2020年7月18日下午，由中国计算机学会计算机视觉专委会（CCF-CV）主办，上海交通大学人工智能研究院承办的CCF-CV走进高校系列报告会——上海交通大学站，通过线上直播的方式举行。本期报告会邀请了北京大学信息科学技术学院智能科学系查红彬教授、清华大学副教务长和研究生院院长周杰教授、上海科技大学信息科学与技术学院执行院长虞晶怡教授、大连理工大学创新学院院长卢湖川教授4位特邀讲者，由上海交通大学人工智能研究院杨小康教授、严骏驰副教授、马超助理教授担任本次报告会的执行主席，杨小康教授、严骏驰副教授主持了本次报告会。

在本次报告会上，专家们就计算机视觉领域的前沿技术进行了深入的交流和思想的碰撞，直播平台人气峰值达1.0万人。在随后的圆桌讨论中，五位专家围绕“计算机视觉的六大关系”分享了各自的真知灼见。

上海交通大学人工智能研究院常务副院长杨小康教授首先进行开场致辞。杨老师代表承办方向各位专家学者表示热烈的欢迎和衷心的感谢。随后，介绍了上海交通大学、上海交通大学人工智能研究院的概况与发展历程。最后，再次对来自全国各地的专家、学者表示热烈的欢迎，希望通过此次线上报告会，进一步促进人工智能研究院与各兄弟院校的学术交流，推动科研合作发展。希望大家互相交流经验、分享成果，为计算机视觉领域的研究添砖加瓦。

报告信息

特邀报告环节首先由北京大学信息科学技术学院智能科学系查红彬教授带来关于《A New Approach to SLAM: Online Learning Paradigm》的报告。报告覆盖了查老师研究组多年来在SLAM系统研究方面的工作与成果。他们最大限度地利用传感数据的时空一致性与三维地图的几何不变性，在现有多视点几何计算的基础上，强化了SLAM算法的系统性与泛化能力，为解决传统SLAM方法重建误差积累严重、处理成本高昂等问题提供了新的思路。

随后，由清华大学副教务长、研究生院院长周杰教授带来关于《AI系统与视觉感知识别》的报告。周老师从人工智能系统发展的时代大势出发，深入浅出地讲解了人工智能系统和视觉感知识别在近年来的发展趋势。也展示了很多国内外最新的人工智能落地应用，包括无人驾驶、智能机器人、智能工厂等等，分析并比对了国内外计算机视觉系统的发展情况，从宏观层面介绍了人工智能系统尤其是计算机视觉系统的发展趋势。

来自上海科技大学信息科学与技术学院的虞晶怡教授带来了关于《Building a 3D Human From Head to Toe》的报告。虞老师首先重点介绍了他们团队近年来在3D人体重建当中的落地应用。他们采用深度学习的方法，通过特征提取和网络监督的方式利用多视角信息来修复人体点云细节，他们提出的方法可以在仅利用RGB图像而不依赖于3D点云图的基础上还原人面部表情及头发等细节。虞老师还详细介绍了他们团队如何从无到有地开发出相应技术的过程。

最后，由来自大连理工大学的卢湖川教授做了题为《Long-term Visual Object Tracking》的报告。卢老师首先对长时目标跟踪和短时目标跟踪进行了综述，然后详细介绍了他们团队在长时目标追踪方面的工作，相关工作获得了2020年CVPR最佳论文提名奖等荣誉。他们利用深度学习技术在多个层面改进了现有长时视觉跟踪方法，提出算法同时具备短时精准快速跟踪和长时全图重找回的能力，以及判断目标是否被跟踪或已丢失的能力。

线上问答

在特邀报告之后，四位专家分别回答了由线上平台收集到的听众提出的问题。查红彬教授就co-slam类的方法发表了自己独到而富有深度的见解。针对听众提出的“仿生学是否在未来的人工智能系统中有重要作用，一定要仿照生物系统吗？”这一问题，周杰教授指出，当下人工智能系统在仿生学上确实能够学习到很多新思路，但未来的人工只能系统并不一定非得要拘泥于仿生学这一形式。虞晶怡教授详细地解释了其研究组关于人体三维重建方法对于硬件计算资源的需求，并且详细阐述了之前工作存在的落地难的问题以及后续工作对于算法落地这一问题的相关措施。卢湖川教授就“运动轨迹跟踪预测是否会对跟踪有帮助？”这一问题，从传统方法出发，深入浅出地讲解了运动轨迹如何嵌入到相关工作的学习过程中。四位专家在有限时间内，高效地回答了听众们的部分问题，提高了活动的学术交流效率。

圆桌讨论

在圆桌讨论环节，各位专家针对主持人杨小康教授提出的“关于计算机视觉六大关系”这个议题展开了热烈讨论，总结了当下计算机视觉的发展和挑战，专家观点总结如下：

(1)计算机视觉与机器学习之间的关系

专家们认为，计算机视觉与机器学习，尤其是深度学习之间的关系日渐紧密。专家们一致同意计算机视觉并不应该只是将机器学习作为一种工具来使用，还应该给机器学习的发展提出自己的问题，来促进深度学习或者机器学习的发展。

