穆亚东

北京大学  研究员

报告题目：多模态基础模型：从CLIP到PI-0.6

报告摘要：多模态大模型是人工智能领域近期的研究热点之一，通过融合视觉、语言、动作等模态数据，正在向具身智能和通用智能方向演进。本报告重点探讨了其架构设计、核心要素及前沿应用场景，特别是讲者所负责的实验室在多模态具身大模型方面的近期研究进展，包括视觉语言导航模型、基于思考链的具身大脑RoboAgent、基于闭环控制的具身TEA模型等、以及在具身tokenization等方面的一些研究进展等。

个人简介：穆亚东，北京大学长聘副教授、北大博雅青年学者、北京智源学者，新闻出版智能媒体技术重点实验室副主任，先后在北京大学获得理学学士和理学博士学位。曾在新加坡国立大学、美国哥伦比亚大学、华为香港诺亚方舟实验室、美国电话电报公司研究院（AT&T Labs）担任研究职位，主要研究领域为计算机视觉和机器人学，在CVPR等中国计算机学会论文推荐列表A类会议和T-PAMI等ACM/IEEE汇刊发表论文超过90篇，申请PCT、美国或中国专利40余项。获得陕西省自然科学一等奖、国际会议SIGIR最佳论文提名奖、北京大学京东方奖教金、杨王院士奖教金等。担任多媒体领域旗舰期刊IEEE Transactions on M

邵天甲

浙江大学  长聘副教授

报告题目：Gaussian+X的双尺度三维真实感表达研究

报告摘要：三维高斯泼溅（3DGS）是当前主流的三维真实感表达，在高保真辐射场绘制与三维重建中表现突出。但其绘制依赖基于分块的高斯空间排序，存在固有的视点不一致问题，视角移动易引发时序闪烁伪影；同时三维高斯优化计算开销大，难以满足实时在线三维重建需求。针对上述瓶颈，本文开展Gaussian+X （如二维面元、有向距离场等）双尺度真实感表达研究，所提方法实现超高速高保真辐射场绘制，帧率达 650+fps，有效解决 3DGS 视点不一致与时序闪烁问题；同时完成高实时三维高保真重建，重建速度 150+fps，显著降低计算代价。该研究为真实感绘制与实时三维重建提供了高效可行的技术方案。

个人简介：邵天甲，浙江大学CAD&CG全国重点实验室长聘副教授、博士生导师，获国家自然科学基金优秀青年基金项目资助。之前在英国利兹大学（University of Leeds）担任Lecturer（终身教职）。研究方向是计算机图形学和三维视觉，包括三维重建，数字人、3D AIGC等。已在计算机图形学和视觉的顶级期刊和会议（TOG, SIGGRAPH, TVCG, CVPR等）发表CCF-A类论文40余篇。他是ACM SIGGRAPH 2022/2023程序委员，CVM 2022程序委员会共同主席，现担任The Visual Computer和Computer&Graphics编委，中国电子学会虚拟现实分会总干事。

王州霞

中山大学  副教授

报告题目：面向具身任务的视觉生成：从语义粒度表示到时空可控探索

报告摘要：具身智能的实现不仅依赖于强大的感知，更依赖于对物理世界进行高效表示与精准模拟的能力。本报告将围绕“表示、控制、应用”三个维度，分享我们在构建具身视觉生成模型方面的探索。

个人简介：王州霞，国家级青年人才，中山大学预聘副教授。博士毕业于香港大学MMLAB-HKU，研究生毕业于中山大学；曾在南洋理工大学MMLab-NTU任博士后研究员。已发表多篇国际顶级会议和期刊论文(CVPR、ICCV、SIGGRAPH、ICLR、AAAI、IJCV、TPAMI、TIP、IJCV等)。长期担任TPAMI、TIP、IJCV、CVPR、ICCV、ECCV、NeurIPS、SIGGRAPH等国际顶级期刊和会议的审稿人。研究方向涵盖视觉理解与内容生成技术，包括高级视觉语义理解、底层视觉语义修复、图像/视频可控生成等。