| 主旨报告嘉宾

谭铁牛院士

中国科学院院士
南京大学党委书记

个人简介:谭铁牛,研究员,博士生导师。现为南京大学党委书记、中国科学院自动化研究所智能感知与计算研究中心主任,曾任中国科学院自动化研究所所长、中国科学院副秘书长、中国科学院副院长、中央人民政府驻香港特别行政区联络办公室副主任。他是中国科学院院士、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。主要从事图像处理、计算机视觉和模式识别等领域的研究工作。主持过一批由国家基金委、国家973计划、863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16部,在国际主流学术期刊与会议上发表论文600多篇,获准和申请发明专利100多项。曾获国家技术发明二等奖、国家自然科学二等奖、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。

报告题目

视觉内容生成与安全

以ChatGPT为代表的生成式人工智能技术(AIGC技术)近来备受关注,产生了广泛影响,也带来诸多挑战。本报告聚焦图像视觉内容生成与安全,主要介绍该领域的研究背景及现状,重点报告近年来在图像视觉内容生成和取证方面取得的研究结果,并展望未来的发展趋势。

赵沁平院士

中国工程院院士
北京航空航天大学教授
个人简介:赵沁平,北京航空航天大学教授、中国工程院院士,教育部原副部长。 做为我国虚拟现实领域的一位开拓者,多年来在计算机科学领域进行虚拟现实技术与系统研究,建立了我国第一个基于广域专用计算机网络的可支持异地分布式虚拟现实应用的支撑环境;主持研制了分布交互仿真应用程序开发与运行平台和我国第一个实时三维图形平台;基于上述成果组织开发了若干有影响力的虚拟现实应用系统。 在国际、国内学术刊物和国际学术会议发表学术论文180余篇,出版专著3部。获国家发明专利授权60 余项。获国家科技进步一等奖1项、国家科技进步二等奖2项、国家技术发明二等奖1项,获省部级科技奖10项。培养博士70余名,硕士百余名。

报告题目

从虚拟现实1.0到虚拟现实2.0

高性能计算、计算机图形学、自然人机交互等技术结合集成,产生了具有沉浸感(Immersion)、交互性(Interaction)和构想性(Imagination)“3I”特征的虚拟现实1.0。在虚拟现实1.0中,虚拟对象/环境与对应的真实环境/对象是相互独立的,物理空间和数字空间是分离的。
数字孪生、元宇宙等新的应用对虚拟现实技术提出了一系列新的创新需求,从而推动虚拟现实进入2.0阶段。在这一阶段,只具有沉浸感、交互性、构想性的虚拟现实1.0难以胜任,必须创新发展为具有“5IE”特征,即在原来3I的基础上增加智能化(Intelligentize)、互通性(Interconnection)和演变性(evolutionary)。
智能化包括虚拟环境中智能对象及其智能行为建模、人机交互智能化与智能体化身的交互,以及内容生产的智能化。互通性则是虚拟对象/环境和对应的真实对象/环境的多模态数据互通。演变性是虚拟对象模型随着物理对象的形态和状态变化,实时或及时地进行同变,以及生命体和时变体模型可依据相应规律自行演化。

徐宗本院士

中国科学院院士
西安交通大学教授
个人简介中国科学院院士,数学家、西安交通大学教授。 主要从事智能信息处理、机器学习、应用数学基础理论研究。曾提出稀疏信息处理的L(1/2)正则化理论,为稀疏微波成像提供了重要基础;发现并证明机器学习的“徐-罗奇”定理, 解决了神经网络与模拟演化计算中的一些困难问题,为非欧氏框架下机器学习与非线性分析提供了普遍的数量推演准则; 提出基于视觉认知的数据建模新原理与新方法,形成了聚类分析、判别分析、隐变量分析等系列数据挖掘核心算法, 并广泛应用于科学与工程领域。曾获国家自然科学二等奖、国家科技进步二等奖、陕西省最高科技奖; 国际IAITQM 理查德.普莱斯(Richard Price)数据科学奖; 中国陈嘉庚科学奖、华罗庚数学奖、苏步青应用数学奖;曾在2010年世界数学家大会上作45分钟特邀报告。 曾任西安交通大学副校长,现任鹏城实验室数学与基础研究部联合主任、琶州实验室(黄埔)主任、陕西国家应用数学中心主任、西安交通大学数学与数学技术研究院院长、 大数据算法与分析技术国家工程实验室主任;是国家大数据专家咨询委员会委员、国家新一代人工智能战略咨询委员会委员。

报告题目

变与不变:大模型浪潮下的AI数理基础研究

ChatGPT触发了人工智能研究的新浪潮,促进AI从深度学习时代迈入大模型时代。大模型为通用人工智能研究、开发与应用开辟了路径,颠覆了人工智能研发的传统范式和应用模式。面对新变革,我们如何应对? 本报告通过分析ChatGPT的“能与不能”, 辨识AI基础研究的“变与不变”, 提出若干应对策略。 报告人认为,“多模态感知、实时综合、近似推理、可塑性、使用工具能力”是人工智能与生物智能的边界, ChatGPT远未达到这个边界,从而构成大模型发展最具吸引力的方向。大模型不仅仅是工程问题,更是科学技术问题,它仍然依赖深度学习系列基本科学问题的解决。除此之外,大模型研究诱发的“双参数随机变量极限理论、任务的示例表示理论、任务求解方法论模拟”等是当前大模型研究应该解决的基本科学问题。   

