CCF TCMT CCF多媒体专委会 2021-04-18

CCF-MM走进高校系列活动

CCF@U：CCF-MM

南京理工大学

2021年4月17日上午，由中国计算机学会（CCF）多媒体技术专业委员会组织的“CCF走进高校活动”在南京理工大学计算机科学与工程学院4001会议室举行。北京工业大学胡永利教授、清华大学崔鹏副教授、大连理工大学王栋教授、中科院计算所李亮副研究员四位特邀专家在会议上就各自研究方向上的最新进展为南京理工大学师生作了精彩纷呈的报告。 本次会议由南京理工大学计算机科学与工程学院承办，南京理工大学计算机科学与工程学院李泽超教授主持会议，首先南京理工大学计算机科学与工程学院陆建峰副院长致辞，热烈欢迎四位专家莅临学院指导工作，然后李泽超教授介绍了CCF多媒体技术专业委员会的相关情况。

胡永利教授首先做了题为“高维数据流形上的稀疏低秩表示模型及聚类应用” 的专题报告。报告首先分析了当今大数据面临的挑战性问题，即高维数据往往产生于非线性结构的流形空间，其有效表达和智能应用面临巨大挑战。其次介绍了稀疏低秩表示模型的进展并分析了传统稀疏低秩模型往往忽略了高维数据非线性结构的不足。接着介绍了研究组针对上述问题在流形上的改进，包括Grassmann流形上的低秩表示模型、SPD流形上的低秩表示模型、乘积流形上的低秩表示模型，并展示了这些模型在各种复杂数据聚类应用场景下的性能。最后，基于已有的研究结论，探讨了流形上的低秩表示的未来发展趋势和进一步的工作方向。

崔鹏副教授的报告题目是“因果启发的稳定学习理论、方法和应用”。崔教授首先通过一系列生动形象实例，鞭辟入里地指出，当前人工智能算法应用于医疗、司法、工业生产等风险敏感领域时，在稳定性、可解释性、公平性、可回溯性等“四性”方面存在较为严重的缺陷。接着深入探讨了导致该问题的根源，即关联统计作为当前统计机器学习的基础，本身就具有上述“四性”问题。在此基础上，他提出，因果统计在保证“四性”问题上具有较好的理论支撑，同时也指出，讲因果统计融入机器学习框架是一个开放和富有挑战性的问题。接着，崔鹏教授着重介绍了所提的将因果推理引入预测性问题的稳定学习理论和方法。最后，展示了数据集不满足独立同分布假设下的图像分类应用中采用稳定学习的泛化优势。

王栋教授作了题为“高性能视觉跟踪算法”的报告。王栋教授首先回顾了近年来视觉跟踪算法的进展，他指出虽然视觉跟踪算法已经取得突破性进展，但复杂现实应用中往往有着复杂的场景变化以及对算法运行平台的限制，因而研究的一个关键问题是研究一个以强鲁棒性、高精确准度、易迁移性、低计算量为导向的高性能模型。接着，他介绍了团队近年来取得的针对高性能视觉跟踪模型中的四方面问题——鲁棒外观模型更新控制、模板和搜索区域特征融合、通用尺度估计模块设计及嵌入式平台部署需求的研究成果，包括元跟新模型、Transformer融合模型、Alpha-Refine尺度估计算法和NAS跟踪网络搜索模型，这些成果显著提升了视觉跟踪算法的精度并极大的降低了计算量。

李亮副研究员带来了题目为“跨媒体感知与推理”的报告。李亮副研究员幽默地用“僵尸粉”的问题作了开场白，他指出，目前网络上的多媒体数据随着自媒体和短视频等行业的发展而呈爆炸式增长，提升对网络内容感知和推理的智能化水平，对推动我国互联网治理与发展具有重要意义。接着，分析了当今网络内容的核心，他指出，现有跨媒体浅层语义分析技术已经无法满足日益发展的语义关联与时空涌现都非常复杂的跨媒体信息的语义理解要求，同时他也强调，当今这种蓬勃发展的多模态混合交织的跨媒体内容为实现跨域语义贯通提供了机遇。然后，着重介绍了讲者最新的研究进展，即图像深度感知和视觉语言推理方法、面向图像概述的主动学习，并展示了新的图推理网络架构搜索方法。最后，作了回顾与总结，并提出了未来可能的研究方向。

学术因交流而异彩纷呈，本次会议每场报告后均设有问答环境，参会老师和同学踊跃提问、积极互动，四位特邀专家也以幽默的语言和深入浅出的方式回答了大家的疑问，本次报告会取得圆满成功。