低质量视觉处理与质量评价论坛

学术论坛

低质量视觉处理与质量评价论坛

论坛简介

在人工智能从“感知智能”向“认知智能”跨越的关键时期，低质量视觉信号的处理与评价仍是制约自动驾驶、安防监控及移动影像等关键领域发展的核心瓶颈。随着多模态大模型（LMMs）与智能体（AI Agents）的崛起，底层视觉领域正迎来一场深刻的范式重构。本论坛聚焦于这一技术变革，深入探讨如何利用大模型的生成式强语义先验，破解病态复原难题，实现从传统的“像素级信号保真”向“语义级意图再生”的跃迁；同时，探索结合智能体的主动规划能力，构建“自适应复原-感知对齐评价-动态反馈”的闭环系统。这不仅旨在解决鲁棒性难题，更致力于推动底层视觉任务与高层语义认知的统一，为下一代视觉系统提供重要的理论支撑与实践路径。

论坛日程

论坛主席

任文琦

中山大学教授

个人简介：任文琦，教授，中山大学“百人计划”引进人才，主持国家自然科学优秀青年基金。天津大学与美国加州大学Merced分校联合培养博士，从事计算机视觉与多媒体内容安全领域研究。他在CCF - A类期刊和会议长文发表80余篇学术论文（含7篇ESI高被引论文、2篇热点论文），Google学术引用22000余次，入选2022/2023爱思唯尔中国高被引学者、全球前2%顶尖科学家榜单。他多次担任CVPR、ICLR、AAAI等领域重要学术会议的领域主席和高级程序委员会委员。此外，他还主持国家自然科学优秀青年基金、联合重点项目、深圳市优秀科技创新人才培养项目，以及华为、腾讯等企业合作项目20余项，获中国计算机学会优博论文奖、吴文俊人工智能优秀青年奖、中国电子学会自然科学一等奖（2/5）、中国图像图形学会自然科学一等奖（3/5）。

陈超锋

武汉大学副教授

个人简介：武汉大学人工智能学院副教授、博士生导师。本科毕业于华中科技大学，后在香港大学获得博士学位，并于新加坡南洋理工大学从事博士后研究工作。他长期致力于图像复原与图像质量评估等前沿领域的研究，并在IEEE TPAMI、CVPR、ICLR等国际顶级期刊与会议上发表论文30余篇，谷歌学术引用量累计超过5000次。此外，由他主导开发的IQA-PyTorch开源工具包，整合了90余种主流图像质量评价算法，累计下载量突破700万次。

论坛讲者信息

翟广涛

CSIG常务理事

上海交通大学教授

报告题目：体验质量评价的进展和思考

报告摘要：随着多媒体内容的蓬勃发展与AIGC技术的爆发，视觉质量评价（VQA）领域正迎来前所未有的机遇与挑战。本次演讲将聚焦多媒体内容的变革，深入探讨视觉质量评价领域研究范式的演进路径，并全面展示大模型技术在该领域的最新应用与未来潜力。

个人简介：翟广涛，上海交通大学电子信息与电气工程学院教授，国家自然科学基金杰出青年基金获得者，多年从事多媒体智能相关研究，入选Clarivate全球高被引学者，获IEEE多媒体汇刊最佳论文奖等国际奖励20余项。以第一完成人获得中国电子学会自然科学一等奖、技术发明一等奖及中国图像图形学会技术发明一等奖，主持国家自然科学基金重点、国家重点研发计划等项目。任Elsevier期刊Displays主编、上海市图像图形学学会理事长。

左旺孟

哈尔滨工业大学教授

报告题目：通用图像复原基础模型研究进展

报告摘要：基础模型已在视觉和自然语言领域取得了巨大的成功。然而，不同的图像复原任务仍然难于共享相同的网络结构和参数，上下文学习和提示学习等策略也难以取得优于单任务模型相当或更高的性能。报告将主要汇报团队围绕这一方向的一些探索与尝试，结合扩散模型、多专家模型以及智能体代理等方式，探讨建立通用图像复原基础模型的可行性。

个人简介：左旺孟，哈尔滨工业大学计算机学院教授、博士生导师。主要从事底层视觉、视觉生成、视觉理解和多模态学习等方面的研究。在CVPR、ICCV、ECCV、NeurIPS、ICLR等顶级会议和IEEE TPAMI、IJCV及IEEE Trans.等期刊上发表论文200余篇。曾任ICCV、CVPR等CCF-A类会议领域主席，现任IEEE TPAMI、TIP、《中国科学-信息科学》、《自动化学报》等期刊编委。

