【CCIG 2022开幕倒计时4天】重磅嘉宾 | 6位院士将在CCIG 2022作大会报告

会员服务 ·

【CCIG 2022开幕倒计时4天】重磅嘉宾 | 6位院士将在CCIG 2022作大会报告

2022 年 8 月 15 日 中国图象图形学学会CSIG

四川成都

院士加盟

欢迎参会

WELCOME TO CCIG 2022

2022年8月19-21日

共襄图象图形盛会

详细介绍

报告题目：

视觉知识和视觉智能

潘云鹤，中国工程院院士、浙江大学教授。计算机应用专家。原中国工程院常务副院长、浙江大学校长。兼任国家教材委员会委员、国家新一代人工智能战略咨询委员会组长、中国人工智能产业发展联盟理事长、中国创新设计产业战略联盟理事长、中国战略性新兴产业发展专家咨询委员会副主任、中国图象图形学学会名誉理事长等职。

潘云鹤是中国智能CAD和计算机美术领域的开拓者之一。他长期从事人工智能、计算机图形学、CAD和工业设计的研究，在计算机美术、智能CAD、计算机辅助产品创新、虚拟现实和数字文物保护、数字图书馆、智能城市和知识中心等领域，承担过多个重要科研课题，创新性地提出跨媒体智能、数据海、智能图书馆、人工智能2.0、视觉知识、多重知识表达等概念，发表多篇研究论文，取得了一系列重要研究成果，多次获得国家科技奖励。

报告题目

视觉知识和视觉智能

主要内容：

一、视觉智能的两类问题

二、视觉智能的五大基本任务

三、脑神经科学的最新发现支持视觉知识和多重表达的理论

报告题目：

智能机器行为与常识推理

郑南宁，工学博士，西安交通大学教授、人工智能与机器人研究所所长、视觉信息与应用国家工程实验室理事长，IEEE Fellow，1999年当选中国工程院院士。

现任中国自动化学会理事长，国际模式识别协会（IAPR）理事会成员，中国人工智能产业发展联盟常务副理事长，中国人工智能教育联席会理事长，科技部新一代人工智能战略咨询委员会专家组副组长，曾任国家高技术研究发展计划（即“863计划”）信息领域首席科学家。

郑南宁教授长期从事计算机视觉与模式识别、人工智能系统及其先进计算架构等研究，建立的视觉场景理解的立体对应计算的Markov模型与视觉注意力统计学习方法成为计算机视觉领域代表性工作。

报告题目

智能机器行为与常识推理

当前人工智能的发展深刻改变了人与物理环境、人与人、人与社会之间的联系与交互方式，智能机器已经越来越多地渗透到我们的社会、文化、经济和政治的各个方面，并已参与到人类的各种活动之中，人与智能机器的交互、混合是未来社会的发展形态。大多数人工智能算法在与人类共存的复杂混合系统中发挥着重要作用，如何分析和刻画这些系统中人-机交互的属性和行为特征，包括合作、竞争和协调，都是至关重要的问题。在社会系统中引入智能机器可以改变人类的行为方式，这是因为智能算法可能会以有意或无意的方式塑造人类行为，并有可能带来意想不到后果。而且，一些智能算法的黑箱特征，使我们很难从可解释的层面去信任AI，这就需要从智能机器“输入-输出”的行为生成的关联去寻找什么样的AI更容易获得人类的信赖，并从AI的角度去感知和评估人类的信任程度。对智能机器行为生成的研究不仅可以提高人类对智能机器的监督和控制能力，并有助于我们构建真实世界的因果模型，以及可信、可解释机器学习的基本框架，也为我们审慎管理人工智能的伦理、法律和安全问题提供政策制定的依据。此外，对当前人工智能而言，解决某些对人类来说属于智力挑战的问题可能是相对简单的，但对看似简单的与真实物理世界交互的行为能力依然很差（常识推理与无人驾驶就属于这类问题）。特别是人类使用较少的数据，就可以在广泛的问题上表现出智能行为，这种智能行为往往是建立在直觉与常识的基础之上。因此，为使机器学习模型产生人类的认知结果，需要其所学特征在一定程度上符合神经生理学实验结果，同时使特征具有数学和语义的解释性，并且使机器具有行为预测、推理和常识学习的能力，这样才能实现一类更加健壮的人工智能系统。本报告讨论智能机器的行为生成、发展与进化，并从常识的心理语言表征出发，探讨如何实现对物体属性或行为预测的常识推理，结合作者团队的研究工作，进一步讨论如何实现复杂、动态、不确定的交通场景下无人驾驶的行为决策。

