时间：2019年7月20日9:00—11:30

地点：中国海洋大学信息学院北楼A423

讲者：左旺孟（哈尔滨工业大学）

左旺孟，CCF高级会员，哈尔滨工业大学计算机学院教授、博士生导师。主要从事图像增强与复原、图像编辑与生成、物体检测与目标跟踪、图像与视频分类等方面的研究。在CVPR/ICCV/ECCV等顶级会议和T-PAMI、IJCV及IEEE Rrans等期刊上发表论文90余篇。

主题:面向相机图像去噪的卷积网络设计与学习

图像去噪是图像处理和底层视觉的一个经典问题，并且有着许多现实世界应用。近年来，随着以卷积神经网络的深度学习技术的发展，卷积去噪网络的设计与学习也获得了较多的关注。报告将针对图像去噪问题，从与传统模型方法的联系以及灵活性等角度介绍DnCNN、FFDNet等代表性卷积去噪网络。此外，还从相机噪声建模角度，为将卷积去噪网络推广应用于真实相机噪声图像，介绍了CBNet及后续进展。

讲者：王树徽（中国科学院计算技术研究所）

王树徽：中科院计算所副研究员，毕业于清华大学，获中科院计算所博士学位。主要研究方向包括跨媒体计算、图像视频理解和异构大数据挖掘，发表IEEE/ACM汇刊和CCF-A类论文30余篇，申请专利6项，授权3项。主持国家自然科学基金面上、青年项目以及博士后面上、特别项目等课题研究，作为核心骨干参与973、863、自然基金重大项目等国家级重大课题的研究。

主题：开放域图文理解与交互技术研究

作为信息表征的两种重要媒体类型，图像/视频与文字之间的语义相互转换及贯通计算是多媒体、计算机视觉等领域的热点问题。由于视觉与文字表示结构迥异、内容多样，亟需有效的方法对其内在复杂关联进行学习和度量。报告围绕人机图文交互目标，以开放域实际应用为研究背景，以从传统浅层模型到深度模型为技术演进路线，针对图文数据高维、异构、复杂语义等问题，建立图文表征-理解-推理研究框架，提出面向图-文关联检索的非参数非线性映射模型、协同注意学习、自监督嵌入学习等方法，介绍基于时空内容定位的图像/视频语言描述模型，提出了基于统计递归学习的视频事件预测性描述方法。最后，结合相关技术发展前景介绍未来研究构想和尝试。

讲者：李伟生（重庆邮电大学）

李伟生，CCF高级会员，CCF重庆会员活动中心副主席，重庆邮电大学教授，博士生导师，教育部新世纪人才、重庆市学术带头人，重庆市杰出青年基金获得者，重庆邮电大学计算机科学与技术学院副院长、“图像认知”重庆市重点实验室主任。承担了包括国家自然科学基金、国防科技预研项目等20余项的研究。主要研究方向为模式识别、图像处理、信息融合等。

主题：多模态医学图像处理

基于多模态医学图像处理的多维可视化辅助诊疗技术因为扩展了时空覆盖范围、增强了系统的鲁棒性而成为医学图像领域发展的关键问题之一。利用临床CT 、MRI、PET等多模态医学影像建立多维可视化的数字化结构解剖模型，可以实现对器官及组织的各个参数的精确测量，增强医学影像的可靠性、稳定性及容错能力。

讲者：程志勇（山东省人工智能研究院）

程志勇：博士，齐鲁工业大学（山东省科学院）、山东省人工智能研究院研究员，于2007、2010、2016毕业于华中科技大学、西安交通大学和新加坡管理大学，曾任职于新加坡国立大学计算机学院。主要研究方向为多媒体内容分析和信息检索，如图片、音乐、视频内容分析和检索，以及基于多模态信息的搜索与推荐。曾参与新加坡媒体发展局、教育部项目及微软亚洲研究院合作项目。在计算机多媒体及信息检索等相关领域发表论文40余篇，其中CCFA类会议长文和ACM/IEEE 汇刊25篇，如ACM SIGIR ,MM ,WWW,IJCAI,TOIS,TKDE,TCYB,TIE等。曾担任多个国际学术会议学术委员会委员和多个国际一流期刊审稿人，如TIKDE，TIP，TMM，TOIS，TNNLS等。

主题：基于多模态信息的个性化喜好建模

推荐系统通常将用户个人喜好表征为一个特征向量，并且在预测该用户对不同商品的喜好程度时假定其特征向量是固定不变的。实际上，由于商品的多样性，其表征出来的特性也是多样化的。面对不同的商品，用户关注的商品特征或属性也会随之变化。因此，用一个固定的特征向量很难准确预测用户对不同商品的喜好程度。本报告将介绍我们最近基于多模态信息（如评级、用户评论和项目图片）对用户多样性喜好（即对不同的商品，用户关注的商品特征或属性不一样）建模的工作。实验结果表明，对用户多样性喜好建模可以大幅提升推荐精度。