第八十三期CCF-CV走进高校系列报告会于悉尼大学圆满结束

阅读量:527
2019-12-12



2019年12月4日下午,由中国计算机学会计算机视觉专委会(CCF-CV)主办,悉尼大学电子信息工程系联合承办的第八十三期CCF-CV走进高校系列报告会在悉尼大学ABS Case Study Lecture Theatre 2140成功举行。本期报告会邀请了电子科技大学孟凡满副教授、北京大学邹月娴教授、悉尼大学徐畅博士、华南理工大学许勇教授、悉尼科技大学朱霖潮博士、中科院计算所纪雯研究员、美国密苏里大学李竹副教授七位专家学者做特邀报告。悉尼大学欧阳万里博士担任本次报告会的执行主席。

本次报告会由悉尼大学电子信息工程系欧阳万里博士主持,电子信息工程系系主任朱建国教授致欢迎词朱建国教授介绍了悉尼大学的概况,并对各位专家学者的到来表示热烈的欢迎和和衷心的感谢,期望本次报告会为大家搭建一个良好的交流平台,并对从美国,中国来的学者表示特别欢迎。

报告信息

在报告会上,电子科技大学孟凡满副教授做了题目为“基于弱标签的物体分割”的报告。此报告主要介绍了利用图像弱标签来获取新类别物体区域的几种方法,包括新颖的类别响应图生成方法、基于目标框位置的分割伪标签生成方法及两个小样本分割方法。

北京大学邹月娴教授的报告题目是:“Temporal information modeling for video-based action recognition”。报告首先讲述了一些视频动作识别算法和通用数据库,分析了它们序列信息建模中存在的问题。然后,基于大量实验观察,提出了一个新颖的网络结构来直接从RGB图像中获取运动信息,保持高准确的同时提升了算法的速度。

悉尼大学徐畅博士做了题目为“Grinding Ingredients to Cook Unsupervised Learning”的报告。报告深度分析了无监督算法的内在学习规则,结合近期提出的两个工作阐述了无监督算法取得成功的关键。

华南理工大学许勇教授的报告题目是“Adaptive GNN for Image Analysis and Editing”。此报告中指出图网络模型具有很强的表征能力,但也存在优化起来比较复杂的问题。基于数学分析,提出了一个自适应图网络模型;基于实验分析,设计一种具有导引功能的新正则结构,来解决商图像分析中的不适定逆问题。

悉尼科技大学朱霖潮博士进行了题目为“Efficient Large-scale Video Classification and Egocentric Video Analysis”的报告。报告指出现存的视频分类方法忽视了视频序列中的时序结构,并且测试阶段在引入了大量计算。针对这些问题,提出了一个名为“FASTER”的新框架,旨在通过汇总不同复杂度模型的预测来利用相邻片段之间的冗余信息,并降低计算成本。该框架在保持高准确度的情况下,减少了超过10倍的FLOPs。

中科院计算所纪雯研究员的报告题目为“Visual IoT: Enabling Internet of Things Visualization”。报告指出V-IoT被视为下一代物联网,但是视觉数据的大带宽需求以及计算和通信之间的差距挑战了V-IoT的发展,讨论了未来智慧城市中V-IoT的新技术和挑战,介绍了一种新颖的视觉物联网架构,以改善下一代智能城市的端到端性能,即智能视觉物联网(A-VIoT)。

美国密苏里大学李竹副教授作了题目为“Recent Advances in Deep Learning for Compression”的报告。近年来,基于深度学习的工具也正在进入压缩,并且在改进压缩技术(例如HEVC,VVC)方面已经展示出性能提升。报告回顾了最新的压缩算法并讨论了新的机遇、挑战和方向。

本期CCF-CV走进高校系列报告会持续了三个多小时,吸引了来自悉尼大学等单位的师生前来聆听,七位计算机视觉领域的专家学者通过幽默风趣的讲解,给大家系统介绍了自己的研究领域和最新研究成果。在场观众,认真聆听,在提问环节纷纷提出自己的问题,专家们也对大家提出的问题进行了详尽的回答。报告内容精彩、反响热烈,极大地激发了师生们的科研热情。最后,参加报告会的现场听众对七位特邀讲者表示由衷的欢迎与感谢,报告会在雷鸣般的掌声中圆满结束。