【预告】CCF-MM走进高校@走进南京理工大学

【预告】CCF-MM走进高校@走进南京理工大学

原创 多媒体专委会 CCF多媒体专委会 2023-05-25 09:00 发表于山东

CCF-MM走进高校系列活动

CCF@U:

CCF-MM走进南京理工大学

     南京理工大学科学技术协会和南京理工大学计算机科学与工程学院将将于526-27日在南京青旅宾馆(江苏省南京市秦淮区后标营路101号)举办70周年校庆系列活动之“人工智能青年学者论坛”(下称“论坛”)暨CCF-MM走进高校@南京理工大学活动,主题是“非理想、非完备条件下的人工智能”,特邀人工智能领域的优秀青年学者分享研究进展、发表学术观点、促进交流与合作。

报告主题

非理想、非完备条件下的人工智能

参会地点:

青旅宾馆(江苏省南京市秦淮区后标营路101号)、

论坛主席:

唐金辉 计算机科学与工程(人工智能)学院院长

参会时间:

52615:00 - 21:00       报到与注册 

52708:00 - 17:00       会议报告

会议议程

时间

活动安排

527日上午


08:30 - 08:45

开幕式、领导致辞

08:45 - 09:25

特邀讲者:熊红凯 上海交通大学 国家杰青

报告题目:智能往何处去:数学分析与非凸优化

09:25 - 10:05


特邀讲者:纪荣嵘 厦门大学 国家杰青

演讲题目:从ChatGPT到国产多模态基础大模型

10:05 - 10:20

茶歇

10:20 - 11:00

特邀讲者:方玉明 江西财经大学 国家优青

演讲题目:图像质量评价:理论、方法及应用

11:00 - 11:40

特邀讲者:魏云超 北京交通大学 

演讲题目:Enhancing referring expression comprehension with limited data

11:40 - 14:00

午餐

527日下午


14:00 - 14:40


特邀讲者:袁 野 北京理工大学 国家杰青

演讲题目:从计算理论角度研究大图数据分析

14:40 - 15:20

特邀讲者:孟德宇 西安交通大学 长江学者

报告题目:参数化卷积方法及其应用

15:20 - 15:35

茶歇

15:35 - 16:15

特邀讲者:苏  航 清华大学  万人青拔

报告题目:大模型时代的安全人工智能方法研究

16:15 - 16:55


特邀讲者:李宇峰  南京大学 万人青拔

报告题目:鲁棒反绎学习:迈向安全利用弱标注与弱规则

16:55 - 17:00

会议总结、闭幕式

讲者/报告信息

特邀讲者:熊红凯

讲者简介:熊红凯,上海交通大学特聘教授,国家杰青(2014)、长江学者特聘教授(2016)、中组部万人计划科技创新领军人才(2017)科技部中青年科技创新领军人才、教育部新世纪优秀人才,上海市优秀学术带头人,上海市曙光学者,上海市青年科技英才,宝钢优秀教师奖(2次);获得:上海市青年科技杰出贡献奖、上海市技术发明奖一等奖(2次)、上海市科技进步一等奖、中国电子学会自然科学一等奖。曾任IEEE Trans. CSVT编委,文化和旅游部重点实验室学术委员会主任、上海交通大学致远学院副院长。中国图像与图形学学会理事,中国计算机学会杰出会员。2003年,在上海交通大学获博士学位,留校工作。曾在美国卡内基梅隆大学ECE、美国加州大学圣地亚哥分校生物医学信息中心从事研究。主要研究方向为:信息论与编码、信号处理、机器学习。共发表SCI/EI收录论文300余篇,含SCI论文100余篇,IEEE/ACM Trans. 汇刊长文80余篇,顶级国际学术会议CVPRICLRECCV 70余篇,曾获 ACM Multimedia 2022 Top Paper Award等论文奖。获授权中国和美国发明专利62项,获中国专利优秀奖。主持:国家自然科学基金的重点项目3项、重点国际合作项目、原创探索项目 等。指导学生入选国家优青、青年长江、上海市青年科技启明星、洪堡学者等,在上海交通大学组建“媒体信息网络研究所”(http://min.sjtu.edu.cn/)。

