林绍辉

华东师范大学  教授

报告题目：多模态大模型高效训推关键技术研究

报告摘要：多模态大模型已成为人工智能领域的重要发展方向，在视觉理解、语言推理、人机交互等任务中展现出卓越的综合能力。然而依然面临着大模型冗余高、训练开销大、轻量表征弱等问题，本报告重点介绍（1）深度模型冗余性去除理论，构建低功耗深度模型；（2）高效训练加速策略，提升模型的训练速度同时保持识别高精度；（3）紧致模型表征学习技术，提升模型特征表达能力，适应不同任务有效泛化。

个人简介：林绍辉，华东师范大学计算机科学与技术学院教授、博导。博士毕业于厦门大学，新加坡国立大学博士后。主要研究方向是高效视觉计算。在国际顶级期刊和会议，如TPAMI、TIP、ICML、CVPR等CCF A及Trans上，以第一作者/通讯身份发表40余篇论文。单篇论文谷歌最高引用超千次，谷歌总引用7100余次。主持国自然面上、青年基金、重大项目子课题、上海市扬帆计划人才项目、华为校企合作项目等横纵向课题20余项。担任国际人工智能顶级会议CVPR、ICML、ICLR等领域主席；IEEE模型表示、压缩、分发和管理标准工作组（NO.IEEE 2941-2021）重要组织成员。获IEEE标准突出贡献奖、中国人工智能学会优秀博士学位论文提名奖、福建省优秀博士学位论文奖等奖励。 研究成果应用于华为Mate、Pura等系列手机闪拍、长焦功能。

刘　缘

香港科技大学 助理教授

报告题目：前馈式三维重建大模型及其视频生成应用

报告摘要：本次报告旨在探讨前馈式三维重建模型在视频生成中的应用。前馈式三维重建模型不仅是将平面视频提升为整体4D结构的关键手段，更是赋能高质量视频生成的底层数据引擎；而引入4D时空先验，则能显著提升生成模型的可控性、物理合理性与时序一致性。报告将首先讨论前馈式三维重建技术的发展路径。我们将展示如何从早期的优化方法逐步演进至通用的前馈大模型：从致力于优化深度与姿态时序一致性的 Align3R，发展到通过解耦相机与物体运动实现以世界为中心（World-centric）稠密跟踪的 Tracking World，以及一个能够进行大规模、可扩展4D重建的前馈式基础模型Holi4D。随后，我们将会探讨前馈式三维重建在视频生成中的应用。我们将会展示如何利用重建得到的4D先验来打破现有视频生成模型的局限，这些工作共同构建了一个从感知到生成的架构，展现可扩展的4D重建技术是实现高保真、物理感知视频生成的有效手段。

个人简介：刘缘，香港科技大学助理教授，博士生导师。他于香港大学计算机系获得博士学位。之后，他在南洋理工大学进行了博士后研究。他的研究集中于三维计算机视觉和计算机图形学。他致力于利用人工智能技术实现快速高效精确的三维重建、三维生成、视频生成并服务于下游影视、动画、游戏等任务中。他的工作例如SyncDreamer，NeuS，PVNet等在领域内获得广泛好评，成为领域内的基础算法。他在计算机视觉与图形学顶会顶刊（CVPR, ECCV, ICCV, NeurIPS, SIGGRAPH, ICLR等）上发表论文50余篇。个人主页：https://liuyuan-pal.github.io/。

朱　磊

香港科技大学（广州）助理教授

报告题目：Foundation Models for Medical Image Analysis

报告摘要：In this talk, I will present our work for healthcare based on diverse deep learning techniques. First, I will focus on leveraging traditional CNNs (e.g., Transformer) for addressing different medical image segmentation or other tasks. Then, I will talk about our medical image analysis works based on recent foundation models, including diffusion models, Mamba models, LLMs, and so on.

个人简介：朱磊，广东省重大人才项目青年拔尖人才，香港科技大学（广州）的助理教授，博导。2017年香港中文大学获得博士学位，剑桥大学博士后。主要的研究方向是底层视觉、视觉生成、视觉复原和理解、医学图像、深度学习等。在Nature Medicine/IEEE TPAMI/IJCV/ NeurIPS/ CVPR/ICCV/ IEEE TMI等发表了150篇左右的论文，其中CCF-A类和IEEE Transactions期刊100余篇, 包括50余篇的IEEE TAPMI/IJCV/CVPR/ICCV/NeurIPS。Google Scholar引用 10000 余次。多次受邀担任国际会议的高级程序委员(SPC）。