吴一戎院士

中国科学院院士
中国科学院空天信息创新研究院院长

个人简介:吴一戎,中国科学院院士,现任中国科学院空天信息创新研究院院长、中国科学院大学电子电气与通信工程学院院长,担任国务院学科评议组信息与通信工程学科召集人,高等学校教学指导委员会电子信息类专业教学指导委员会副主任委员。长期从事微波成像技术以及大型遥感地面处理系统的设计和研制,推动国家航空遥感系统的发展。微波成像领域,发明了多维度微波成像技术和稀疏微波成像技术。遥感卫星地面处理与应用系统领域,解决了一系列理论问题与关键技术,提高了我国在该领域的技术水平。主持了国家航空遥感系统的建设,推动了一系列国际领先的航空对地观测载荷的发展。曾获得国家科技进步一等奖、二等奖,全国创新争先奖,国防科技工业杰出人才奖,陈嘉庚科学奖,何梁何利科技进步奖等奖项。

报告题目

遥感智能解译基础模型

对地观测已进入大数据时代,随着数据规模的增大和数据结构越来越复杂,依靠人工专家判读模式已成为瓶颈。遥感智能解译如果针对不同载荷/目标单独设计模型,会导致模型数量和种类不断增加,存在算力资源浪费、投入成本大、泛化能力弱的问题。因此,迫切需要寻找更加通用的解决途径。根据机器学习的经验公式,随着数据参数量、网络结构复杂度和训练样本的增加,模型的准确率和泛化能力会有明显提升。利用遥感大数据的大规模参数实现具有基础功能的预训练模型,可以实现泛化能力提升和计算资源集中利用。
因此,报告指出基础模型结合下游任务已成为解决上述问题的技术趋势。针对基础模型用于遥感面临的问题挑战,系统阐述了如何设计结合成像物理模型的网络结构,提升模型泛化性;如何将解译任务、专家知识嵌入下游任务持续学习,解决判读精度;以及如何精准高效构建高质量样本数据集等三个方面的技术进展。
介绍了空天院建设灵眸遥感智能解译基础模型取得的突破,介绍了基础模型随着参数量的增加,模型准确率和泛化能力实现突破的情况。并讲述了基础模型结合下游专业任务的典型应用,以及在国防、海洋、国土、数字城市等在军民多个领域的应用效益。
最后指出遥感解译基础模型的发展思路,持续深入探索专业模型发展和开放共享生态建设等展望。

胡事民教授

清华大学教授

个人简介胡事民,清华大学计算机科学与技术系教授,主要研究方向为计算机图形学、虚拟现实、智能信息处理和系统软件等。在ACM TOG/SIGGRAPH、IEEE TPAMI、IEEE TVCG、IEEE TIP、CAD、 IEEE CVPR等重要刊物和国际会议上发表论文100余篇。现为中国计算机学会副理事长,亚洲图形学学会主席,ACM SIGGRAPH执委,并担任Computational Visual Media主编和CAD、Computer & Graphics和中国科学等多个期刊编委。

报告题目

计算可视媒体:骨干网络与深度学习框架

人类获取信息的80%以上来自视觉,我们将承载视觉信息的媒体类型称为可视媒体,包括图像、视频与三维几何。可视媒体计算作为图形学、视觉、图像视频处理和几何学的交叉融合,是人类认识和改造现实世界的重要手段,蕴涵着无数影响人们生活和工作方式的应用。本报告从可视媒体智能处理的视角,分析从数据驱动到深度学习的计算可视媒体发展脉络,重点介绍清华大学计算可视媒体研究团队在外部注意机制和大核分解等视觉骨干网络方面的研究成果,视觉大模型预训练算法的加速策略,以及计图深度学习框架的新进展,包括软硬件适配优化与对大模型的支持。

高新波教授

重庆邮电大学校长、教授

个人简介:高新波,博士,教授,重庆邮电大学校长,国家万人计划科技创新领军人才,新世纪百千万人才工程国家级人选,教育部长江学者特聘教授(2012-2017),国家杰出青年科学基金获得者,重庆英才优秀科学家,科技部重点领域创新团队负责人、教育部创新团队负责人,教育部科技委委员、高等学校计算机类专业教学指导委员会委员。重庆市青年科技领军人才协会会长、IET、CIE、CCF、CAAI会士。主要从事机器学习、计算机视觉、模式识别等领域的研究和教学工作,与海信联合研制出中国首颗全自研8K AI画质芯片,所开发的“智慧之眼”异质人脸图像合成与识别系统已应用于公安系统图侦图控中,出版专著教材7部、发表学术论文300余篇,连续7年入选爱思唯尔发布的中国高被引学者榜单。获国家创新争先奖状、国家自然科学二等奖1项、省部级科学技术一等奖5项。

报告题目

以人为中心的可信场景分析

随着人工智能技术的迅猛发展,计算机视觉和场景分析性能得以不断提升,并在许多实际场景中获得广泛应用。然而,由于深度学习的黑箱特性导致了人工智能推理过程的不可解释性,使得当前的场景分析技术和结果存在不确定性,从而限制了相关技术在生命攸关领域的应用。为此,可信场景分析技术成为当前急需解决的关键核心问题,尤其是以人为中心的应用场景。因为人是物理世界中最活跃的因素,也是最大的变量。因此,以人为中心的可信场景分析成为最有吸引力也最具挑战性的研究课题,包括分析内容关注于人、设计模型服务于人、应用系统受控于人等若干研究需求。为此,本报告将主要介绍该领域的国内外研究进展及现状,并简要汇报我们团队近年来在该领域所取得的初步研究结果,最后探讨以人为中心的可信场景分析的未来发展趋势。

//