报告题目:智能往何处去:数学分析与非凸优化

报告摘要:报告会从深度学习的数学基础、优化、信号处理思想入手,基于信号处理的分析角度,着重介绍来自数学分析的神经网络优化、小波理论、谱图小波框架理论、基于优化理论的感知和计算成像、相位恢复、生成式智能等,阐述最新非凸优化理论和思想。具体相关工作,包含:设计由低通滤波器、一系列尺度连续放缩的带通滤波器组成的多尺度图卷积网络,具有顶点域与图频域的联合局域性,显式推演多尺度图卷积层的框架界,理论上保证模型的平稳性和可解释性,缓解深层网络结构中由于长程低通滤波所导致的过平滑;发展基于提升结构的可逆自编码器设计,基于卷积网络的提升算子、预测算子为多层卷积神经网络,理论上证明满足框架界的完美重构,对维度变化和噪声具有鲁棒性;最后展望新的数学智能研究发展。


特邀讲者:纪荣嵘

讲者简介:纪荣嵘,厦门大学南强特聘教授,科技处处长,人工智能研究院负责人。国家杰出青年科学基金获得者、国家优秀青年科学基金获得者、中组部万人计划青年拔尖人才。长期从事计算机视觉与机器学习等人工智能领域前沿技术研究,近年来发表TPAMIIJCVACM汇刊、IEEE汇刊、CVPRNeurIPS等会议长文百余篇。论文谷歌学术引用1.9万余次。曾获2016年教育部技术发明一等奖、2018年省科技进步一等奖、2020年省科技进步一等奖、2021年教育部技术发明二等奖、2022年霍英东青年科学奖。曾/现主持科技部科技创新2030重大项目、军科委基础加强项目、国家自然科学基金联合重点、教育部装备预研创新团队项目等。任中国计算机学会A类国际会议CVPRACM Multimedia领域主席、中国图象图形学学会学术工委副主任、教育部电子信息类教指委委员,人工智能国家标准工作组联合组长。

报告题目:ChatGPT到国产多模态基础大模型

报告摘要:随着深度学习技术的快速发展,ChatGPT作为自然语言处理领域的重要突破,引起了广泛关注。本次探讨ChatGPT在自然语言处理领域中的重要性以及其所具有的优秀特性,继而引出国产多模态基础大模型的研发意义,以及如何通过结合多模态数据和深度学习技术来实现新型国产化基础模型的构建。具体来说,将讨论多模态数据的处理方法、模型构建的关键技术以及如何实现紧致化部署等相关技术点。本讲座的研究成果将为解决多模态大模型的部署难题和提高模型性能和效率提供借鉴和参考。


特邀讲者:方玉明


讲者简介:方玉明,江西财经大学信息管理学院院长,教授,博导,长期从事多媒体信息处理,计算机视觉等方面研究,国家自然科学基金委“优秀青年科学基金”项目获得者,获2020年江西省自然科学奖一等奖,主持国家自科基金重点项目、优青项目和面上项目、科技部新一代人工智能重大项目课题等项目/课题10余项,发表中国计算机学会推荐A类期刊/会议和IEEE汇刊高水平论文70余篇,学术成果被谷歌学术引用7000余次,担任多媒体处理领域顶级期刊IEEE Transactions on Multimedia等多个国际学术期刊编委, 2020-2022年入选爱思唯尔中国高被引学者。

报告题目:图像质量评价:理论、方法及应用

报告摘要:本报告主要介绍图像质量评价概念和分类,概述最近几年来的相关进展。进一步,介绍本团队近年来在该领域的一些研究工作以及未来的发展趋势。


特邀讲者:魏云超


讲者简介:魏云超,北京交通大学教授、博导。曾在新加坡国立大学、美国伊利诺伊大学厄巴纳-香槟分校、悉尼科技大学从事研究工作。入选MIT TR35 China,百度全球高潜力华人青年学者、《澳大利亚人》TOP 40 Rising Star,国家重点研发计划青年科学家项目负责人,曾获教育部高等学校自然科学奖一等奖、中国图象图形学学会科技技术奖一等奖、计算机视觉世界杯ImageNet目标检测冠军及多项CVPR竞赛冠军,发表TPAMICVPR顶级期刊/会议论文100多篇,Google引用近15000次。主要研究方向包括面向非完美数据的视觉感知和多模态数据分析等。

