2021中国多媒体大会
  • 登录
  • 注册
  • 欢迎您:hlladmin 退出
报名 团报
分享

微信扫一扫:分享

微信里点“发现”,扫一下

二维码便可将本文分享至朋友圈

  • 首页
  • 注册与投稿
  • 会议动态
  • 组织机构
  • 会议安排
    主旨报告高峰论坛顶会顶刊论坛女性菁英论坛人才发展交流论坛讲习班论坛文峰青年论坛竞赛论坛钻石赞助商特邀报告企业论坛最佳论文评选论坛论文口头报告论文墙报展示
  • 会议简介
  • 参会指南
  • 资料下载
  • 会议赞助
    钻石赞助:腾讯会议铂金赞助:快手金牌赞助:好未来银牌赞助:爱奇艺
  • 赞助公司招聘
    腾讯会议快手爱奇艺
  • 线上直播
  • 首页
  • 注册与投稿
  • 会议动态
  • 组织机构
  • 会议安排
    主旨报告高峰论坛顶会顶刊论坛女性菁英论坛人才发展交流论坛讲习班论坛文峰青年论坛竞赛论坛钻石赞助商特邀报告企业论坛最佳论文评选论坛论文口头报告论文墙报展示
  • 会议简介
  • 参会指南
  • 资料下载
  • 会议赞助
    钻石赞助:腾讯会议铂金赞助:快手金牌赞助:好未来银牌赞助:爱奇艺
  • 赞助公司招聘
    腾讯会议快手爱奇艺
  • 线上直播
  • 欢迎您:hlladmin
  • 退出
  • 登录
我要报名

讲习班论坛


主讲嘉宾:高跃,刘安安,叶海良,宋新航,叶齐祥

时间:2021年9月25日15:50-17:50

地点:1楼天空厅


        报告嘉宾1:

高跃

        报告题目:3D视觉对象的融合表征与超图计算

        报告摘要:3D视觉信息是客观世界的基本表征,通常可通过点云、视图、体素及网格等不同模态数据进行表示。如何更好地进行3D视觉对象的融合表征与检索在虚拟现实、CAD等领域需求迫切。本报告主要介绍了3D视觉对象的融合表征与超图计算方法。以点云与视图为例,探索基于多模态3D数据的配准融合,介绍了2D图像-3D点云的跨模态配准方法,消除数据噪声和冗余影响;介绍了视图与点云的融合特征提取方法,实现多模态耦合的融合特征刻画;介绍了基于超图的3D视觉对象高阶复杂关联建模方法,并实现超图结构引导下的3D对象检索。

        个人简介:高跃,清华大学长聘副教授、博士生导师。主要研究领域为人工智能、计算机视觉,承担科技部重点研发计划、自然科学基金重点等多项项目,在IEEE TPAMI、IEEE TIP、CVPR、ICCV、ECCV等国际期刊及会议发表论文200余篇,论文引用7000余次,入选国家青年特聘专家,曾获得福建省科技进步一等奖、中国电子信息科技创新团队奖一等奖,2018年、2019年及2020年入选Web of Science高被引科学家, Elsevier2020中国高被引学者。担任IEEE Trans. on Signal and Information Processing over Network、IEEE Signal Processing Letter及Journal of Visual Communication and Image Representation等多个国际期刊编委。


        报告嘉宾2:

 

 

刘安安

       报告题目:跨域三维模型检索理论研究及应用

        报告摘要:随着3D技术在数字娱乐、智能制造、生物医药等领域的发展,三维模型数据量急剧上升,如何管理不断增长的大规模三维模型数据成为了一个亟需解决的问题。三维模型检索技术也因此应运而生,其旨在给定查询物体后,从待检索数据集中找到与之相似的三维模型。然而,传统的三维模型检索方法中查询对象限定为三维模型,因其不易被普通用户获取而没有被广泛应用。相比较而言,在跨域三维模型检索中,其查询对象可以是2D图像,它可以被用户更加方便快捷的获取。因此,跨域三维模型检索成为了当前3D技术领域的研究热点。本次报告将从以下三个角度介绍团队在跨域三维模型检索领域的最新研究成果:1)在跨域表征耦合层面,针对跨域特征分布差异大导致相似性度量难问题,提出层级化嵌入联合耦合策略,同时在域级别和类级别实现跨域特征对齐;2)在跨域表征学习方面,针对异构数据复杂导致显著性特征提取难问题,提出创新的互信息最大化引导的语义一致性实例特征对齐网络;3)针对现有跨域三维模型检索算法中特征提取器不鲁棒导致算法稳定性差问题,提出从对抗攻击角度分析特征提取器的脆弱性,并从防御角度提升网络模型的鲁棒性。

        个人简介:刘安安,男,天津大学教授、博导,教育部电视与图像信息研究所所长,爱思唯尔高被引学者,天津市“131”创新人才。先后在美国卡耐基•梅隆大学和新加坡国立大学访学。从事多媒体内容分析研究,积极探索研究成果与社交网络、视频监控、生物医学图像等多领域结合。发表及录用IEEE/ACM汇刊、CCF-A类会议长文50余篇,授权国家发明专利30项。先后作为负责人承担国家重点研发计划课题、国家自然科学基金等多项。获省部级科技进步二等奖(排名第一);所发表论文被评选为著名期刊IEEE Journal of Biomedical and Health Informatics亮点论文,2020年中国多媒体大会最佳中文论文奖。


        报告嘉宾3:


