复杂场景下基础模型感知理解增强论坛

学术论坛

复杂场景下基础模型感知理解增强论坛

论坛简介

随着人工智能技术的快速发展，基础模型（Foundation Models）已成为推动智能系统演进的核心技术范式。然而，当基础模型面对现实世界的复杂场景时，其感知理解能力仍面临诸多挑战。环境复杂性，如光照、天气严重影响模型性能表现；数据复杂性，如长尾分布、噪声污染和跨域差异，引起域适应问题；模态复杂性，带来多源异构信息融合与协同理解的挑战；多种复杂性的叠加，严重影响自动驾驶、具身智能、人形机器人、智能制造、医学诊断等应用。因此，增强复杂场景下基础模型感知理解，具有重要的理论价值、技术意义和应用前景，对推动AI技术从理论突破走向实际应用、从单一场景走向复杂环境具有关键作用。

论坛日程

论坛主席

蔡成涛

CSIG理事

哈尔滨工程大学教授

个人简介：蔡成涛，教授，博士生导师，哈尔滨工程大学智能科学与工程学院院长、党委副书记，教育部高层次人才计划，享受国务院政府特殊津贴专家，工信部电子科学技术委员会委员，黑龙江省“环境智能感知重点实验室”主任，教育部“船海装备智能化技术与应用”重点实验室副主任，兼任黑龙江省计算机学会常务副理事长，黑龙江省人工智能学会理事。长期从事复杂环境智能感知等领域研究，发表学术论文80余篇，授权发明专利30余项，累计主持国家及省市自然科学基金、国防预研及科研等研究课题50余项。研究成果先后获得国防科技进步一等奖、海洋工程科技进步二等奖、黑龙江省科技进步二等奖等奖项、中国航海科技突出贡献（个人）奖等荣誉。担任国际期刊Applied Soft Computing编委，Journal of Real-Time Image Processing客座编辑等。

王兴刚

华中科技大学教授

个人简介：王兴刚，华中科技大学电信学院教授博导，国家级青年人才，现任Image and Vision Computing期刊共同主编， IEEE TPAMI、Machine Vision and Application等期刊编委，担任CVPR、ICCV、NeurIPS等顶级会议领域主席。主要从事计算机视觉、深度学习、多模态基础模型、视觉表征学习、目标检测分割跟踪、自动驾驶等领域研究，在IEEE TPAMI、IJCV、CVPR、ICCV、NeurIPS等顶级期刊会议发表学术论文60余篇，谷歌学术引用4万余次，入选Elsevier中国高被引学者、斯坦福前2%科学家。入选中国科协青年人才托举工程，获湖北青年五四奖章、CSIG青年科学家奖、吴文俊人工智能优秀青年奖、CVMJ 2021年度最佳论文奖、MIR期刊年度最高引用论文奖、湖北省自然科学二等奖等。

论坛讲者信息

侯军辉

香港城市大学副教授

报告题目：Neural Spatial Computing: Geometric Modeling and Representation Learning

报告摘要：神经空间计算，即通过基于神经网络的算法感知、推理和编辑空间数据（如几何）的能力，是推进机器人、AR/VR和无人系统中人工智能应用的基础。本报告将展示我们为推动这一领域的边界所做的努力，从3D场景的基本表示和建模开始，到跨模态/结构学习机制的开发，这些新的视角将开启更多可能性。

个人简介：侯军辉，香港城市大学计算机科学系副教授（自2026年7月晋升为教授），他的研究方向包括多维视觉计算，如光场、高光谱、几何和事件数据。他曾获得香港研究资助局的早期职业奖、国家自然科学基金的优秀青年科学基金项目，以及IEEE TIP最佳论文奖。他曾任或现任IEEE TIP、TVCG、TMM和TCSVT的编委。

