CSIG图像图形中国行-华南理工大学站：跨模态机器学习及机器视觉前沿论坛将在广州召开

2019 年 12 月 15 日 CSIG机器视觉专委会

会议介绍

“CSIG图像图形中国行”旨在推动图像图形学科的普及，加强各高校科研以及与企业间的合作交流。本次会议将于2019年12月21日在广州举办，主题为“跨模态机器学习及机器视觉前沿”，由华南理工大学谭明奎教授以及CVTE杨铭博士共同担学术主任，邀请多位专家进行分享与讨论，从多个角度介绍当前关于跨模态机器学习及机器视觉的研究成果，使学员加深对前沿热点和发展现状的了解，激发科研热情，增加与顶尖学者间的学术交流。

举办单位

主办单位：中国图象图形学学会

承办单位：中国图象图形学学会机器视觉专委会、华南理工大学广州市机器人软件及复杂信息处理重点实验室

协办单位：广州视源电子科技股份有限公司

时间和地点

2019年12月21日、CVTE第二产业园学术大讲堂

特邀讲者

张建国

南方科技大学教授

九次受邀任BMVC领域主席

讲座题目： 基于人工智能的自动脑肿瘤分割

摘要：如今，在AI中越来越多的研究工作致力于精准医学图像分析，这是推动人工智能发展的关键领域之一。我将介绍我们近期对基于多模态MR图像的自动脑肿瘤分割的研究。自动分割的高可靠性对于诊断、治疗规划和术后随访具有相当大的价值。肿瘤大小、形状、位置和外貌的多样性使肿瘤的分割问题变得十分困难。问题的关键点在于如何建立精准的肿瘤边界。本讲座将基于框架的由浅入深，解析当前肿瘤分割的难点，以及展示我们在这方面的部分工作。我们提出的基于边界增强的方法显著提高了分割肿瘤边界的精度（其精度的提高具有统计学意义）。并且在病理基因组学预测性能方面，自动生成的肿瘤区域与基于手动分割 DKI 对肿瘤基因突变状态预测性能已经十分接近。

讲者简介：张建国，现任南方科技大学计算机科学与工程系教授（国家特聘专家）。此前，曾在邓迪大学科学与工程学院担任Reader和计算机系国际合作主任（2015-2019年），英国邓迪大学计算学院高级讲师（2010-2015年），英国贝尔法斯特女王大学电子、电气工程和计算机科学讲师（2007-2010年）。2002年，于中国科学院自动化研究所国家模式识别实验室获得博士学位。他的工作得到了EPSRC、CSO、Invest Northern Ireland等的支持和资助。研究兴趣包括目标物体识别、纹理分析、医学图像处理、行人重识别、行为分析、机器学习等。

张史梁

北京大学研究员

首批北京市杰出青年科学基金获得者

讲座题目： 视频图像行人重识别

摘要： 行人重识别是计算机视觉领域的研究热点以及智能监控应用中的核心关键技术。行人重识别面临训练数据难以标注、行人外观易受光照、姿态、遮挡等因素影响，难以识别等诸多难题。对此，我们近5年在行人图像语义属性特征提取、动态时空特征学习、高效深度模型构建、数据迁移、海量行人图像离线索引等方面开展了系列研究，显著提升了行人重识别任务的准确率与效率。本次报告将介绍我们在行人重识别方面取得的最新成果。

讲者简介： 张史梁，北京大学研究员（国家特聘专家），博士生导师。于2012年在中国科学院计算技术研究所获得博士学位，2012-2015年先后在美国德克萨斯州大学圣安东尼奥分校、NEC美国硅谷实验室从事研究工作。研究方向为海量多媒体信息检索与计算机视觉，专注于行人重识别、物体细粒度识别、场景理解研究。以第一/通讯作者在IEEE T-PAMI、TIP、TMM等权威国际期刊以及ICCV、CVPR、ACM MM、AAAI等权威国际会议发表论文50余篇。首批北京市杰出青年科学基金获得者。获2016年教育部技术发明一等奖，中国计算机学会优秀博士学位论文、中科院优秀博士学位论文、微软学者奖等。先后主持国家自然科学基金面上项目、重大研发计划培育项目、国家重点研发计划等。

