . H e h a s b e e n o n t h e f a c u l t y o f U I U C E C E f r o m 2 0 0 0 t o 2 0 1 1 , t h e p r i n c i p a l r e s e a r c h e r a n d m a n a g e r o f t h e V i s u a l C o m p u t i n g g r o u p o f M i c r o s o f t R e s e a r c h A s i a f r o m 2 0 0 9 t o 2 0 1 4 , a n d t h e E x e c u t i v e D e a n o f t h e S c h o o l o f I n f o r m a t i o n S c i e n c e a n d T e c h n o l o g y o f S h a n g h a i T e c h U n i v e r s i t y f r o m 2 0 1 4 t o 2 0 1 7 . H e j o i n e d t h e f a c u l t y o f U C B e r k e l e y E E C S i n 2 0 1 8 . H e h a s p u b l i s h e d o v e r 6 5 j o u r n a l p a p e r s , 1 4 5 c o n f e r e n c e p a p e r s , a n d 3 t e x t b o o k s o n c o m p u t e r v i s i o n , g e n e r a l i z e d P C A , a n d h i g h d i m e n s i o n a l d a t a a n a l y s i s . H e r e c e i v e d t h e N S F C a r e e r a w a r d i n 2 0 0 4 a n d t h e O N R Y o u n g I n v e s t i g a t o r a w a r d i n 2 0 0 5 . H e a l s o r e c e i v e d t h e D a v i d M a r r p r i z e i n c o m p u t e r v i s i o n f r o m I C C V 1 9 9 9 a n d b e s t p a p e r a w a r d s f r o m E C C V 2 0 0 4 a n d A C C V 2 0 0 9 . H e h a s s e r v e d a s t h e P r o g r a m C h a i r f o r I C C V 2 0 1 3 a n d t h e G e n e r a l C h a i r f o r I C C V 2 0 1 5 . H e i s a F e l l o w o f I E E E , A C M , a n d S I A M . 报告题目：透明且一致的深度表征学习：从黑盒到白盒，从开环到闭环报告摘要：在本次报告中，我们从压缩数据的编码和解码的角度，对过去十年深度神经网络的实践进行了系统的解释。我们认为，学习（或智能）的最根本目标是学习到一个紧凑且有结构的数据分布表示。最终学习到的表示的优劣可以通过一个信息增益的原则性量度来评估，该量度可以通过学习特征的（有损）编码率计算得出。我们主张，对这一目标的展开迭代优化提供一个统一的白盒解释，可以解释几乎所有过去和当前广泛应用于人工智能实践的深度神经网络，包括 R e s N e t s 和 T r a n s f o r m e r s 。我们将通过令人信服的理论和实证证据表明，数学上可解释、实践上有良好表现且语义上有意义的深度网络现在已触手可及。此外，我们的研究表明，为了使学习到的表征正确且一致，必须闭合编码和解码网络的循环，而不是像当前的做法那样，将它们作为独立的开环网络进行端到端的训练。最重要的是，这一新框架揭示了开发下一代高效的自主学习架构和系统的广阔而光明的未来，这些系统可以真正模拟记忆创建的计算机制。