程　塨

西北工业大学教授

报告题目：小目标检测

报告摘要：作为自动驾驶等前沿应用的核心，小目标检测因视觉特征匮乏，极易被背景及噪声淹没，成为复杂场景感知的关键难题之一。本报告聚焦小目标检测任务，从数据与算法两个维度探讨系统的解决方案。首先，针对复杂场景缺乏大规模基准导致的数据适应难题，构建了涵盖自动驾驶与航空场景的大规模小目标数据集，为模型评估与真实场景落地奠定坚实的数据基础；其次，针对正样本稀缺与判别信息匮乏问题，提出基于由粗到精区域生成与特征模仿学习的检测框架，提升受限目标的区域特征表示能力；进一步，针对信息受限引发的内在模糊与高度不确定性，提出不确定性学习框架，通过不确定性分支指导动态采样与感知交互，避免模糊样本误导模型优化；最后，针对极端环境中视觉线索严重退化的难题，提出面向小目标检测的特征校正新范式，利用先退化后校正策略生成动态提示，驱动任务导向的特征校正。本报告期望为推动复杂环境下的小目标感知理解与落地应用提供有益参考。

个人简介：程塨，西北工业大学教授，自动化学院副院长，信息融合技术教育部重点实验室副主任，国家级青年人才，获中中国图像图形学会青年科学家奖，连续5年入选科睿唯安“全球高被引科学家”和爱思唯尔“中国高被引学者”。主要研究方向为光学遥感图像理解、计算机视觉等。以第一作者/通讯作者发表论文100余篇，包括TPAMI、IJCV、CVPR、ICCV等，谷歌学术总引用3万余次，8篇论文引用超千次，获得2021年度IEEE TCSVT最佳论文奖、2021年度和2023年度IEEE地球科学与遥感学会最高影响力论文奖、中国电子学会自然科学一等奖、陕西省科学技术一等奖等科技奖励，担任IEEE GRSM、IEEE TGRS等多个期刊编委。

刘　翔

湖南视比特机器人有限公司中级工程师

报告题目：Agent时代的AIOps平台研发与应用

报告摘要：在工业 4.0 与 “AI + 制造” 深度融合的背景下，工业 AI 技术正从单点验证走向规模化落地，但传统低代码平台 MLOps/AIOps 体系面临运维流程复杂、工程化门槛高、异常响应被动、难以应对复杂多变的工业工况。Agent 技术的兴起，为工业 AIOps 带来了从被动响应到自主决策的全新破局范式。湖南视比特机器人有限公司推出的翔云平台，是面向工业场景的 Agent 驱动型 AIOps 平台。区别于传统低代码与 AIOps 方案，以全自研 AIOps 智能体为核心，构建了 “感知 - 决策 - 执行” 一体化的 AI 全生命周期运维体系。内置工业级智能 Agent，可自主完成从数据治理、模型开发、训练部署到项目运维、异常修复的全流程自主闭环；支持自然语言交互大幅降低工业 AI 的使用门槛，同时通过持续数据回流，模型迭代与行业知识库融合，实现从被动运维到主动预判式优化的升级。针对传统 Agent 方案在工业场景中效率低、工程化能力弱等痛点，翔云平台通过自研 Agent 架构与工程化实践，实现了 AI 项目开发与运维流程的自动化、智能化管控，已在汽车等多个行业实现落地应用，显著提升工业 AI 应用的落地效率、稳定性与泛化能力，降低交付与维护成本。本报告将围绕翔云平台的技术架构、Agentic AIOps 核心能力，以及在工业场景中的实践路径与应用成效，为 Agent 时代工业级 AIOps 平台的研发与规模化落地提供可借鉴的思路与方案。

个人简介：刘翔，湖南视比特机器人有限公司 AI 事业部总经理，负责部门技术研发与业务团队管理。深耕工业智能与 AI 领域，主导翔云平台等核心产品的研发与规模化落地，聚焦 Agent 与 AIOps 技术的工业场景创新，推动工业 AI 全生命周期管理的智能化升级，为制造业 AI 规模化应用提供高效解决方案。

李劭辉

浙江大学百人计划研究员

报告题目：突破通信瓶颈与环境噪声：复杂环境下的多智能体协同感知增强

报告摘要：协同感知通过多智能体间的信息共享突破了单体感知的局限，但在自动驾驶、机器人集群协作等现实复杂环境下，通信带宽瓶颈与环境噪声干扰（如位姿误差、运动模糊）严重制约了其可用性和可靠性。本报告聚焦于这两大核心挑战，介绍多智能体的协同增强方案：首先将聚焦于通信资源的极致利用，分享如何通过语义-统计双重压缩以及多参考的重构增强，挖掘智能体间的时空相关性，实现通信带宽要求的大幅下降；随后，针对复杂环境下的感知失真，将介绍运动感知的鲁棒通信框架，探讨如何通过多尺度特征融合与运动补偿机制，增强系统对噪声的免疫力。最后，报告将展望人机协同的新范式，讨论支持机器感知与人类视觉感知的通信协作方法。

