个人简介： 张艳宁，西北工业大学教授、博士生导师，教育部“长江学者”特聘教授、中组部首批“万人计划”科技创新领军人才、全国创新争先奖获得者、973首席科学家，现任西北工业大学副校长。先后主持和承担某基础加强重点项目、973项目、国家自然科学基金重点项目、863、总装预研等国家级项目40余项。在IEEE TPAMI、IEEE TIP、IJCV、CVPR、ICCV等国内外本领域权威期刊和重要国际会议上发表论文150余篇，指导学生发表CVPR 2023最佳学生论文、ICCV 2011最佳学生论文，出版专著4部，获授权发明专利150余项，以第一完成人获国家技术发明二等奖2项、国家教学成果二等奖1项、国防技术发明一等奖2项、陕西省科学技术一等奖2项等。长期致力于图像处理、模式识别、计算机视觉与智能信息处理等的研究，并与航天、航空等方面的国家重大需求相结合，带领团队在空间环境感知、空天地海一体化大数据应用技术方面获得了丰富成果。

个人简介： 王蕴红，北京航空航天大学计算机学院院长，教授、博士生导师，国家级领军人才，享受国务院政府特殊津贴，国际电子电气工程师学会会士（IEEE Fellow），国际模式识别学会会士（IAPR Fellow），中国计算机学会会士（CCF Fellow）、常务理事，中国人工智能学会会士（CAAI Fellow）、常务理事、智能交互专委会主任，中国图象图形学学会常务理事。长期从事模式识别与计算机视觉方面研究，发表的论文被引用2万余次，曾获中国青年科技奖、国家技术发明二等奖、北京市教学成果一等奖。2022年获得国际模式识别学会女性科学家Maria Petrou奖，是该奖自设立以来第一位获得此奖项的华人；2023年获得CCF夏培肃奖，该奖主要授予为推动中国的计算机事业做出杰出贡献、取得突出成就的资深女性科技工作者。

报告题目： 面向低质数据的多模态推荐

报告摘要： 多模态推荐是一种结合了用户行为数据与媒体内容数据来预测用户感兴趣内容的推荐任务形式。不同于数据干净明晰的实验室场景，实际社媒场景下，随机的用户行为数据和模糊的媒体内容数据构成了低质的数据环境。低质数据使得推荐系统难以有效挖掘关键的用户行为意图，抽取有用的内容语义信息，最终导致易产生不合理的推荐结果，危害了推荐系统的运用效能与用户体验。尽管现有方法研究了如何缓解低质行为数据的危害，但较少有工作研究如何应对低质内容数据的危害。因此，针对该问题，我们首先深入分析了低质内容数据危害推荐系统的内在机理；然后基于分析结果，提出了多视角行为引导的图卷积神经网络，实现了有引导的特征筛选，增强了推荐效果。进一步的，为了实现可泛化的特征筛选，我们基于解耦重构思想，设计了即插即用的行为驱动的特征重构方案。该方案可与任意主流多媒体推荐模型及任意特征编码器进行搭配，在保证高效性的前提下，均可显著提升推荐效果。

个人简介： 鲍秉坤，南京邮电大学计算机学院、软件学院、网络空间安全学院副院长，教授、博士生导师。国家杰出青年基金获得者、中组部万人计划-青年拔尖人才、江苏省杰青、江苏省双创人才。研究方向为多媒体计算、社交多媒体、计算机视觉、人工智能等。先后主持多项国家和省部级项目，包括国家重点研发计划：科技创新2030-人工智能重大专项、国家自然科学基金重点项目、国防科技173计划技术领域基金项目、江苏省重点研发计划等。荣获2018年度电子学会科学技术（自然科学类）一等奖。荣获多媒体领域的ACM汇刊TOMM 2016年度最佳论文奖、IEEE MM 2017年度最佳论文奖、Multimedia Modeling 2019年度最佳论文Runner Up奖。荣获ICME 2020 Outstanding Areas Chair。 