相关的参考工作链接如下： 1 . h t t p s : / / m a l a b b e r k e l e y . g i t h u b . i o / C R A T E / 2 . h t t p s : / / j m l r . o r g / p a p e r s / v 2 3 / 2 1 0 6 3 1 . h t m l 3 . h t t p s : / / w w w . m d p i . c o m / 1 0 9 9 4 3 0 0 / 2 4 / 4 / 4 5 6 / h t m 特邀报告嘉宾王兴刚 × 王兴刚王兴刚简介：王兴刚，华中科技大学电信学院教授博导，国家级青年人才，现任 I m a g e a n d V i s i o n C o m p u t i n g 期刊（ E l s e v i e r , I F 4 . 2 ）共同主编。主要从事基础模型、视觉表征学习、目标检测分割跟踪等领域研究、在 I E E E T P A M I 、 I J C V 、 C V P R 、 I C C V 、 N e u r I P S 等顶级期刊会议发表学术论文 6 0 余篇，谷歌学术引用 3 0 0 0 0 余次，其中一作 / 通讯 1 0 0 0 + 引用论文 5 篇，入选 E l s e v i e r 2 0 2 3 中国高被引学者。担任 C V P R , I C C V , I C I G 等会议领域主席， M a c h i n e V i s i o n a n d A p p l i c a t i o n 等期刊编委。入选了中国科协青年人才托举工程，获湖北青年五四奖章、 C S I G 青年科学家奖，吴文俊人工智能优秀青年奖， C V M J 2 0 2 1 最佳论文奖，湖北省自然科学二等奖等，指导学生获 2 0 2 2 年全国 “ 互联网 + ” 大赛金奖、 2 0 2 3 年挑战杯 “ 揭榜挂帅 ” 专项赛全国一等奖。报告题目：文本提示 “ 检测分割一切 ” 模型研究报告摘要： M e t a 公司开发的 “ 分割一切 ” 模型（ S A M ）在全世界获得了广泛的关注和应用，但在 S A M 和 S A M 2 中都只支持点、包围盒等形式的交互提示，无法做到自动化的文本提示的分割一切物体。针对这个难题，我们从视觉特征和文本特征的高效交互出发，在视觉基础模型和文本基础模型的基础上，设计了大规模弱监督预训练、早期多模态特征融合等有效策略，分别开发出了 Y O L O W o r l d 模型（ C V P R 2 4 , 4 . 1 k g i t h u b s t a r s ）和 E V F S A M 模型（ a r X i v : 2 4 0 6 . 2 0 0 7 6 ， 2 2 5 g i t h u b s t a r s ），取得了业内领先的检测、分割一切目标的性能。王立君 × 王立君王立君简介：王立君，大连理工大学未来技术 / 人工智能学院长聘副教授，博士生导师，国自然优秀青年基金获得者，主要研究方向聚焦于图像深度估计、目标识别、检测与跟踪等。主持国自然联合重点、面上和青年项目，入选人社部 “ 博士后创新人才支持计划 ” 和大连市 “ 科技人才创新支持计划 ” ，在本领域顶级学术会议和期刊发表论文 4 0 余篇，谷歌学术总引用 7 9 0 0 余次。相关研究成果获得辽宁省科技进步一等奖，中国图象图形学会自然科学二等奖，教育部自然科学二等奖，中国图象图形学学会优秀博士论文奖，以及辽宁省优秀博士论文奖。连续三年获得 V O T 国际视觉跟踪竞赛冠军。担任多个国际会议和期刊审稿人， V A L S E 执行委员， C C F C V 与 C S I G M V 专委会执行委员等。报告题目：开放条件下的视觉识别报告摘要：随着多模态感知与大模型技术的飞速发展，视觉识别也从可控封闭环境迈向更加开放的场景，一方面体现为输入数据模态具有不确定，现有模型在测试时难以有效应对任意输入模态带来的挑战；另一方面，目标类别具有开放性，测试阶段待识别的类别与训练集类别不一致、或需要额外的逻辑推理才可以确定，极大程度提升了视觉识别的难度。针对上述问题，本报告将从输入模态、开放类别字典和因果推理三个层面，介绍团队在开放视觉识别领域最新的研究成果，探讨如何强化视觉识别模型对模态的鲁棒性和类别的泛化性，以及如何借鉴多模态大模型技术面向视觉识别任务提升开放环境下的推理能力。彭宇新 × 彭宇新彭宇新简介：彭宇新，北京大学二级教授、博雅特聘教授、国家杰出青年科学基金获得者、国家万人计划科技创新领军人才、科技部中青年科技创新领军人才、 8 6 3 项目首席专家、中国人工智能产业创新联盟专家委员会主任、中国工程院 “ 人工智能 2 . 