叶海良

        报告题目:面向点云数据的深度学习方法及其应用

        报告摘要:近年来,随着3D视觉研究的不断深入,深度学习在3D点云数据处理中大放异彩,其网络模型层出不穷,取得了较大成功。然而,由于3D点云数据的非结构化性、无序性、数据缺失与稀疏性等特点,现有模型在其加深网络深度、特征多样性、噪声干扰及鲁棒性等上仍具有较大的挑战性。针对这些问题,本报告将介绍我们研究小组在3D点云数据分类与分割的深度学习理论与方法上的工作,以及浅谈对3D点云重建与匹配任务的一些思考。

         个人简介:叶海良,博士,中国计量大学副教授,硕士生导师。2019年博士毕业于华中科技大学计算数学专业。现主持国家自然科学基金青年项目1项、浙江省自然科学基金探索项目1项, 作为主要参与者参加国家自然科学基金重点项目和面上项目3项、浙江省自然科学基金重点项目1项。在IEEE Trans. Cybern., IEEE Trans. Image Process., IEEE Trans. Geosci. Remote Sens., Neural Netw., Inf. Sci., Expert Syst. Appl., Knowledge-Based Syst.等国际权威期刊发表论文近20篇。当前主要研究方向为:深度学习、图神经网络、矩阵恢复、图像处理、3D点云数据分析。


        报告嘉宾4:


宋新航

        报告题目:RGB-D多模态场景识别与目标导航

        报告摘要:物体导航任务是要求智能体在未知环境中找到指定的目标物体,以往工作通常利用深度学习模型通过强化学习方式来训练智能体进行实时的动作预测。在未知环境中,当目标物体没有出现在智能体的视野中,智能体往往由于缺乏指导而不能做出高效路径规划,因此如何理解场景及其内容,是提升智能体导航能力的挑战性问题。本工作以RGB-D多模态视觉为输入,在模拟器\真实环境中通过研究RGB-D多模态场景及物体识别技术,以构建场景-区域-物体多层知识图,并最终指导智能体的导航模型。报告将具体介绍两方面工作,一是基于RGB-D多模态数据的场景识别及目标检测,并构建场景知识图以更全面理解环境内容;二是场景知识图指导的智能体导航技术,通过场景知识图快速定位目标潜在区域,指导强化学习模型预测正确路径,以克服未知环境只有部分内容可见问题

        个人简介:宋新航,男,2017年获中国科学院计算技术研究所博士学位,现任副研究员,硕士生导师。主要研究方向包括场景图像/视频识别、分割、目标检测与机器人导航等。曾在CVPR,AAAI,IJCAI,ACM MM,Trans. on IP,Pattern Recognition等国际知名期刊和会议上以第一作者发表作论文十余篇,曾获CVPR 2021 Embodied AI目标导航竞赛冠军,ACM MM2016 Yahoo-Flickr语言描述生成冠军,ImageCLEF 2013机器人视觉竞赛冠军。曾获中科院院长特别奖,中国图象图形学学会(CSIG)优博,获第二届“博新计划”支持。


        报告嘉宾5:

叶齐祥

        报告题目:基于特征匹配的高性能视觉目标检测

        报告摘要:深度学习目标检测器在训练过程中往往依赖IoU评估检测结果好坏。基于“大的IoU并不意味着好的特征”的观察,提出了Learning-to-Match的方法实现目标与锚点/特征的自由匹配。Learning-to-Match通过极大似然估计进行建模,而通过一个即插即用的锚点/特征匹配损失函数实现,优化匹配损失函数驱动目标找到最佳的特征匹配。Learning-to-Match适用于带锚框(anchor-based)或者无锚框(anchor-free)目标检测器。基于Learning-to-Match发展起来的一系列目标检测器(FreeAnchor-NeurIPS2019、ATSS-CVPR2020、MAL-CVPR2020、AutoAssign2020、PAA-ECCV2020、Conformer2021)将COCO上的目标检测性能提升了5%,而不增加任何推理代价。本报告也回顾了2019-2021年基于深度学习的视觉目标检测的重要进展,讨论了未来的研究方向。

        个人简介:叶齐祥  教授,博导。中国科学院大学长聘教授,卢嘉锡青年人才奖获得者,中国科学院优秀博士生导师。2013至2014年在美国马里兰大学先进计算机技术研究所(UMIACS)任访问助理教授,2016年Duke大学信息技术研究所(IID)访问学者。主要进行监督信息不完备条件下的视觉与多模态目标检测技术研究,在IEEE CVPR, ICCV, NeurIPS, AAAI、ECCV等顶级会议与T-PAMI, TNNLS, TIP, T-ITS, PR等期刊发表论文100余篇,H-Index为39,SCI引用1400余次,多篇论文ESI高被引,获得IEEE ICIP最佳论文提名奖。承担了自然基金重点、开发的高精度目标感知方法支撑了华为、航天等单位的应用系统。曾获ICCV2017、 CVPR2019、高分辨率对地观测重大专项遥感目标解译竞赛冠军、美国马里兰大学杰出研究学者奖、中国电子学会、中国图像图形学会自然科学奖。培养多名博士生获中科院院长奖、中国科学院百篇优秀博士论文、博士后创新人才计划支持等。担任IJCAI国际会议资深程序委员、国际期刊IEEE Transactions on Intelligent Transportation System,IEEE Transactions on Circuit and System on Video Technology编委。



版权所有:中国计算机学会技术支持邮箱:conf_support@ccf.org.cn

京ICP备13000930号-4 京公网安备11010802032778号