个人简介：李劭辉，浙江大学信息与电子工程学院百人计划研究员、博导。研究方向为视频图像编码、多智能体感知与决策，致力于推动视觉信息编码传输技术智能化。主持国家自然科学基金青年项目，参与多项国家级重大项目。曾获中国电子学会科技进步二等奖、上海市科技进步一等奖，入选2023年“博士后创新人才支持计划”。近五年在IEEE TSP、IEEE TCSVT、ICLR、ICML、ECCV等顶级期刊会议发表论文40余篇，获授权美国专利2项、中国专利20余项。长期担任顶级期刊会议审稿人，并任PRCV 2025、ICME 2025领域主席，获评“PRCV 2025最佳领域主席”。

吴科君

华中科技大学助理教授

报告题目：真实世界图像码流损坏下语义内容理解

报告摘要：在真实世界存储及通信等场景中，图像视频码流域数据损坏或缺失，会导致严重的像素域信息退化，甚至完全不可解码，对精准语义理解构成了重大挑战。本报告从损坏图像时空内容修复、以及损坏码流盲理解等多种技术路线，对损坏多媒体数据进修复强与理解。提出了码流损坏视频修复基础模型，增强损坏区域定位和视觉修复能力，实现损坏伪影去除及丢失内容补全；借助大模型长上下文语言建模及推理能力，将损坏码流的十六进制序列视为计算机专门“语言”，从而不依赖于损坏码流的复杂逐像素解码，实现直接从原始字节序列片段中盲理解底层语义。综合评估表明，在码流比特反转、字节丢包等真实损坏下，可实现高质量图像内容修复及精准字节内容语义理解。

个人简介：吴科君，博士，IEEE高级会员，研究生导师，现任华中科技大学电子信息与通信学院助理教授。研究兴趣主要包括多模态大模型、多媒体理解、生成式压缩等领域，近5年在IEEE TMM、IEEE TCSVT、NeurIPS、ACM MM等高水平期刊会议发表论文50余篇。担任IEEE OJSP、ASOC、JRTIP等权威期刊编委、《电子与信息学报》客座编辑，并在国际会议AAAI 2026、PRCV 2026、IJCNN 2025、ICASSP 2024、ISCAS 2024及MMSP 2023中担任程序委员会/专题主席等。主持或参与国家自然科学基金等项目多项。

纪　勋

大连海事大学讲师

报告题目：复杂海洋场景智能视觉感知增强与理解

报告摘要：复杂海洋场景智能感知作为支撑我国 “透明海洋” 战略实施的关键技术之一，其发展在海洋资源勘探、航海安全预警、生态监测及国防安全等领域均具备重要的战略价值。然而，受水体对光线的散射与吸收双重作用影响，海洋场景视觉图像普遍存在成像模糊与低能见度问题，直接诱发海洋目标轮廓畸变以及纹理细节丢失，进而导致海洋场景智能感知效果大幅降低、海洋目标误识别与漏识别率显著上升。针对上述问题，本报告将围绕主流基础模型范式，深入探讨复杂海洋场景智能视觉感知增强与理解技术，系统梳理该领域的发展现状、最新研究成果及典型应用。

个人简介：纪勋，大连海事大学船舶电气工程学院专任教师，硕士生导师，大连市高层次人才，大连市引进城市发展紧缺人才(五星级)。主要从事海洋环境视觉感知增强、目标检测、海-空跨域视觉成像、多模态大模型等研究方向。主持国家自然科学基金、辽宁省自然科学基金、国家级重点实验室课题等科技类项目10余项，以第一作者/通讯作者身份发表IEEE Trans、中国科学院1区Top等期刊论文20余篇，授权国家发明专利11项，其中2项已实现科技成果转化。目前担任Bon View Publishing兼职编辑以及IEEE TII、TSMC-A、TGRS、EAAI、ESWA等权威期刊审稿人。

论坛联系人

姓名：吴科君

单位和职称：华中科技大学助理教授

邮箱：kjwu@hust.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?