【CSIG奖励访谈】2021年度CSIG石青云女科学家奖获奖者邓欣

中国图象图形学学会石青云女科学家奖旨在鼓励广大图像图形学科技工作者继承和发扬老一辈的科学精神，表彰在图像图形学研究事业发展中做出突出贡献的女性科技工作者，激发广大女科技工作者的创新创造热情。

为宣传科技工作者积极进取的工作精神，聚焦获奖人背后的故事，学会近日对荣获2021年度CSIG石青云女科学家奖的获奖者邓欣进行了专访，以对话的形式，为读者们提供一次了解她的机会。

下面就跟着我们的脚步，走近今天的受访者吧。

问题一：首先非常感谢您接受我们的采访，请先向大家介绍一下自己：

大家好，我是邓欣，北京航空航天大学“卓越百人”计划副研究员，于2013年和2016年获北京航空航天大学学士与硕士学位，2020年获伦敦帝国理工学院博士学位。长期致力于多模态图像处理和可解释性神经网络方向的研究工作，取得了重要理论和技术突破。在人工智能顶级期刊TPAMI、图像处理顶级期刊TIP、计算机视觉顶级会议ICCV、CVPR、ECCV等发表论文30余篇，包含ICCV Oral、CVPR Oral及多篇ESI高被引论文。关于“可解释性多模态图像处理”的研究工作获伦敦帝国理工学院Eryl Cadwallader Davies Prize（优秀博士论文奖），每年仅1-2人获奖。获中国图象图形学学会2021年石青云女科学家奖（青英组）。担任IEEE TPAMI、TIP、TIT、JSTSP等国际知名期刊审稿人。

问题二：下面请为大家简单的介绍一下您的研究领域： 

我的研究领域是多模态图像处理和可解释神经网络。人类生活的世界是由多模态信息组成的，例如遥感成像中的多光谱图像，视频监控中的红外图像、热成像，医学检测中的核磁共振图像、CT图像等。相比较单模态图像，多模态图像可以提供多维度的信息。然而，由于是由不同传感器采集的，不同模态图像在分辨率、图像质量、图像完整度上参差不齐，多模态图像处理涉及不同模态图像之间的配准、超分辨、去噪、质量增强、补全、融合等任务。我的另一个研究领域是可解释神经网络设计，深度神经网络推动了人工智能技术变革，但通常是数据驱动下的“黑盒子”，导致深度学习方法缺乏可解释性，难以确保人工智能应用的可靠性。为此，我们从人类认知本质机理出发，研究基于稀疏表征的知识表征模型，将可解释的信号处理的先验知识融入深度神经网络设计，进而构建具有自身可解释性的神经网络，已将其应用在多模态图像超分辨、去噪、融合等任务上，取得了良好的效果。

问题三：请问您认为女性科技工作者在工作中有着怎样的优势呢？

在科研工作方面，我认为女性还是具有挺多优势的。首先女性心思比较细腻，在指导学生的时候，可以敏锐地发觉学生的心理变化，是否压力过大等等，以便及时与学生进行沟通或者调整工作强度。另一方面，女性在沟通和协调能力方面会更具优势，因为自身要兼顾家庭和工作，需要很好的协调能力。这也反映在工作任务的安排上和预期目标的制定上，通过与组内领导和同事的沟通，可以很好地协调组内的资源，发挥每个人的最大力量。

问题四：作为女性，在您的科研工作生涯中有没有遇到过什么困难？是如何解决的呢？

印象中比较困难的一次经历是第一次撰写青年基金申请书的时候，因为从未接触过申请书撰写，完全不知道怎么下手。所幸后来学校和学院安排了几次申请书撰写的专题讲座，邀请具有丰富经验的教师来给我们讲解撰写经验和技巧。在这里也要特别感谢我的导师徐迈教授，他给予了我重要的指导，包括如何准确地措辞、如何突出重点、如何整理研究思路等，最终也是在入职第一年顺利获得了国家自然科学基金青年项目的资助。

问题五：最后，您有什么获奖感言，或者有什么话想对广大女性科技工作者说呢？

此次，非常荣幸能够获得中国图象图形学学会的石青云女科学家奖，这对我来说是一个巨大的鼓励，我也会继续努力。对刚刚踏上科研岗位的女性科技工作者说，我觉得最重要的是找到自己感兴趣的研究领域，并始终保持科研热情，这是我们能够勇往直前的最大动力。在科研的过程中，经常会遇到各种困难，如果不是真的热爱这份事业，就很容易打退堂鼓，所以找到自己真正感兴趣的领域很重要。同时，由于刚踏上科研岗位，在很多事情上（比如学生培养）缺乏经验，因此需要多多向领域内前辈和师长虚心请教， 他们的经验可以帮助我们快速成长起来。

中国图象图形学学会2022年度系列奖励推荐工作启动

中国图象图形学学会科普活动、素材征集通知

中国图象图形学学会高校志愿者招募

中国图象图形学学会关于组织开展科技成果鉴定的通知

2022年CSIG图像图形中国行承办方征集中