个人简介： 南京大学通信工程系主任、教授,CAAI 智能传媒专委会副主任。国家杰青获得者,国家“新一代人工智能”重大专项专家组成员。担任CSVT、Signal Processing Letters 期刊编委、IEEE CVPR、SPIE 光谱成像和信号处理国际会议联合主席、CSIG三维成像与显示专委会副主任、任信号处理分会、通信分会等委员。主要从事计算摄像学方向的研究，提出PMVIS光谱视频成像方法，被列为三种光谱视频成像的经典技术之一,代表性理论成果发表在Nature子刊、电子学报等期刊,授权国内外专利51项,出版著作2部，受邀撰写了Springer视觉大百科全书的《多光谱/高光谱成像》章节。研究成果成功应用于安全侦察、工业检测等重点行业领域,获国家技术发明一等奖、教育部技术发明一等奖、中国青年五四奖章。获2019年中国电子学会技术发明一等奖、曾获国家技术发明奖一等奖、教育部技术发明一等奖、微软学者、江苏省六大人才高峰项目、中国青年五四奖章。

个人简介： 上海大学通信与信息工程学院博士生导师，上海市曙光学者、上海市优秀技术带头人、宝钢优秀教师奖获得者。学术兼职有中国图象图形学学会三维成像与显示专委会副主任、上海市图像图形学学会副理事长、中国电子学会信号处理分会委员等。主要研究领域为沉浸式视频处理、智能视觉、图像处理。主持完成国家自然科学基金、国家科技部支撑计划、上海市项目等二十余项。发表学术论文200余篇，出版著作2部，授权发明专利40余项。曾获上海市科技进步二等奖、教育部自然科学二等奖、中国电子学会自然科学二等奖、科技部世博科技先进个人等奖项。

报告题目： 频域引导的图像超分辨率Transformer：轻量化架构与量化协同优化

报告摘要： 近年来，深度学习技术的飞速发展显著推动了单图像超分辨率领域的进步，为高质量视觉应用提供了重要支持。尽管现有方法通过引入Transformer架构取得了显著成效，但仍存在两方面局限：其一，高频信息的有效整合尚未在Transformer架构中得到充分探索；其二，基于Transformer的模型因其高计算成本，难以在资源受限的场景中实现高效应用。针对上述问题，本报告提出了一种融合CNN与Transformer优势的协同框架，以提升图像重建性能，并引入基于频率约束的训练后量化方法，优化模型效率。实验结果表明，所提出的方法在全精度与量化场景下均显著优于现有方案，为高精度、轻量化的图像超分辨率技术提供了一种新的尝试。

个人简介： 电子科技大学教授，格拉斯哥学院院长。主要研究方向为视频与图像智能处理及编码通信。2017年度长江学者特聘教授，IEEE/Optica Fellow，IEEE两个学会和亚太信号与信息处理协会APSIPA的杰出讲座学者（Distinguished Lecturer），中国通信学会会士，四川省学术和技术带头人。现任IEEE成都分会主席、IEEE ICME指导委员会主席（2024-2025）及中国图象图形学学会常务理事。先后担任了8个SCI国际学术期刊编委，包括5个IEEE著名期刊，如IEEE TIP，以及4个SCI期刊客座编委，如IEEE JSTSP。8次荣获国际学术会议（最佳）论文奖及首届川渝科技学术大会优秀论文一等奖，2017年起连续七年入选爱思唯尔“中国高被引学者”及2020年起连续五年入选全球前2%顶尖科学家“终身科学影响力榜单”。作为第一完成人荣获2024年中国图象图形学学会科技进步奖一等奖、2023年四川省自然科学奖二等奖、2022年中国侨联第九届“侨界贡献奖”等。

报告题目： 机器人三维测量关键技术研究及应用

报告摘要： 复杂曲面构件是航空航天、轨道交通等领域高端装备的核心组成部分，其测量精度对保障高端装备制造品质具有不可替代的基础支撑作用。为克服传统手工、专机等制造方式的局限性，三维视觉引导的机器人系统为复杂曲面构件的高端化智能化加工提供了新思路，并逐渐成为机器人化智能制造领域的研究热点。本报告对机器人三维测量方法进行了全面介绍，聚焦系统标定、测量规划、点云融合、特征识别等关键技术，提出了误差建模-参数辨识-位姿优化等系列理论方法，研制了机器人数字孪生测量系统、多机器人协同测量系统，分享了我们在航空航天、工程机械、汽车电子等高端装备制造领域的应用成果，最后从应用场景、测量需求、测量手段等方面对未来的发展趋势进行了展望。

