个人简介： 张文军，上海交通大学讲席教授、电子工程系图像通信与网络工程研究所所长，教育部未来媒体网络协同创新中心主任。主要从事图像编码与通信、媒体网络融合、宽带无线传输、视听电子系统芯片设计等领域技术研究。国家自然科学基金委数字媒体通信创新群体带头人、杰出青年基金获得者，教育部首批长江学者特聘教授，国家百千万工程领军人才，国务院特殊津贴专家，中国电子学会会士，IEEE Fellow。合作发表SCI论文140余篇、获得授权发明专利236项（含35项国际发明专利），主编工信部“十四五”规划教材《视频通信》。以第一完成人获得国家科技进步二等奖4项、中国专利金奖、何梁何利科技进步奖和广电行业CCBN学术贡献奖等荣誉。

个人简介： 鲁国，上海交通大学电子工程系长聘教轨副教授、博士生导师。2020年博士毕业于上海交通大学，主要研究方向是视频编码。在IEEE T-PAMI/T-IP及CVPR/ECCV/ICCV等上发表论文50余篇。作为项目负责人先后承担自然基金委青年、面上以及华为、平头哥等企业项目，参与自然基金重点、科技部重点研发计划项目等。担任权威期刊IJCV，IEEE T-CSVT客座编辑，在 CVPR/ACMMM 上组织多次智能编码讲座，担任AAAI-2022 Senior PC。入选中国科协青年人才托举工程，获首届IEEE视觉信号处理与通信新星奖，中国图象图形学学会优秀博士论文奖，上海交通大学优秀博士论文奖。

报告题目： 面向动态开放环境的生成式AI

报告摘要： 生成式AI旨在通过人工智能技术创造文本、图像、视频等内容，在机器翻译、艺术创作等多个领域都得到了广泛应用。近年来，基于预训练的大语言模型和扩散模型等更是极大促进了对生成式AI的发展。然而，预训练大模型通常难以满足动态变化的用户需求，因此研究面向动态开放环境的生成式AI变得尤为重要。首先介绍生成式AI发展现状，然后探讨动态开放环境下生成式AI研究的关键科学问题, 围绕动态开放环境下多主体、多行为、多场景以及多视角协同的可控生成难题，提出一系列基于解耦不变学习的生成式AI模型，并对其关键技术进行探讨。最后，本报告讨论生成式AI的未来研究方向。

个人简介： 朱文武，清华大学计算机系教授，信息科学与技术国家研究中心副主任。曾任国家973计划项目首席科学家，国家基金委重大项目负责人，教育部人工智能科技创新专家组成员等。先后担任IEEE Transactions on Multimedia主编、IEEE Transactions on Circuits and Systems for Video Technology主编，曾任IEEE Transactions on Multimedia 指导委员会主席。ACM Fellow、IEEE Fellow、AAAS Fellow、SPIE Fellow、欧洲科学院外籍院士。获2023年ACM SIGMM技术成就奖和2024年IEEE电路与系统学会Charles A. Desoer技术成就奖。三次获国家自然科学二等奖。

报告题目： 多模态生成与理解大模型：前沿与趋势

报告摘要： 近年来，预训练语言大模型推动人工智能技术取得突破性进展，开辟通向通用人工智能的重要途径。通用大模型以规模定理为指引，构建大工程与大创新相结合的新范式，极大拓展了人工智能技术与应用的边界。当前，通用大模型正处于从语言向多模态再向具身演进的关键阶段，图像、三维、物理交互等能力的引入将大大拓展模型的应用场景，大模型垂域应用高速发展。大模型的技术本质是生成式压缩，与语言大模型专注于训练测模型参数和训练数据规模扩增的scaling law相比，未来多模态和具身大模型scaling维度将更加丰富，理解与生成的融合面临新问题，同时也带来新的技术挑战和创新机遇。这个报告将介绍通用多模态大模型的最新进展，特别是上海人工智能实验室“书生”通用大模型体系，还将分析未来的发展趋势。

个人简介： 乔宇，上海人工智能实验室主任助理、领军科学家、教授，上海创智学院副院长。从事通用大模型、计算机视觉、深度学习等方面的研究。领导研发了国内首个广泛覆盖多种视觉任务的通用视觉大模型，以及开源社区性能领先的多模态大模型书生·万象InternVL。论文发表300余篇，累计被引8万余次，H指数120+，获得发明专利授权100余项。获得王选奖青年学者奖、CVPR 2023最佳论文奖，AAAI 2021杰出论文奖、ACL 2024杰出论文奖等，以第一完成人获广东省技术发明一等奖。入选国家级领军人才计划、科技部中青年科技创新领军人才、上海市优秀学术带头人、中科院百人计划等。主持科技部科技创新2030-“新一代人工智能”重大项目。担任国家人工智能标准化总体组大模型标准化专题组组长、网络安全与空间协会人工智能安全治理专业委员会副主任等。

报告题目： 3D视频智能编码与处理

报告摘要： 人类生活的世界是3D立体的，由于受技术条件的限制，传统的显示技术采用2D平面影像表达和传递对世界的认识。继黑白、彩色、高分辨率信息在屏幕上完美再现之后，3D视频技术成为了新一代信息技术的发展方向和趋势。3D视频能够再现真实景物的立体信息，提供沉浸式的立体视觉感受和灵活的交互式体验，在多个领域都具有广阔的应用前景。报告将介绍3D视频系统与视频编码基本原理、阐述3D视频智能编码与处理方法。

个人简介： 雷建军，天津大学讲席教授，国家杰出青年科学基金获得者。主要研究方向包括视频编码、3D视频处理、计算机视觉等。主持承担了国家重点研发计划项目、国家自然科学基金重点项目、国家国际科技合作项目课题、天津市人工智能重大专项课题等；发表IEEE Trans汇刊长文60余篇；担任IEEE Transactions on Vehicular Technology、Neurocomputing、China Communications、电子学报编委；获天津市科技进步一等奖、天津市技术发明一等奖、国家技术发明二等奖，入选了天津市中青年科技创新领军人才、天津市131人才工程、北洋学者计划。

报告题目： 大模型时代的视频领域挑战与机遇

报告摘要： 大模型时代下视频技术领域正经历前所未有的变革。本次报告将重点从产业视角分享视频生成、视频编创与视频传输在大模型时代面临的挑战与机遇。有别于传统PGC/UGC制作方式，生成式AI能大幅提升视频生成效率，然而生成式视频在时间一致性、物理规律遵循和细节保真度方面等仍面临中大挑战，尤其是在长视频生成时更为明显。视频编创领域，大模型已开始理解视频叙事结构，能实现智能剪辑、自动配乐和内容摘要，但在把握叙事逻辑和情感层次上仍不及人类专业编辑。另一方面，爆炸式增长的生成式视频内容对网络传输带来巨大压力，特别是在分布式多用户协同视频编创以及实时交互大模型应用中，如何保证视频的高保真和实时性是关键挑战。本报告也会发布视频生成、视频编创与视频传输领域的产业难题。

个人简介： 陈敏，华为公司2012实验室中央媒体技术院视频工程部部长。

鲁国

上海交通大学

luguo2014@sjtu.edu.cn