刘光灿

南京信息工程大学教授

国家基金委优青

中国图象图形学学会机器视觉专委会常务委员

讲座题目：基于卷积核范数的数据预测

摘要：人类可以预测未来吗？这一问题的答案在很多情况下是否定的，因为未来是充满变数的、是不可预测的，比如彩票的开奖号码。当然，有些情况下人们能在一定程度上对未来发生的事情做出较为准确的预测，比如天气、股票、车辆运动等。本报告针对张量序列预测问题，提出一种基于卷积核范数的方法，并给出未来数据的可确定性条件。首先介绍矩阵补全、傅里叶变换、张量卷积、卷积矩阵、卷积特征值等预备知识，随后提出一种基于卷积核范数的张量序列预测方法，通过数学证明其有效，并汇报其在一元时间序列预测、图像补全、图像序列预测、降水量预测等应用中的实验效果。

讲者简介：刘光灿，男，1982年出生于湖南省邵阳市。2004年在上海交通大学数学系获理学学士学位，2010年在上海交通大学计算机科学与技术系获工学博士学位（导师：俞勇、林宙成、汤晓鸥）。2010至2014年间，先后在新加坡国立大学、美国伊利诺伊大学香槟校区、美国康奈尔大学从事博士后研究工作。2014年回国，加入南京信息工程大学自动化学院，任教授，博士生导师。主要研究领域是机器学习与计算机视觉，近年来在基于凸优化的机器学习理论与应用方面做了较为广泛的研究，在数据聚类、数据恢复、优化计算等方面做出若干创新性成果，发表论文70余篇（其中第一作者IEEE T-PAMI 5篇，CCF A类论文40余篇），初步形成了拥有自主知识产权的机器学习理论与算法体系。2016年获国家基金委优青、江苏省杰青；2017年获教育部自然科学二等奖、吴文俊人工智能优秀青年奖、并入选ESI高被引学者榜单；2018年获江苏省高校自然科学一等奖。现为IEEE高级会员，担任CCF A类会议AAAI、IJCAI的Senior PC Member，SCI期刊Neurocomputing编委，担任中国图象图形学学会机器视觉专委会、江苏人工智能学会模式识别专委会等多个学术团体的常务委员。

张天柱

中国科学技术大学教授

IEEE T-CSVT、Neurocomputing 等期刊编委

讲座题目： 目标跟踪算法研究进展和趋势

摘要： 视觉目标跟踪是计算机视觉领域的热门研究方向之一，同时在产业界也具有广阔的应用前景。过去十几年来，由于大量代码和数据集的公开，目标跟踪领域取得了很大进展。本报告将首先回顾目标跟踪的研究进展，介绍一些代表性方法，如粒子滤波、基于分类器目标跟踪、稀疏跟踪、基于深度学习跟踪，及相关滤波等，然后介绍团队的相关研究成果。

讲者简介：中国科学技术大学教授、博士生导师，主要研究方向是模式识别、计算机视觉、多媒体计算和机器学习等。在国内外学术期刊和会议上发表论文90余篇，包括TPAMI、IJCV、TIP、CVPR、ICCV、MM等ACM/IEEE汇刊和中国计算机学会CCF-A类会议论文60余篇。论文谷歌学术引用5200+，第一作者论文单篇谷歌学术最高引用700+。SCI他引2156，第一作者单篇SCI他引469，6篇论文入选ESI高被引。获CCF-A类会议ACM MM 2016最佳论文奖和China MM 2017最佳论文奖。参加目标跟踪国际竞赛2次获得第1名。获中科院院长优秀奖，中科院优博，中科院青促会会员，中国电子学会自然科学一等奖等。担任CVPR 2020、ECCV 2020、ICCV 2019、ACM Multimedia 2019等领域主席，担任IEEE TCSVT、Neurocomputing等期刊编委。获MMSJ Best Reviewer Awards，ECCV 2016和CVPR 2018 Outstanding Reviewer Awards。

