熊红凯

上海交通大学  教授

报告题目：视频思考：表示-推理-调度-生成

报告摘要：随着多模态大模型的快速发展，视频正从“感知数据”演进为承载复杂语义与动态过程的核心信息载体，为人工智能迈向高层次认知与推理奠定了基础。然而，现有方法在长时序建模、复杂事件理解及多智能体协同等方面仍面临表示能力不足、推理机制模糊与系统调度低效等挑战。本次报告围绕“视频思考”这一新范式，系统探讨从表示、推理到调度与生成的关键技术路径，介绍团队在视频表示学习、跨模态推理机制、任务级调度优化及生成式视频建模等方面的最新进展，分析视频驱动智能系统在复杂场景理解与决策中的能力边界与演化方向。报告将进一步探讨视频作为认知载体在通用人工智能中的作用，展望多模态智能系统从“感知理解”迈向“思考决策”的发展趋势。

个人简介：熊红凯，华东师范大学特聘教授，通信与电子工程学院院长；上海交通大学特聘教授（二级教授）；国家杰青、长江学者特聘教授、万人领军人才；IEEE Fellow，AAIA Fellow，中国电子学会会士，中国计算机学会（CCF）会士，国家自然科学基金委信息学部专家咨询委员会委员。研究方向为信息论与编码、信号处理、多媒体通信、机器学习、计算机视觉、生物医学信息，在国际顶级会议期刊发表论文390余篇。作为第一完成人，曾获上海市青年科技杰出贡献奖、上海市科技进步一等奖、中国电子学会自然科学一等奖、上海市技术发明奖一等奖（2次）；曾获宝钢优秀教师奖（2 次）、华为最佳创新合作奖和优秀合作奖等奖项。

付彦伟

复旦大学  教授

报告题目：感知即行动：重新思考具身智能中的视觉范式

报告摘要：在具身智能场景中，智能体并非静止的观察者，而是持续交互中的行动者。视觉不再只是“看到什么”，而是“为了完成任务应该如何去看”。在抓取、装配乃至复杂的长时序操作中，感知本身必须成为决策闭环的一部分。视角选择、观察策略规划以及在不完全信息下的动态信念更新，构成了真正的智能挑战。随着大模型与VLA框架的发展，被动视觉范式逐渐暴露出在长时推理与开放世界适应中的局限。本报告围绕“感知即行动”的核心思想，重新定义视觉在具身智能中的角色，探讨主动视觉、世界模型与记忆机制的统一建模路径，并思考如何将视觉从被动感知模块转变为可规划、可控制的行动变量，探索新的具身智能系统可能范式。

个人简介：付彦伟，复旦大学大数据学院教授、上海市创智学院全时导师，博士生导师。2014获伦敦大学玛丽皇后学院博士学位，随后在美国匹兹堡迪士尼研究院开展博士后研究。2017年获上海高校特聘教授（东方学者），2018年获国家“青年千人计划”学者。在Google Scholar上的引用已2.2万余次。迄今已发表论文140余篇，其中以第一或通讯作者在 IEEE TPAMI 上发表论文 17 篇。曾获IEEE ICME 最佳论文奖、CVPR最佳论文奖提名等，拥有 20 余项中国发明专利和9项美国专利，长期担任多项国际顶级期刊与会议的审稿人及编委。