江俊君

哈尔滨工业大学教授

报告题目：对比学习驱动的图像恢复技术研究 —— 从单任务优化到全场景适配

报告摘要：对比学习在高层视觉任务中成效显著，在低级视觉任务中正从机械套用转向深度协同。通过构建更本质、自适应的对比机制，挖掘任务内在结构先验，可突破传统监督学习的表征瓶颈。本报告以单图像超分为切入点，优化对比学习框架中样本构造与特征嵌入的匹配度，利用模型历史状态生成动态负样本以弱化任务偏见，进而拓展至全场景图像恢复的对比提示学习，缓解表征冗余与任务边界模糊问题，形成从单任务优化到多场景适配的技术路线，为图像恢复提供新方法与实用解决方案。

个人简介：江俊君，哈尔滨工业大学人工智能学院教授、副院长，入选国家级青年人才计划。主要从事图像处理和计算机视觉研究，在IEEE Transactions期刊和CCF A类会议发表论文百余篇，谷歌学术引用约2.7万次，H指数73，入选全球高被引科学家、全球前0.05%顶尖学者和中国高被引学者。主持国家自然科学基金联合重点项目和国家重点研发计划课题。曾获中国人工智能学会自然科学奖一等奖（序1）、吴文俊人工智能优秀青年奖和CCF 优博。

顾舒航

电子科技大学教授

报告题目：基于高效视觉先验建模的生成式图像增强方法

报告摘要：图像增强技术能够利用高质量图像先验，实现基于低质图像有限信息的高质量图像估计，高效的视觉数据先验模型是图像增强方法的核心。近年来，随着生成式人工智能技术的发展，视觉先验模型已由传统的局部结构先验向复杂的，包含高层次语义信息的生成式先验迈进，以自回归模型、扩散模型为代表的生成式图像增强技术在增强结果的感知质量方面取得突破性进展。然而，早期生成式图像增强工作计算量大，难以满足高效图像处理的应用需求。本报告介绍项目组近期在高效先验建模方面的研究工作以及高效先验建模方法在生成式图像增强领域的应用。

个人简介：电子科技大学教授, 博士生导师，国家级青年人才计划获得者。博士毕业于香港理工大学，曾任苏黎世联邦理工学院博士后研究员。主要研究图像视频增强、压缩和生成等底层计算机视觉问题，在国际顶级会议和期刊（T-PAMI, IJCV, CVPR, ICCV, NIPS等）发表论文50余篇，谷歌学术的总引用次数18000余次。近年来，主持国家自然科学基金优秀青年基金（海外）项目、国家自然科学基金面上项目、四川省创新群体项目以及多项横向课题。曾获得中国人工智能学会吴文俊人工智能奖自然科学一等奖，北京市科学技术奖自然科学一等奖，多次入选斯坦福大学全球顶尖科学家榜单。

罗文寒

香港科技大学副教授

报告题目：恶劣天气复杂场景图像复原初探

报告摘要：恶劣天气（雨、雪、雾）会导致图像退化，给模型适应性带来挑战。报告介绍了相关研究：首先，针对不同天气退化差异，引入混合专家机制与强化学习，通过通道与空间调制实现自适应处理，并将参数优化建模为序列决策以动态调整策略；其次，为降低Transformer计算复杂度，利用泰勒展开近似注意力并结合范数保持映射，实现线性复杂度并保留多尺度与长距离建模能力；此外，提出基于网格结构的框架，通过残差密集变换块与增强注意力促进特征复用，在多任务复原中表现良好；最后，探索立体视觉，提出融合语义先验的并行立体去雨网络，并构建立体雨天数据集。

个人简介：香港科技大学（HKUST）副教授，他在腾讯和Amazon担任Research Scientist，他参与开发的技术已应用于微信、QQ、腾讯视频、腾讯元宝、腾讯云、应用宝等多个腾讯产品。他于2016年获得英国帝国理工学院（Imperial College London）博士学位，2012年获得中国科学院自动化研究所硕士学位，2009年获得华中科技大学学士学位。罗老师在顶级会议和期刊上发表了100余篇论文，谷歌学术引用1万余次。他曾获得CVPR 2019最佳论文候选，并荣获2022年ACM中国新星奖（广州分会）。现任TIP AE，以及ICLR、NeurIPS、ICML、IJCAI的AC。

论坛联系人

姓名：任文琦

单位和职称：中山大学教授

邮箱：renwq3@mail.sysu.edu.cn

姓名：陈超锋

单位和职称：武汉大学副教授

邮箱：chaofengchen@whu.edu.cn

2026中国图像图形大会

联系我们

你知道你的Internet Explorer是过时了吗?