报告题目Enhancing referring expression comprehe-nsion with limited data

报告摘要Vision-Language models, particularly transformer-based models, have achieved state-of-the-art performance in a variety of tasks such as image captioning, visual question answering, and referring expression comprehension (REC). However, these models require a large amount of annotated data, which can be expensive and time-consuming for collection. In this report, we will discuss how our innovative solutions to breaking the data-hungry curse of transformer-based vision-language models, particularly focusing on enhancing referring expression comprehension and segmentation tasks with limited data. The related research papers were accepted to ECCV 2022 and CVPR 2023.


特邀讲者:袁  野

讲者简介:袁野博士,现为北京理工计算机学院教授、博士生导师、国家杰青和优青基金获得者。主持国家自然基金重点项目,科技部重点研发项目。曾获中国电子学会自然一等奖,教育部和辽宁省科技进步一等奖、全国优秀博士论文提名奖、中国计算机学会优秀博士论文奖。袁博士是中国计算机学会数据库专业委员会常委、大数据专家委员会委员、中国计算机学会高级会员,IEEEACM高级会员。香港科技大学、香港中文大学、英国爱丁堡大学访问学者。主要研究方向为大数据管理与分析(包括图数据管理、众包数据管理、不确定数据管理、数据隐私保护等)。在SIGMODVLDBICDEVLDB JournalIEEE Trans.TKDEIEEE Trans.TPDS等重要学术会议和期刊上发表CCF A类论文90余篇。

报告题目:从计算理论角度研究大图数据分析

报告摘要:大图数据广泛应用于社交网络、人脑网络、知识图谱、物联网络等领域。为了很好地支撑这些应用,需要对大图数据进行深入的分析。为此,本报告从计算复杂度理论角度探讨大图数据分析的可计算问题、可表达问题和可解释问题。


特邀讲者:孟德宇

讲者简介:孟德宇,西安交通大学教授,博士生导师,任大数据算法与分析技术国家工程实验室机器学习教研室负责人。发表论文百余篇,其中IEEE汇刊论文60余篇,计算机学会A类会议40篇,谷歌学术引用超过21000次。现任IEEE Trans. PAMIScience China: Information Sciences7个国内外期刊编委。目前主要研究聚焦于元学习、概率机器学习、可解释性神经网络等机器学习基础研究问题。

报告题目:参数化卷积方法及其应用

报告摘要:卷积算子是卷积网络核心,在现代深度学习领域发挥了重要的作用。然而,常用的离散形式卷积核无法灵活进行函数变换或离散化采样位置调整,功能上具有显著局限性,不适用于旋转与尺度不变性刻画、卷积核动态调整和非网格卷积等操作。参数化卷积方法因此逐渐引起重视。现阶段,参数化卷积方法的研究处在起步阶段,本报告将介绍一种适用于底层视觉任务的参数化卷积方法,并以旋转等变卷积方法的构造为代表介绍一系列参数化卷积方法的应用。

特邀讲者:苏  航


讲者简介:苏航,清华大学计算机系副研究员,入选国家“万人计划”青年拔尖人才,主要研究对抗机器学习和鲁棒视觉计算等相关领域,发表CCF推荐A类会议和期刊论文50余篇,谷歌学术论文引用6000余次,获得吴文俊人工智能自然科学一等奖,ICME铂金最佳论文、MICCAI青年学者奖和AVSS最佳论文等多个学术奖项,曾率队在NeurIPS2017对抗攻防等多个国际学术比赛中获得冠军。现任中国图像图形学会青工委执委、VALSE执行AC委员会主席,担任NeurIPS21的领域主席(Area Chair)、AAAI22 Workshop Co-Chair,并在多次ICML等顶级国际会议上作为分论坛主席组织对抗学习专题研讨。