报告题目：

超高清视频前沿技术现状与发展趋势

高文，中国工程院院士，现任鹏城实验室主任，北京大学博雅讲席教授，国际电气和电子工程师协会会士（IEEE Fellow）、美国计算机协会会士（ACM Fellow）。

曾任第十届、十一届、十二届全国政协委员，国务院学科评议组计算机学科成员，中国计算机协会理事长，计算机学报主编。曾一次获得国家技术发明一等奖、一次获得国家技术发明二等奖、五次获得国家科技进步二等奖，获得“2005中国十大教育英才”称号和中国计算机学会王选奖。

主要从事人工智能应用和多媒体技术、计算机视觉、模式识别与图像处理、虚拟现实方面的研究，主要著作有《数字视频编码技术原理》、《Advanced Video Coding Systems》等。在本领域国际期刊上发表论文200余篇，国际会议论文600余篇。

报告题目

超高清视频前沿技术现状与发展趋势

超高清是继视频数字化、高清化之后的又一重大技术革新，同时随着5G技术的兴起，“5G+超高清”将进一步丰富视频业务，催生万亿规模的视频产业应用。超高清是一个超视觉的技术体系，分辨率、动态范围、色域、采样、帧率、视点都极大提升，随之而来的是数据量的急剧增长，给传输和存储带来巨大压力。音视频编解码技术是超高清视频产业发展的基础，也是国际竞争的制高点。我国自主知识产权的数字音视频编解码技术标准AVS历经了二十年的发展，发布了三代标准，支撑了我国数字电视广播从高清到4K超高清、再到8K超高清的快速发展。本报告主要介绍超高清视频前沿技术的进展情况与发展趋势，包括AVS超高清技术的技术创新与应用实践。

报告题目：

人工智能与脑科学

戴琼海，国务院参事，中国工程院院士，清华大学信息科学技术学院院长、脑与认知科学研究院院长、中国人工智能学会理事长、北京信息科学与技术国家研究中心主任，现任民革中央教科文卫体委员会副主任。长期致力于立体视觉、计算摄像学和人工智能等领域的基础理论和关键技术创新，近年来主要从事国际交叉前沿——脑科学与新一代人工智能理论的研究，包括多维多尺度计算摄像仪器、光电认知计算的理论架构、算法与芯片等。2005年获得国家杰出青年基金，2009年获聘长江学者特聘教授，2014年入选国家“新世纪百千万人才工程”，2017获全国创新争先奖状。主持承担973项目、国家自然科学基金重大仪器项目等国家级重大科研项目，以第一完成人在立体视频重建与显示、新一代立体视觉理论与关键技术等方面获得突破性成果，分别在2016年获国家科技进步二等奖、2012年获国家技术发明一等奖和2008年获国家技术发明二等奖。被中共北京市委、市政府授予2017—2018年度“首都精神文明建设奖”荣誉称号。

