【预告】CSIG图像图形中国行将于4月23日在线举办

2022 年 4 月 18 日 中国图象图形学学会CSIG

活动简介

“CSIG图像图形中国行”是由中国图象图形学学会主办的学术活动，旨在推动图像图形学科的普及，加强各高校研究所以及企业间的交流。自2017年4月起，分别在扬州大学、哈尔滨工业大学、兰州大学、杭州电子科技大学、北京交通大学、海南大学、福州大学、西北农林科技大学、佛山科技学院等及深圳、烟台成功举办了80余期，线下参会人数累计数万余人，受到业界好评。本次“CSIG图像图形中国行”由华北理工大学、CSIG交通视频专委会和河北省工业智能感知重点实验室联合承办，交流主题为“智能感知与应用”。

主办单位： 中国图象图形学学会（CSIG）

承办单位： 华北理工大学

CSIG交通视频专委会

河北省工业智能感知重点实验室

时间： 2022年4月23日下午 13:30

地点： 线上腾讯会议，会议号：775474615

执行主席

李志刚教授

河北省计算机学会副理事长，河北省电子学会副理事长，河北省工业智能感知重点实验室主任。华北理工大学教授，人工智能学院院长。主研军民融合项目3项，主研科技部科技支撑计划资助项目1项，国家自然科学基金项目2项，主持完成中国博士后科学基金面上资助项目1项，科技部重点研发计划项目1项，主持省自然、省科技攻关项目6项，主持市厅级项目及横向课题多项。发表论文50余篇，其中SCI一、二区论文6篇。获省部级教学科研奖励3项。主持国家级教学质量工程2项，省级资源共享课1门。

特邀专家

赵耀教授

个人简介： 北京交通大学教授/博导，长江学者特聘教授、国家杰出青年科学基金获得者、万人计划科技创新领军人才。现任北京交通大学信息科学研究所所长，“现代信息科学与网络技术”北京市重点实验室主任。研究领域为数字媒体信息处理与智能分析，包括图像\视频压缩，数媒体内容安全，媒体内容分析与理解，人工智能等。主持了国家重点研发计划、973计划等课题30余项。在包括IEEE Trans.等国内外期刊、会议上发表论文200余篇。作为第一完成人获北京市科学技术奖一等奖等省部级奖励4项。指导的博士生7人获北京市和中国计算机学会优秀博士论文奖。受邀担任了 IEEE Transactions on Cybernetics、IEEE Transactions on Circuits and Systems for Video Technology等多个国际杂志编委。他是国务院学科评议组成员，科技部重点研发计划云计算与大数据专项总体组专家。

报告题目：人机共友好的深度视频编码

报告摘要： 随着网络化数字媒体时代的到来，图像视频的传输量已经达到网络信息传播总量的80%以上，对图像视频数据的高效压缩成为必然。经过几十年的发展，混合预测/变换编码方法已经取得良好的性能，许多编码标准已经被开发并广泛应用于各种场景，如 MPEG1/2/4、H.261/2/3 和 H.264/AVC、AVS 系列、 H.265/HEVC 、H.266/VVC等。传统的编码技术主要服务于人类的视觉需求，然而，随着视频监控设备在世界各地（特别是我国）的广泛布设，越来越多的视频数据不仅要面向人类使用，更要面向机器使用。因此，重新定义和设计既能服务于人又有利于机器视觉任务的图像视频编解码技术迫在眉睫！本报告将介绍课题组的最新科研课题《人机共友好的深度视频编码》的研究目标、研究思路和技术方案，并介绍实验室在基于深度学习的图像视频编码与分析方面的部分进展。

邓成教授

个人简介：西安电子科技大学教授、博士生导师。先后入选长江学者特聘教授、国家百千万人才工程、陕西省杰出青年基金、教育部新世纪优秀人才支持计划，2018年获得陕西省青年科技奖（标兵称号）。担任2018-2022教育部电子信息类教学指导委员会秘书长。中国计算机学会杰出会员、IEEE高级会员、中国图象图形学学会高级会员。

长期从事多模态数据感知计算与分析推理方面的研究工作。主持包括国家自然科学基金重点项目、科技部“863”计划等科研课题近30项。近5年，在本领域国际一流期刊和CCF A类会议上发表论文130余篇。现担任领域国际著名期刊Pattern Recognition、Neurocomputing等副编辑，以及几个刊物专辑的客座编辑；担任计算机视觉顶级国际会议CVPR 2021、ICCV 2021领域主席，人工智能顶级国际会议IJCAI 2018~2021高级程序委员，以及多个国际会议程序委员会委员。研究成果获2019年陕西省自然科学一等奖（第1）、2016年国家自然科学二等奖（第3）、陕西省科学技术一等奖2项（均第3）。获国家发明专利授权20余项。

报告题目：多模态数据的认知与推理

报告摘要： 当前我们正处于一个媒体大数据时代，大量的图像、视频、文本和音频等多模态数据快速涌现，且类型多样、来源广泛、关系复杂。基于此，人工智能研究也正从以往的单模态智能迈向更为复杂的多模态智能。多模态数据的认知与推理是多模态智能的瓶颈问题，研究并解决这一问题将极大推动智能应用的发展。本次报告将介绍现今多模态数据的认知与推理所面临的机遇与挑战。同时将分别从多模态表示学习、多模态语义挖掘、多模态知识推理和可信计算四个方面介绍团队的最新研究成果。