报告题目:大模型时代的安全人工智能方法研究

报告摘要:GPT等大型模型的快速发展推动下,人工智能系统正加速技术革命和产业进步,逐步融入人类日常生活。在这背景下,确保人工智能系统的安全性和可靠性显得尤为重要。当前的人工智能普遍存在鲁棒性不足,容易受到欺骗和误导,为其大规模应用和部署带来安全隐患。本报告将重点探讨深度学习算法安全中的挑战,从对抗鲁棒的基本原理出发,详细介绍基于对抗攻击的深度学习模型风险识别方法。同时,报告将阐述在此基础上发展的鲁棒深度学习算法,以提高模型的安全性和稳定性。最后,我们将讨论物理世界对抗攻击的真实风险,为未来的安全人工智能研究提供启示。


特邀讲者:李宇峰

讲者简介:李宇峰,南京大学人工智能学院博士生导师,副教授,入选国家青年人才。长期从事机器学习研究,在TPAMI 等期刊及会议上发表学术论文50 余篇,相关研究工作入选IJCAI 2021 优秀青年学者亮点报告。获江苏省科学技术奖一等奖,中国人工智能学会优秀工作者以及中国计算机学会优秀博士学位论文奖等。主持国家重大项目课题、国家自然科学基金委项目、企事业项目等。Machine Learning等期刊编委,IEEE Big Comp 2020程序主席。担任中国人工智能学会机器学习专委会秘书长、江苏省人工智能学会机器学习专委会主任等。

报告题目:鲁棒反绎学习:迈向安全利用弱标注与弱规则

报告摘要:反绎学习这个融合机器学习与逻辑推理并使它们能够比较均衡地协同发挥作用的新范式,面临弱标注数据和弱逻辑规则情形时可能会导致性能变差不稳定。本报告将介绍提升反绎学习鲁棒性方面的近期研究进展。

承办单位介绍

     南京理工大学计算机科学与工程学院(人工智能学院)始建于1953年创办的哈尔滨军事工程学院模拟计算机研究组,先后经历了炮兵工程学院计算机教研室(1960)、华东工程学院计算机科学与工程系(1979年)等发展阶段,是我国高等学校中较早建立的计算机系之一。200512月更名为计算机科学与技术学院,20125月改为现名。20186月学校批准成立人工智能学院,与计算机科学与工程学院合署运行。

      学院现有“模式识别与智能系统”国家重点二级学科、“计算机科学与技术”和“社会公共安全技术”江苏省优势学科。“软件工程”和“网络空间安全”江苏省一级重点学科,“模式识别与智能系统”国防特色学科、“社会公共安全信息工程”工信部重点学科。我院计算机科学学科为全球ESI1%学科。学院拥有“高维信息智能感知与系统”教育部重点实验室、“社会安全图像与视频理解”江苏省重点实验室、“社会安全信息感知与系统”工信部重点实验室、“语言信息智能处理及应用”工信部重点实验室、“光谱成像与智能感知” 江苏省重点实验室,“社会公共安全科技”江苏省2011协同创新中心,教育部、国家外国专家局“高维信息智能感知与系统”111创新引智基地。

     学院师资力量雄厚,拥有一支综合素质好、学术水平高、实践经验丰富、具有开拓创新精神的教学科研队伍,学院拥有长江学者特聘教授1人、国家杰出青年基金获得者2人、国家万人计划科技创新领军人才2人、青年Q1人,国家优秀青年基金项目获得者(含海外)、青年长江学者、万人计划青年拔尖教授等入选者10人;科研实力雄厚,学院近年来承担了国家自然科学基金重大计划、科技部科技创新2030重大项目、国家重点研发计划、国家973计划、国家863计划、国家攀登计划、国家科技攻关等重大科技计划、国际合作等项目100余项。先后获国家自然科学二等奖2项和省部级一等奖6项、二等奖20余项。