报告题目

人工智能与脑科学

脑科学研究生物的智能机理，为人工智能提供了无尽的源泉。从生物视觉机制到深度卷积神经网络，从神经与突触机制到类脑计算软硬件，脑科学与人工智能的结合产生了诸多划时代的成果。今天，深度学习的崛起为感知智能带来了巨大的发展，在无人系统、智慧医疗、公共安全等领域成效显著。但是我们必须思考，深度学习之后的路在哪里？通向认知智能的道路在哪里？以史为鉴，我们再一次从脑科学中搜寻答案。随着全脑尺度、神经元分辨率动态成像仪器的发展，逐渐揭示了多脑区协同、多类型神经元复合的生物智能新机制，为发展人工智能新理论体系带来了启发。本报告将阐述脑科学与人工智能的关系，总览国际前沿研究布局，并探讨多脑区协同、多类型复合的“异质脑”新架构与关键技术，及其将带来的潜在发展契机。

报告题目：

高光谱机器视觉感知技术应用与发展趋势

王耀南，中国工程院院士，机器人技术与智能控制专家，湖南大学教授,机器人视觉感知与控制技术国家工程研究中心主任。中国科协委员、中国图象图形学学会理事长、中国自动化学会会士、中国计算机学会会士、中国人工智能学会会士、全国智能机器人创新联盟副理事长、国家自然科学基金委员会专家咨询委员、中国自动化学会常务理事、中国人工智能学会监事、教育部科技委人工智能与区块链技术委员会委员、湖南省自动化学会理事长等。曾任湖南大学电气与信息工程学院院长、机器人学院院长、国家863计划智能机器人领域专家、欧盟第五框架国际合作重大项目首席科学家。

长期从事机器人感知与控制技术教学科研工作，成果获国家技术发明二等奖1项、国家科技进步二等奖4项、国际IEEE机器人与自动化领域“工业应用最高奖”。发表国际IEEE等SCI论文200余篇，出版机器人感知与智能控制等著作15部，获国家发明专利80余项，培养博士70余名（含IEEE Fellow、长江、杰青等）。荣获国家百千万工程人才、德国杰出洪堡学者、全国高等学校优秀教师、全国五一劳动奖章、全国先进工作者、全国创新争先奖、全国教材建设先进个人、湖南省抗击新冠疫情先进个人等荣誉称号。

报告题目

高光谱机器视觉感知技术应用与发展趋势

机器视觉感知作为机器人的“高精密眼睛”，其发展对机器人起着重要的作用。高光谱机器视觉感知具备多模态成像系统与智能分析识别功能，是当前机器视觉领域的研究前沿。报告将从研究背景与意义、研究现状与面临挑战、关键技术等方面介绍高光谱机器视觉感知技术应用。首先，以智能机器人在高端制造过程中面临的感知手段有限、测量检测精度低、缺陷样本数量少等挑战为牵引，介绍了高光谱机器视觉研究的总体技术路线与关键科学问题，包括高速高精快照式成像、无监督异常检测方法、跨场景模型部署等方面；最后介绍了高光谱机器视觉未来的发展趋势与展望。

报告题目：

受人神经机制与结构机理启发的机器人系统

乔红，中国科学院自动化研究所研究员，博士生导师。担任多模态人工智能系统全国重点实验室主任、机器人“手-眼-脑”融合智能研究与应用北京市重点实验室主任、九三学社中央科技委副主任。2007年获国家杰出青年基金，2018年入选IEEE Fellow，2021年当选中国科学院院士。

乔红研究员长期从事机器人理论与应用研究，在受人启发的机器人决策、感知、控制及结构设计方面做出了系统性、创造性重要贡献。作为第一完成人获国家自然科学奖二等奖、北京市科学技术奖一等奖和中国自动化学会技术发明一等奖。

她首次从中国内地当选并连任IEEE机器人与自动化学会管理委员会成员，任IEEE Fellow全球委员会委员（2022）、IEEE全球奖励委员会委员（2020-2021）等。受邀担任多个SCI期刊主编及编委。

