ChinaMM 2023 专题论坛

媒体计算与可信传播 

 一、          论坛介绍

在当今的信息社会，媒体计算与可信传播具有重要的意义和价值。它关注于如何利用数据驱动、人工智能和其他计算方法分析和优化传播现象，提高信息的质量、效率和影响力。一方面，它可以帮助媒体提供更准确、更有深度、更有吸引力的内容，满足受众的多样化需求；另一方面，它也可以帮助受众培养批判性思维能力，辨别信息的真伪和价值，抵御虚假或有害的信息影响。本论坛围绕“跨模态图像生成”、“鲁棒超分辨率音频生成”、“面向深度生成媒体的智能与反智能对抗”、“解耦表征学习”、“伪造检测中的取证和溯源”以及“面向可信传播的多媒体鉴伪”展开研讨，旨在探讨媒体计算与可信传播的理论基础、技术方法、实践案例和未来发展趋势，邀请了国内相关领域的专家学者共同参与交流分享。

二、          论坛议程

时长：3.5小时（每个报告30分钟，30分钟交流讨论）

形式：讲座报告

三、          组织者信息

王晖，中国传媒大学

个人简介：中国传媒大学副校长、教授。媒体融合与传播国家重点实验室（中国传媒大学）执行主任。入选2010年教育部新世纪优秀人才支持计划。主要研究领域为媒体融合、智能音视频技术等。主持国家级、省部级及横向项目20余项。曾获多项省部级教学、科研成果奖。

张远，中国传媒大学

个人简介：教授，博士生导师，中国传媒大学媒体融合与传播国重实验室副主任。主要研究领域为视频处理与多媒体通信、智能媒体分析与处理。在TMM、TASLP、CVPR、ACM Multimedia、AAAI、ICASSP、《通信学报》等国内外期刊和会议上共发表 SCI、EI 检索论文 100 余篇。主持国家科技研发计划项目课题、广电总局科技项目等多项省部级以上科研项目，获得中国电影电视技术学会科学技术一等奖，2018 年度中国广播电影电视青年科技奖。

叶龙，中国传媒大学

个人简介：教授，博士生导师，中国传媒大学媒体融合与传播国家重点实验室研究员，数据科学与智能媒体学院副院长，媒介音视频教育部重点实验室（中国传媒大学）副主任，中国人工智能学会智能传媒专委会秘书长，中国通讯学会青年工作委员会委员，中国中⽂信息学会开源情报技术专委会委员，新一代人工智能产业技术创新战略联盟理事，北京市青年人才计划入选者。主要研究领域为智能媒体分析与计算，主持或骨干参与国家重点研发计划课题1项、国家自然科学基金重点项目2项、面上项目3项、青年项目1项，科技支撑计划1项。在沉浸式视听信息处理、音视频内容生成与鉴伪、情智信息分析与计算等领域公开发表SCI、EI检索论文100余篇，其中CCF A类期刊、会议论文30余篇，申请国内外发明专利20余项，研究成果在相关部门获得重要应用。获得IFTC Best Paper Award与PCM Best Paper Finalist，2022年获中国电影电视技术学会青年科技奖。

四、          讲者信息

报告题目：面向深度生成媒体的智能与反智能对抗

卢伟，中山大学

讲者简介：中山大学计算机学院教授、博士生导师，现任中山大学人工智能研究院副院长、计算机学院网络空间安全研究所所长。主要研究方向为数字媒体取证与安全、人工智能与大数据安全、信息隐藏和隐蔽通信。主持和承担国家自然科学基金重点项目、国家重点研发计划课题、广东省重点领域研发计划、广州市科学研究计划重点项目等，成果主要包括跨媒体虚假信息检测与溯源技术、数字媒体构造与取证技术、跨媒体隐蔽通信与对抗技术、开源情报安全与对抗等，公开发表论文超过100篇,相关系统已在国家公检法司等多个政府部门和企事业单位获得应用。获得上海市自然科学二等奖。担任Signal Processing等多个国际主流期刊的AE，参与多项国家司法鉴定技术规范的起草。

报告摘要:当前，以deepfake为代表的媒体生成模型和以ChatGPT为代表的大语言生成模型带来了以深度生成图像、视频、音频和文本的普及化。以自媒体传播为枝蔓、围绕新型互联网传播方式，加剧了深度生成和伪造在网络空间中的滋生滥用。基于深度生成和伪造的各类消息充斥在包括传统主流媒体和活跃的自媒体的现代媒体传播网络中，并全方位多角度地产生了对个人隐私、国家安全的威胁。在当前与未来的信息对抗中，网络空间内容安全成为信息对抗的新阵地，本报告以深度生成和深度伪造媒体为对象，讨论了相关的人工智能技术在攻防能力建设，攻防模型构建，攻防技术博弈，攻防数据生成，攻防系统研发等方面的一些进展。

报告题目：跨模态图像生成

鲍秉坤，南京邮电大学

讲者简介：南京邮电大学通信与信息工程学院副院长，教授、博士生导师，江苏省****重大协同创新平台负责人。入选中组部万人计划-青年拔尖人才、江苏省杰青、江苏省双创人才。研究方向为多媒体计算、社交多媒体、计算机视觉、人工智能等。先后主持国家级项目6项，包括国家重点研发计划: 科技创新2030-人工智能重大专项、国家自然科学基金重点项目等。荣获2018年度电子学会科学技术(自然科学类) 一等奖。荣获多媒体领域的ACM汇刊TOMM 2016年度最佳论文奖 (国内学者首次获得)IEEE MM 2017年度最佳论文奖Multimedia Modeling 2019年度最佳论文Runner Up奖。荣获ICME 2020 0utstanding AreasChair。