0 ” 规划专家委员会专家、中国电子学会会士、中国人工智能学会会士、中国图象图形学学会会士、副秘书长、提名与奖励委员会副主任、北京图象图形学学会副理事长。主要研究方向为跨媒体分析、计算机视觉、机器学习、人工智能。以第一完成人获 2 0 1 6 年北京市科学技术奖一等奖和 2 0 2 0 年中国电子学会科技进步奖一等奖， 2 0 0 8 年获北京大学宝钢奖教金优秀奖， 2 0 1 7 年获北京大学教学优秀奖。主持了 8 6 3 、国家自然科学基金重点等 3 0 多个项目，发表论文 2 0 0 多篇，包括 A C M / I E E E T r a n s 和 C C F A 类论文 1 0 0 多篇。多次参加由美国国家标准技术局 N I S T 举办的国际评测 T R E C V I D 视频样例搜索比赛，均获第一名。主持研发的跨媒体互联网内容分析与识别系统已经应用于公安部、工信部、国家广播电视总局等单位。担任 I E E E T M M 、 T C S V T 等期刊编委。报告题目：细粒度多模态运动分析报告摘要：运动是生命的基本要素，是现实世界的客观描述。与粗粒度、单模态的运动分析不同，细粒度、多模态的运动分析描述真实世界更准确，同时更具挑战性。细粒度多模态运动分析旨在利用文本、视频、 3 D 姿态等不同模态信息的推理能力对目标动作进行细粒度识别、定位、评价、重建等，关键科学问题是如何精准辨识时空边界模糊的细粒度子动作，如何利用文本信息对人体动作进行精细重建等。可广泛应用于智能安防、智慧医疗、智能体育、智慧传媒等领域。本报告将介绍我们最新的 6 篇 C V P R 2 0 2 4 论文，涵盖了我们在细粒度多模态运动分析的近期工作进展，包括细粒度动作质量评价、文本驱动的细粒度时空动作定位、文本驱动的三维人体姿态估计等，并对未来发展方向与趋势进行讨论与展望。张兆翔 × 张兆翔张兆翔简介：张兆翔，博士，研究员，博士生导师，长江学者，中国科学院自动化研究所模式识别实验室常务副主任，中国科学院大学岗位教授，曾获得北京市科学技术奖科技进步奖一等奖（排名第一）。张兆翔博士的研究兴趣包括：模式识别、具身智能、智能体学习，在 I E E E T P A M I 、 I J C V 、 J M L R 、 N a t i o n a l S c i e n c e R e v i e w 等顶级期刊与 C V P R 、 I C C V 、 E C C V 、 N I P S 、 A A A I 、 I J C A I 等顶级会议发表论文 2 0 0 余篇，授权专利 3 0 余项，承担了国家自然科学基金重点项目、重点国际 ( 地区 ) 合作研究项目、企业联合重点支持项目、国家重点研发项目等多项国家级科研项目，多次担任 C V P R 、 I C C V 、 N e u r I P S 等顶会 A r e a C h a i r 。报告题目：视觉物体检测的新趋势和新范式报告摘要：视觉物体检测是计算机视觉与模式识别领域的重要问题，在过去十余年间伴随着深度学习的兴起取得重要进展。伴随着多模态大模型、生成式模型、世界模型等新兴技术的兴起和自动驾驶、机器人等关键应用的驱动，视觉物体检测的方向发展呈现出新趋势，视觉物体检测的方法创新呈现出新范式。本报告在回顾视觉物体检测的发展基础上，着重介绍本团队在视觉物体检测领域做的一系列代表性工作，并以自动驾驶等应用场景，生成式世界模型等方法驱动为例，探讨视觉物体检测的创新发展。王大轶 × 王大轶王大轶简介：王大轶，北京空间飞行器总体设计部科技委主任、研究员，是国家杰青、国防卓青、万人领军， 9 7 3 项目（自主诊断重构）和 1 7 3 重点项目（自主导航）技术首席专家，长期从事观测、诊断和重构能力定量表征理论方法以及空间飞行器全自主运行技术研究，为我国探月工程和首次火星探测等任务的圆满完成做出重要贡献。获国家技术发明二等奖、国家科技进步特等奖，以及全国创新争先奖、何梁何利基金科技创新奖、首届国家工程师奖等，被授予 “ 国家卓越工程师 ” 称号。报告题目：基于能力定量表征的序列图像自主导航技术报告摘要：深空探测任务对空间飞行器全自主运行技术提出了迫切需求，自主导航与自主诊断重构是其中两大关键核心，也是实现全自主运行的前提和保障。报告人针对资源强受限的空间飞行器，以观测能力的定量表征为理论创新突破口，以从序列图像中挖掘导航状态信息为关键技术突破口，提出了基于观测能力定量表征的序列图像自主导航技术，为实现空间飞行器安全可靠自主运行做出重要贡献。刘烨斌 × 刘烨斌刘烨斌简介：刘烨斌，清华大学长聘教授，国家杰青基金获得者。研究方向为三维视觉、数字人重建、 3 D 生成与交互。