(2)机器学习与数学之间的关系

专家们认为，数学在一定程度上指导了机器学习的发展，但现阶段数学远无法描述复杂的机器学习任务和模型。专家们同意机器学习应该跳出传统数学的框架，在新时代走出一条具有机器学习特色的数学道路，和数学学科相互促进，共同发展。

(3)前沿研究与落地应用之间的关系

专家们认为，计算机视觉领域应该鼓励学术将“论文写到祖国的大地上”， 能够针对为国家做出贡献。专家们提出，前沿研究和落地应用对于计算机视觉而言，这二者之间的距离还算比较近。这是计算机视觉的一大特点。在国内，科研院所和企业应该加强交流，互通有无，将在生产实际中遇到的问题有效地解决。

(4)数据集与研究问题之间的关系

专家们认为，好的数据库，能够定义非常好的研究问题，写出很好的论文也能够产生一个巨大的影响。那么发好的数据集的确也成为了企业发好论文的一个重要的途径，但是的确也是现在有些数据集缺乏一些实际的应用，脱离实际。做好的计算机视觉研究不应该拘泥于脱离实际的数据集，而应该主动去联系现实生产生活中出现的数据，做到科研“研之有物”。

(5)企业论文和学术界论文之间的关系

专家们认为，企业论文和学术界论文之间本不应该有太大区别。良好的学术品位和与实际现实的有效结合应该是两者的共同的最高追求。当下企业和学术界正有这样相互融合相互交流的倾向。在这样的时代大势中，作为优秀的计算机视觉研究人员应该反求诸己，不为浮躁的大环境所影响，做到真正的宁静以致远。

(6)科学研究与人才培养之间的关系

专家们认为，当下过于火热的人工智能研究热潮已经深刻地影响到计算机学科的人才培养的过程。本科生在国际顶级会议上发表论文的例子屡见不鲜。专家们同意，应当为那些对人工智能研究抱有热情的青年学生提供更广大的平台供他们发挥自身的才能。但于此同时，计算机学科的人才培养亦不能陷入狂热的科学研究浪潮的陷阱中去。广大学生应当打好自身基础，做到根基稳固，以在日后的研究生活中发挥更大的作用。

活动总结

最后，由上海交通大学人工智能研究院常务副院长杨小康教授进行活动总结。杨老师再次表达了对各位专家学者及中国计算机学会计算机视觉专委会的衷心感谢。以本次报告会为契机，欢迎全国计算机领域的同行们来上海交通大学交流指导。同时，希望以后还有机会承办这种全国性的学术活动，为促进我国计算机科学与技术的发展贡献一份力量。

会议承办单位介绍

上海交通大学（Shanghai Jiao Tong University）简称“上海交大”，是由中华人民共和国教育部直属、中央直管副部级建制的全国重点大学，是中国历史最悠久、享誉海内外的高等学府之一，位列“世界一流大学建设高校（A类）”、“985工程”、“211工程”，为九校联盟、中国大学校长联谊会、Universitas 21、环太平洋大学联盟、21世纪学术联盟、国际应用科技开发协作网、新工科教育国际联盟成员，入选珠峰计划、“111计划”、“2011计划”、卓越医生教育培养计划、卓越法律人才教育培养计划、卓越工程师教育培养计划、卓越农林人才教育培养计划、国家建设高水平大学公派研究生项目、学位授权自主审核单位等。学校创建于1896年，原名南洋公学，是中国高等教育的多个源头之一；1911年更名为南洋大学堂，1929年更名为国立交通大学，1949年更名为交通大学；1955年，迁往西安，分为交通大学上海部分和西安部分；1959年两部分独立建制，上海部分启用“上海交通大学”校名；1999年，原上海农学院并入；2005年，与原上海第二医科大学合并。经过120多年的不懈努力，上海交通大学已经成为一所“综合性、研究型、国际化”的国内一流、国际知名大学。

人工智能正在深刻改变社会经济发展模式。面对国家和上海市的战略部署，抢抓人工智能发展的重大战略机遇，上海交通大学集聚校内外资源，于2018年1月18日揭牌成立上海交通大学人工智能研究院（以下简称 “研究院”），打造人工智能跨学科研究高地，培养人工智能高端人才，推动人工智能科技创新，加速人工智能技术产业应用，加快推进 “双一流” 建设。上海交通大学具有极强的 AI 学科基础，已获批人工智能教育部重点实验室。在第四次国家一级学科评估中，支撑 AI 基础理论的计算机、通信、控制 3 个一级学科均获得 A 等评级。

在人工智能的核心理论与技术方面，我校已经形成雄厚的基础和一批具有国际影响力的领军人才队伍，拥有人工智能相关的国家级人才计划获得者30余名。在新一代机器学习算法、人工智能芯片与架构、智能无人系统、媒体智能等方向上已经形成了鲜明特色和相关研究基地，在国内外具有较高的声誉。