报告题目

受人神经机制与结构机理启发的机器人系统

本报告主要结合当前机器人与多学科交叉融合的发展趋势，对受人神经机制与结构机理启发的机器人系统进行讨论与探索。受人启发的机器人系统已成为一个重要的前沿研究领域，它与多学科深度融合，包括信息、机械、材料、神经科学等，同时又是软硬件的融合体。通过对人的神经机制与运动结构的模拟，受人启发的机器人有望在操作柔顺性、控制稀疏性、系统鲁棒性等方面获得进一步性能突破，从而提升机器人对人的理解，增强辅助能力，使机器人真正成为人类的朋友。受人启发的机器人通过从内向外模拟人的本质机理，将与从外向内模仿人功能特性的仿人机器人形成融合互补，为深化人形机器人基础理论研究、推动关键技术落地应用提供重要思路。本报告将对受人神经机制与结构机理启发的机器人系统研究的初步进展进行简要介绍，以期能够对未来人形机器人的研究带来启发。

万众期待

大会开幕倒计时!

✦

不要犹豫，快来参与！

注册信息

注册方式

可通过手机端或PC端完成注册

PC端注册链接

https://conf.csig.org.cn/10316.html

手机端注册二维码

扫描下方二维码即刻完成注册

缴费标准

“学生注册”为全日制在校学生，不含非全日制研究生和博士后，注册须提供学生身份证明。

CSIG会员（含学生会员）注册必须使用会员系统预留手机号码，请准确填写手机号码和姓名。

*注册CSIG会员说明：请登录会员系统http://membership.csig.org.cn注册，普通会员会费200元/年，学生会员会费50元（一次性）

会议地点: 成都香格里拉大酒店，四川成都市滨江东路9号。

会场信息

成都香格里拉大酒店

成都香格里拉大酒店是香格里拉集团西南地区旗舰店，酒店位于成都中心上风上水的核心地段，被美丽锦江，古老廊桥，兰桂坊，酒吧一条街等地道的老成都“名片”环绕其中，步行即可达逾百家中西美食、本地小吃和镋钯街网红餐厅咖啡店。距离城中最繁华的购物中心成都国金中心（IFS）和太古里仅5分钟车程。距离三国古蜀文化遗址武侯祠、锦里商业街、历史文化古迹杜甫草堂、宽窄巷子均 25分钟车程。

会场交通

►

机场出发

成都双流国际机场：距离约20公里，驾车约35分钟；乘坐地铁约一个小时

成都天府国际机场：距离约65公里，驾车约1个半小时；乘坐地铁约一个半小时

►

高铁站出发

成都东站：距离约8公里，驾车约25分钟；乘坐地铁约30分钟

成都站：距离约9公里，驾车约30分钟；乘坐地铁约35分钟

住宿预定

协议价格：750元/间

房间数量有限，请提前完成预订。

参会者预订酒店费用将直接支付给酒店，并由酒店向参会者开具住宿相关发票。

住宿预定联系方式

庄媛媛 | Yuan

成都香格里拉大酒店

——————————————

13158528565

yuan.zhuang@shangri-la.com

成都市锦江区滨江东路9号

关于大会，你了解多少~

会议简介

2022中国图象图形大会（CCIG 2022）将于2022年8月19-21日在成都盛大举办，大会以“图象视界，形智未来”为主题，由中国科学技术协会作为指导单位、中国图象图形学学会主办、四川大学承办、电子科技大学协办、成都市博览局、成都市科学技术协会、成都市科技局支持。

目前，潘云鹤院士、郑南宁院士、高文院士、戴琼海院士、王耀南院士、乔红院士已受邀并确定参加此次大会，6位院士将共同聚焦，开启“最强大脑”，为大家带来一场精彩的学术盛宴。与此同时，CCIG 2022将汇聚国内顶尖学者以及知名企业专家、科研院校师生、一线技术工程师，共同探索图像图形技术行业的最新进展。

此次大会将面向开放创新、交叉融合的发展趋势，为图像图形相关领域的专家学者和产业界同仁，搭建一个展示创新成果、展望未来发展的，集高度、深度、广度三位于一体的交流平台。

更多会议相关信息，请浏览会议官网

网站链接

http://ccig.csig.org.cn