报告摘要:近年来跨模态图像生成在图像生成、图像编辑等任务中取得了广泛应用。虽然现有研究已经在生成图像的质量上取得了一定的进步，但生成图片的真实性和语义一致性依然不足，主要困难表现在:文本-视觉特征不易融合，文本与图片的语义信息不易对齐等。这一缺陷使得模型难以充分利用获得的跨模态信息，最终限制了模型在跨模态图像生成任务中的效果。本报告将首先介绍近期跨模态图像生成任务的研究进展，并从增强图文信息的融合和保证语义一致性的角度出发，介绍团队在文本生成图像任务的研究思路和研究成果，最后探讨跨模态图像生成的发展趋势和研究方向。

报告题目：伪造检测中的取证和溯源技术

曹娟，中国科学院计算技术研究所

讲者简介（200字）：中科院计算技术研究所研究员，博士生导师，数字内容合成与伪造检测实验室主任。中国科学院大学岗位教授。入选中科院“青年促进会”首批成员。计算所“十四五”规划重点培育方向“数字内容伪造与检测”的带头人。成果获2022世界互联网大会领先科技成果奖，北京市2020年“三八红旗奖章”和2020年北京市科技进步一等奖。近年来发表领域主流国际期刊和会议论文60余篇，研究成果Google Scholar累计引用3000余次。申请专利40项，19项已授权。举办2019年“互联网虚假新闻检测挑战赛”和“虚假新闻检测学术论坛”，以及2020年“科技战役-大数据公益挑战赛”系列中的“疫情期间虚假新闻检测”比赛，公布了目前业内最大规模的中文多模态虚假新闻数据集。

报告摘要:生成式AI技术的快速发展一定程度加速了虚假信息的制作和传播，给社会安全带来了严峻挑战。现有的伪造检测技术能够识别内容是否为假，但无法对检测结果进行取证和伪造算法来源进行追踪，大大限制了检测结果的可靠性和可用性。本报告将介绍团队在虚假信息核查取证，伪造算法溯源等方面的工作进展，探索虚假伪造是否可取证?如何取证，如何可视化取证结果?

报告题目：基于深度学习的鲁棒超分辨率音频生成方法研究

郑成诗，中国科学院声学研究所

讲者简介：研究员，博士生导师，中国科学院大学岗位教授，IEEE高级会员；主要从事语音和音频信号处理、阵列信号处理以及机器学习方面的研究和应用。先后主持国家重点研发计划课题、173基础加强项目、国家自然科学基金面上项目以及国家自然科学基金青年项目等多个国家级项目。2021年获得汪德昭青年科技奖一等奖，并连续两次获国际深度降噪挑战赛第一名(DNS Challenge)。以第一作者和通信作者发表SCI论文50余篇，发表EI论文近百篇，申请和授权国家发明专利20余项，申请美国专利1项。担任二十余家国际国内知名学术期刊的专家评审。

报告摘要:随着深度神经网络的飞速发展，基于深度学习的超分辨率音频生成方法成为主流，现有深度方法从性能上全面超越传统的超分辨率语音生成方法，且可实现超分辨率的音乐生成。本报告首先介绍传统的超分辨率语音生成方法，分析其优缺点;接着介绍AudioUNet网络、GAN网络和扩散概率模型等基于深度学习的超分辨率音频生成主流方法，从主客观两个维度评估和分析这些方法的性能;最后介绍鲁棒超分辨率音频生成方法，并展望下一步研究热点和应用热点。

报告题目：解耦表征学习

王鑫，清华大学

讲者简介：清华大学计算机系助理研究员。主要研究方向为媒体大数据，多媒体智能，机器学习，在TPAMI, TKDE, TOIS, TMM, ICML, NeurIPS, KDD, WWW, ACM Multimedia, SIGIR等相关领域顶级期刊及会议上发表论文100余篇。承担国家优秀青年科学基金等项目，获2020年度ACM中国新星奖、2022年度 IEEE TCMC Rising Star Award。

报告摘要:真实世界数据的形成通常源于许多潜在因子之间高度复杂的相互作用。现有深度学习方法忽略了这些潜在因子在形成数据过程中展现出的高度耦合这一特性，导致学习到的表征不够鲁棒、缺乏可解释性。然而，在表征学习过程中解耦潜在因子之间的耦合关系极具挑战，尚未得到广泛的研究。本报告将讨论我们在解耦表征学习方面的相关研究，将涵盖解耦图表征学习和多模态解耦表征学习等主题。此外，我们还将讨论解耦思想在视觉推理等方向的实际应用。

报告题目：面向可信传播的多模态鉴伪

程皓楠，中国传媒大学

讲者简介：中国传媒大学媒体融合与传播国家重点实验室助理研究员。分别于2016年和2021年获天津大学工学学士与工学博士学位。长期致力于声音建模、跨模态音频合成与鉴伪领域的研究，在包括SIGGRAPH、IEEE VR、ACM TOG、IEEE TCSVT、IEEE/ACM TASLP、计算机学报等国内外顶级会议和期刊上发表论文20余篇。主持国家自然科学基金青年、国家重点研发计划子课题等项目。担任ACM MM、IEEE VR等国际会议Session Chair和审稿人。

报告摘要:可信传播是指传播者在传播信息时，能够让受众相信其信息的真实性、有效性和价值性的能力。如何通过多模态鉴伪帮助传播者提高自己的可信性,帮助受众识别和过滤不可信的信息已成为当今复杂传播场域中的重要问题。本报告将深入探讨集群信任度的量化方案，并讨论如何通过分析多种模态（如文本、图像、音频等)的信息来鉴别虚假传播内容，从而保证信息传播的可信性。