黄文炳

清华大学计算机系助理研究员

清华大学首批“水木学者”入选者

讲座题目： 基于视频观测的模仿学习

摘要： 本次报告主要介绍报告人2019年被NeurIPS录取的一篇论文《Imitation Learning from Observations by Minimizing Inverse Dynamics Disagreement》，这是国内单位在强化学习/模仿学习领域被该会议录取的唯一一篇亮点论文（Spotlight）。

本文主要讨论如何在只提供专家状态演示(缺乏专家动作演示)下的模仿学习，即从观察中学习(LfO)。与从完备专家演示中学习(LfD)不同，LfO在利用更多形式的数据(比如视频，以往方法是无法使用这些数据)方面更具有实用性。同时，因为专家演示信息的不完备，所以实现LfO更加具有挑战性。在这篇文章中，我们从理论和实践的角度讨论了LfD和LfO的不同。首先我们数学证明了，在GAIL的建模框架下，LfD和LfO的分歧实际上就是智能体和专家的逆运动模型的不一致性。更重要的是，这个分歧的一个上界是可以通过无模型的最大化熵来实现。我们的方法命名为IDDM，通过最小化LfO与LfD的区别来增强LfO的性能。大量实验验证了我们方法相比传统LfO方法的优势。

讲者简介： 黄文炳，现为清华大学计算机系助理研究员（博士后），入选清华大学首批“水木学者”计划，合作导师为孙富春教授。 2012年获得北京航空航天大学数学与应用数学学士，2017年获得清华大学计算机科学与技术博士，2017-2019年在腾讯AI Lab机器学习中心担任高级研究员。研究兴趣主要包括模仿学习、图神经网络、视频理解等，迄今在NeurIPS、ICML、CVPR、ICCV、ECCV、IJCAI、AAAI、WWW、ACMMM、IEEE Trans. On Image Processing、IEEE Trans. On Fuzzy Systems等CCF-A会议/期刊发表文章20余篇，担任NeurIPS 2019、ICML 2019-2020、CVPR 2019-2020、ICCV 2019、ECCV 2020、AISTATS 2019-2020、IJCAI 2019-2020、AAAI 2019-2020、WACV 2019-2020、IJCV、TIP等会议或期刊审稿人， 2019年担任IJCAI “Video: Events, Activities and Surveillance” 分会主席，2019年入选NeurIPS大会 Top Reviewers。

贾奎

华南理工大学教授

广东省“珠江人才计划”创新创业团队带头人

讲座题目： 基于深度学习的三维物体感知与重构探究

摘要： 三维物体感知与重构是无人驾驶、机器人、虚拟及增强现实等人工智能核心应用的重要技术手段。近年来随着深度学习技术的广泛运用，三维感知也从传统的几何分析向从海量数据中学习深度模型发展。在三维语义感知方面，点云分析网络正成为三维物体检测与识别的标准技术路径；而三维物体表面重构也成为机器学习与计算机图形学的一个重要交叉方向。本报告首先回顾三维物体感知与重构的当前研究现状，进而汇报华南理工大学“几何感知与智能实验室“近两年在深度学习具有复杂拓扑结构的物体表面重构、三维物体检测、以及点云对抗样本分析等方面的最新进展，并汇报基于点云分析模型如何学习机器人自动抓取。报告最后总结和探讨三维物体感知与重构研究的难点和未来挑战。

讲者简介： 贾奎，博士，华南理工大学教授（国家特聘专家），博士生导师，广东省“珠江人才计划”创新创业团队带头人。 2001年于西北工业大学获得学士学位，2004年于新加坡国立大学获得硕士学位，2007年于伦敦大学玛丽女王学院获得计算机科学博士学位。博士毕业后，曾先后于中科院深圳先进技术研究院、香港中文大学、伊利诺伊大学香槟分校先进数字科学研究中心、及澳门大学从事教学和科研工作。贾奎博士的主要研究方向是计算机视觉、机器学习、模式识别和图像处理等，近期主要侧重于深度学习的基础理论研究，及其在三维流形等非欧数据上的应用。

学术主任