直播预告 | 10月27日：中欧联合实验室系列学术讲座

CASIA

解锁更多智能之美

「LIAMA系列学术讲座」由中欧信息自动化与应用数学联合实验室（LIAMA）发起，中国科学院自动化研究所与LIAMA联合主办，旨在为模式识别领域的中外专家学者们提供一个自由交流的舞台。LIAMA系列讲座将定期邀请国内外相关领域专家加盟，分享最前沿的学术进展，启迪思维、平等交流，为中欧双边科研合作提供更加稳定、开放的平台。

本期讲座信息

讲座日期

2021年10月27日

报告日程

15：30-16：30

报告人：韩琥研究员  中国科学院计算技术研究所

Weak visual biometric signal analysis and recognition

16：30-17：30

报告人：余山研究员  中国科学院自动化研究所

Building AI towards open and dynamically changing environments

主持人

王硕研究员

观看方式

在bilibili搜索『中科院自动化所』

或扫描下方二维码找到我们

☝记得关注账号接收直播提示哦

报告简介

1 Weak visual biometric signal analysis and recognition

报告摘要

Face videos and images can not only reveal human appearance characteristics such as identity and attribute, but also convey weak visual biometric characteristics like vital signs, micro-expressions, spoofing cues, etc. Different from the apparent identity and attribute characteristics, the weak visual biometric signals are often "hidden" under the explicit apparent characteristic signal with a very low PSNR. Therefore, the extraction and representation of weak visual biometric signals are much more challenging. The talk will summarize the research progress and trend in this field, and introduce our exploratory work from the aspects of physical model-based signal extraction and enhancement, disentangled representation learning, and knowledge and data driven modeling, with applications in remote heart/ respiration rate estimation, AU recognition, and face anti-spoofing.

报告人简介

韩琥，中国科学院计算技术研究所研究员。2011年博士毕业于中科院计算所，之后分别在美国密歇根州立大学和谷歌从事生物特征识别研究工作。2015年回到中科院计算所工作，主要研究方向为计算机视觉与模式识别、生物特征识别、医学影像分析。在IEEE TPAMI / TIP / TIFS / TMI 和CVPR、ECCV、NeurIPS、MICCAI等领域权威国际期刊与会议上发表学术论文70余篇，谷歌学术引用4100余次，H-Index: 30。研究工作获得5项论文奖，包括2020年IEEE信号处理学会 (IEEE SPS)最佳论文奖，以及4项会议最佳学生/海报论文奖(包括IEEE FG2019最佳海报论文奖)，4次获国际竞赛冠亚军。担任国际期刊Pattern Recognition 编委(AE)，国际会议ICPR2020 领域主席(AC)，IJCAI 2021 SPC和VALSE 常务AC，7次在ICCV /CVPR/ FG / WACV等国际会议上组织主会特别会议/专题论坛/竞赛。

2   Building AI towards open and dynamically changing environments

报告摘要

Despite rapid progress has been made in training deep neural networks to accomplish various difficult tasks, it remains challenging to build AI that can work effectively in open and dynamically changing environments. In this talk, we will introduce how to combine the techniques of continual learning and context-dependent learning to address this issue. In addition, the connection of this solution to the neural mechanisms employed by the brain to navigate in an open and constantly changing world will be discussed.

报告人简介

余山，中国科学院自动化研究所研究员，博士生导师，模式识别国家重点实验室副主任。2005年于中国科学技术大学获生物学博士学位。之后在德国马克斯普朗克脑研究所、美国国立精神卫生研究所进行博士后研究。2014年加入中科院自动化研究所工作。研究结合生物神经网络活动记录与计算建模方法，致力于理解大脑皮层信息处理的网络机制，并探索脑启发的新型人工智能算法与系统, 以及新一代脑机接口系统与应用。

---

欢迎后台留言、推荐您感兴趣的话题、内容或资讯！

如需转载或投稿，请后台私信。