个人简介： 湖南大学副教授，博导，机器人视觉感知与控制技术国家工程研究中心研究员。兼任中国图象图形学会视觉检测专委会副秘书长、中国机械工程技术学报编委等职务。长期从事智能制造场景下机器人三维视觉检测方面的技术开发、装备研制和工程应用工作，主持国家重点研发计划课题、国家自然科学基金、博新计划、三一汽车灯塔工厂应用示范等项目10余项，总经费千余万元，发表论文40余篇，授权国家发明专利30余项，国际PCT专利2项，美国专利2项，入选中国博新计划，获湖南省科学技术进步一等奖、中国机械工程学会《突出贡献团队》奖等。自主研制的系列化机器人三维视觉检测算法、软件及装备成功应用于航空航天、汽车核电、工程机械等高端装备制造领域。

报告题目： 三维场景智能重建：构建数字孪生的基石

报告摘要： 三维场景重建是构建现实世界数字孪生的基础。然而面向数字孪生以及虚拟现实和元宇宙等应用的现实场景精确重建一直是一个有挑战性的难题，传感器直接采集的数据往往数据量大且存在缺陷，难以直接应用，而传统手工建模方法工作量大且效率低下。随着以深度学习为代表的人工智能技术的发展，三维场景分析以及重建的研究取得了很大进展。本报告将介绍我们从三维场景理解暨三维计算机视觉到三维物体和场景的智能重建等方面的研究进展以及我们发布的第一个真实激光雷达扫描、可用于场景分析理解的室内场景数据集LiDAR-NET，最后介绍我们在面向流程工业的数字孪生方面的探索实践。

个人简介： 郭延文，南京大学教授、博导，计算机软件新技术全国重点实验室研究人员。浙江大学博士、美国伊利诺伊大学香槟分校、香港大学等访问学者。主要研究方向为计算机图形学和三维计算机视觉，研究成果发表在ACM TOG, IEEE T-PAMI/TIP/TVCG/TGRS、《中国科学》等领域顶级期刊以及Siggraph, NIPs/ICCV/CVPR/ECCV/VR等顶级会议，获授权发明专利30余项，主持国家自然科学基金重点项目和十三五装发预研等国家级重要研目以及江苏省杰出青年科学基金研目，团队负责与华为、OPPO、三星等头部公司合作项目二十余项，成果转化产生了良好的经济和社会效益。担任中国图象图形学学会理事，江苏省计算机学会图形图像专委会主任和江苏省工程师学会常务理事兼虚拟现实与元宇宙专委会主任，获华为公司“难题揭榜”火花奖等，受邀在中国科学院学部科学与技术前沿论坛做主题报告。

报告题目： 基于光场相机的三维场景精确感知技术

报告摘要： 光场相机可以通过记录光线的强度与角度信息获取场景不同视角的图像，从而为三维场景感知提供丰富的“四维光场数据”。当前，深度学习已被广泛应用于各类光场图像处理任务，可以在不改变光场相机硬件设备的条件下提升场景感知精度。然而，如何利用深度网络有效处理高维光场数据，结合光场图像所包含的丰富信息仍然极具挑战。本报告将针对光场相机三维场景精确感知的诸多核心挑战，介绍团队在光场图像处理方面的研究进展。首先介绍“光场解耦”、“极平面Transformer”两种光场图像处理通用机制及其在空间超分辨、角度超分辨以及深度估计上的应用；而后介绍基于退化调制的真实世界光场图像超分辨方法；最后，对基于光场相机的三维场景精确感知技术的潜在研究方向进行讨论与展望。

个人简介： 王应谦，博士，国防科技大学电子科学学院助理研究员。长期从事光场图像处理、图像超分辨、光学目标探测等方面的研究。主持国家自然科学基金青年基金，入选中国科协青年人才托举工程。在IEEE TPAMI、IEEE TIP、CVPR、ICCV、ECCV等期刊和会议上发表论文70余篇，谷歌学术被引5000余次。7篇论文入选ESI高被引论文，2篇论文入选ESI热点论文。以第一发起人在CVPR-NTIRE研讨会上举办三届光场图像超分辨挑战赛，开发了光场超分辨开源工具箱BasicLFSR。担任IJCV、CVPR、ICCV、ECCV、NeurIPS等20余个顶级期刊和会议的审稿人。获中国电子教育学会优秀博士学位论文、国防科技大学优秀博士学位论文、中国图象图形学学会青年科学家会议最佳论文，入选2024年全球前2%顶尖科学家榜单。

李希才

南京大学

lixicai@nju.edu.cn