发表计算机视觉 / 计算机图形学领域顶会顶刊近百篇。多次担任 C V P R 、 I C C V 、 E C C V 领域主席，担任 I E E E T V C G 、 C G F 编委，中国图象图形学会三维视觉专委会副主任。获 2 0 1 2 年国家技术发明一等奖（排名 3 ）， 2 0 1 9 年中国电子学会技术发明一等奖（排名 1 ）。报告题目：高真实感 3 D 高斯数字化身报告摘要：近期， 3 D 高斯泼溅（ G u a s s i a n S p l a t t i n g ) 作为一种新的可微渲染技术，逐渐取代其他可微渲染方法成为学术界和产业界的研究热点。借助 3 D 高斯泼溅在 3 D 场景表达和渲染的优势，介绍报告人在 3 D 数字重建与生成方面的最新研究工作，包括高保真的头部与身体数字化身生成、简易快速高效的人头 3 D 高斯化身、融合视频生成机制的 3 D 高斯数字化身、基于动作生成的高斯数字化身交互等相关研究工作。常建龙 × 常建龙常建龙简介：华为 A I 技术专家、百度奖学金、中国人工智能协会吴文俊优秀博士论文奖、中科院优秀博士论文奖、中科院院长奖获得者。主要研究通用 A I 算法和商业落地，五十余项研究成果发表于 C S U R 、 I E E E T P A M I 、 I E E E T I P 、 N e u r I P S 、 C V P R 等国际顶级 A I 期刊会议，并成功应用于华为云为千行百业赋能。报告题目：通用数据预训练与高效微调方法研究报告摘要：人工智能的发展和应用一直面临着智能孤岛的问题，即各种数据中的知识只能通过不同的模型学习，而不能累积学习。不同于人工智能，人类智能没有智能孤岛现象，可以从海量任务和数据中累积学习，这就是为什么人类能够根据他们过去的经验完成他们从未遇到过的任务。该报告聚焦于该问题，从数据、架构和优化出发实现预训练模型的累积式知识学习，并从通过统一各类微调方案解提升预训练模型的应用效率。杜博 × 杜博杜博简介：杜博，武汉大学弘毅特聘教授，国家自然科学基金杰出青年科学基金、优秀青年科学基金获得者，湖北省杰青。现任国家多媒体软件工程技术研究中心主任，武汉大学发展规划与学科建设办公室主任、计算机学院院长，武汉大学人工智能研究院常务副院长，多媒体网络通信工程湖北省重点实验室主任。主要从事计算机视觉和人工智能等方面的研究工作。近五年主持和参与国家重点研发计划项目等纵向科研项目 3 0 余项，发表 E S I 高被引或热点论文 2 3 篇，出版著作 3 部，授权国家发明专利 3 5 项。获得 2 0 2 4 年湖北省首届青年创新奖（序 1 ）， 2 0 1 9 年湖北省自然科学一等奖（序 1 ）； 2 0 2 0 、 2 0 2 1 年中国国际高新技术成果交易会优秀产品奖； 2 0 2 0 年湖北省首届专利银奖； 2 0 1 9 2 0 2 3 年科睿维安全球高引学者； 2 0 2 0 2 0 2 3 年 E l s e v i e r 中国高被引学者；多次获多项人工智能领域顶级会议最佳论文奖以及人工智能和图像处理类全球竞赛冠军。报告题目：多模态大模型发展及垂域赋能报告摘要：多模态大模型作为人工智能领域的重要进展，通过整合学习文本、视觉等多模态数据信息，极大地提升了模型的多模态理解和人机交互能力。随着大模型技术的不断发展，多模态大模型也有望助力赋能各行业发展。本报告将探讨多模态大模型的发展历程、应用场景与研究挑战，以及介绍团队从通用基础大模型到医疗、遥感垂直领域多模态大模型的研究成果，分析多模态大模型在特定垂直领域的应用潜力和赋能效果，并为未来的大模型技术发展和赋能应用提供前瞻性视角。查看更多主办单位承办单位协办单位赞助企业钻石赞助更新中 . . . 铂金赞助金牌赞助铜牌赞助往届大会官方公众号主办单位中国自动化学会（ C A A ）中国图象图形学学会（ C S I G ）中国人工智能学会（ C A A I ）中国计算机学会（ C C F ）承办单位新疆大学联合承办香港浸会大学香港中文大学（深圳）哈尔滨工业大学（深圳）中国科学院深圳先进技术研究院中山大学官方公众号会议联系： p r c v 2 0 2 4 @ 1 6 3 . c o m 京公网安备 1 1 0 1 0 8 0 2 0 3 5 6 4 4 号京 I C P 备 1 2 0 0 9 0 5 7 号 3

发表评论

温馨提示

做上本站友情链接,在您站上点击一次,即可自动秒收录并自动排在本站第一位！
<a href="https://www.gosl.cn/" target="_blank">GOSL</a>

PRCV