报告题目： 城市PRISMA高光谱卫星数据的非线性解混

报告摘要： 在城市区域，高光谱卫星数据（如PRISMA卫星）的主要挑战在于其30米的空间分辨率不足，难以清晰识别环境的精细几何结构。然而，高光谱数据的光谱表征能力对地物识别至关重要，但复杂场景中光谱响应的高度混合性加剧了分析难度。城市环境中几何结构（二维与三维）的复杂性、多地物组合的多样性，使其成为光谱解混领域最具挑战性的场景之一。为解决城市区域复杂二维/三维结构和多地物组合导致的非线性光谱混合问题，本研究提出三项创新方法：1）基于数据值与辅助信息的非线性特征表征优化；2）针对PRISMA数据的高效计算非线性解混方法；3）融合多光谱数据的超分辨率技术以突破空间分辨率限制。本研究填补了传统传感器在城市环境精细地物表征能力上的空白，为城市遥感研究提供了新的方法论和研究视角。

个人简介： 李军，中国地质大学（武汉）教授、博导，国家杰出青年科学基金获得者，IEEE Fellow，研究方向为遥感图像处理，在RSE、IEEE TGRS、遥感学报等遥感领域权威期刊上发表论文100余篇，入选科睿唯安全球高被引学者，全球前2%顶尖学者，爱思唯尔中国高引学者。现任IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing期刊主编。

报告题目： 资源受限遥感图像智能处理

报告摘要： 深度学习因其出色的性能在遥感影像处理分析中已被广泛应用。然而，高性能深度学习模型严重依赖于海量数据、精确标注以及庞大算力。在星载/机载遥感实际应用中，数据数量、标注质量、计算能力严重受限，制约着智能模型在遥感领域的应用。本报告首先针对遥感影像数量和质量受限问题，提出跨图像关联的半监督遥感图像处理方法，摆脱了模型对原始海量高质量数据的依赖；其次，针对遥感影像标注困难、时间代价昂贵的问题，提出点标签智能解译方法，保持处理精度的同时，显著降低标注代价；最后，针对遥感计算能力受限的问题，提出一种高效的网络层压缩方法，在不影响推理精度的同时，大幅降低存储和计算代价。

个人简介： 方乐缘，湖南大学岳麓学者特聘教授，博士生导师，自动化系系主任。曾获国家杰出/优秀青年基金获得者，科睿唯安全球“高被引科学家”，爱思唯尔中国高被引学者，湖南省科技创新领军人才，中国图象图形学学会宣传工作委员会副主任。担任IEEE Trans. Neural Networks and Learning System编委，IEEE Trans. Image Processing编委，IEEE Trans. Geoscience and Remote Sensing编委，CAAI Transactions on Intelligence Technology编委以及Fundamental Research编委。共发表IEEE TPAMI、IJCV、TIP、CVPR等论文160余篇，ESI高被引论文22篇SCl他引5500余次，Google Scholar引用14000余次，H-index 52，授权国家发明专利15项，成果转化2项。

报告题目： 知识驱动的人体视觉理解与生成

报告摘要： 在日常视觉数据中，人是重要的观察对象，因此人体视觉理解与生成是计算机视觉中的重要研究领域，在诸多场景中具有广泛的应用价值。近年来数据驱动的大模型迅速发展，广泛应用于人体视觉理解与生成领域。但我们发现，即使在大模型时代，与任务有关的先验知识仍然是不可忽视的重要驱动力，有利于提高模型的精准性与可解释性。本报告将介绍我们课题组近期在人体语义分割、人-物交互检测以及新视角人体图像生成等多种任务上，以不同形式将知识嵌入模型学习的相关工作，并探讨人体视觉理解与生成领域的发展与未来。

个人简介： 张姗姗，南京理工大学计算机学院（人工智能学院）教授、博士生导师，国家优青、江苏省杰青获得者，研究领域为模式识别与计算机视觉。博士毕业于德国波恩大学，并曾在德国马普计算机研究所担任博士后研究员。2018年入选中国科协“青年人才托举工程”、微软“铸星学者”计划；2021年获得中国图象图形学学会石青云女科学家奖；2022-2024连续三年入选爱思唯尔中国高被引学者；2024年获得CAAI-华为昇思MindSpore学术基金优秀项目奖励。目前担任模式识别权威期刊Pattern Recognition编委、CVPR、ICCV领域主席、中国人工智能学会模式识别专委会副秘书长、江苏省“社会安全图像与视频理解”重点实验室副主任、VALSE常务领域主席。

姓名：董晶

单位：中国科学院自动化研究所

邮箱：jdong@nlpr.ia.ac.cn