【活动预告】山东省人工智能大讲堂（第14期）

主题：视觉技术及应用

时间：2021年9月22日（星期三）上午9点至12点

线上腾讯会议ID：305 668 689

主办：山东省人工智能学会

承办：山东省人工智能学会学术工委

会议议程：

讲者信息：

刘玉身，清华大学软件学院副教授，博士生导师。主要研究方向为三维计算机视觉、点云智能处理、三维重建、建筑信息模型(BIM)。主持多项国家自然科学基金及国家重点研发计划课题，参编国家标准3项。作为第一或通讯作者，近年来在TIP、TPAMI、CVPR、ICCV、NeurIPS、ICML、ACM MM、AAAI、IJCAI等CCF A类期刊和会议发表论文20多篇。担任IJCAI、AAAI、ACM Multimedia、ICLR等多个国际会议SPC/PC、以及多个国际期刊编委和Guest Editor。获得Advanced Engineering Informatics (CCF B类)高被引研究奖、第16届土木与建筑工程计算国际会议(ICCCBE2016)最佳学生报告奖等，CAD/Graphics 2005最佳学生论文奖。

报告主题：点云智能处理与重建

报告摘要：点云智能处理是计算机图形学、三维计算机视觉领域中的研究热点，本报告主要介绍近两年三维点云智能处理与重建的相关技术，包括：1、数据驱动的三维点云特征表示学习、分割、形状补全方法，为下游分类、识别、重建等应用提供数据增强，重点介绍三个最新工作：无监督点云特征表示学习方法MAP-VAE (ICCV 2019)，基于跃迁式注意力的点云形状补全方法SA-Net (CVPR 2020)，基于多步循环形变的点云形状补全方法PMP-Net (CVPR2021)，以及无配对情况下的点云形状补全方法Cycle4Completion (CVPR 2021)。2、三维点云的隐式重建，实现高质量的三维模型生成，详细介绍一种三维点云的隐式重建方法 NeuralPull (ICML 2021)。3、此外，还会介绍一个最新提出的细粒度(Fine-grained)三维模型分类数据集FG3D及相应的算法FG3D-Net (TIP 2021)。

魏秀参，博士，南京理工大学计算机科学与工程学院教授，南京大学学生创业导师。主要研究领域为计算机视觉和机器学习，在相关领域国际顶级期刊和会议发表论文四十余篇，Google Scholar Citations 逾2100次，相关研究成果获得含iNaturalist在内的计算机视觉领域国际权威赛事共4项世界冠军。曾在CVPR、ICME等国际会议讲授“图像细粒度分析”为主题的短课程。著有《解析深度学习–卷积神经网络原理与视觉实践》一书。曾入选江苏省科协青年人才托举工程、南京经开区中青年优秀人才、南京理工大学青年拔尖人才、《中国科学：信息科学》优秀评审人、CVPR 2017 Best PC Member等荣誉。任中国计算机学会高级会员、CCF计算机视觉专委会委员、中国图象图形学报青年编委。担任ICCV、IJCAI、ACM Multimedia、ACCV等国际会议Workshop程序委员会主席，ACCV 2022 Tutorial主席，AAAI 2022、IJCAI 2021高级程序委员，二十余次CCF-A类会议的程序委员，及IEEE TPAMI、IJCV、MLJ等国际期刊审稿人。

报告题目：开放动态环境下的图像细粒度分析

报告摘要：图像细粒度分析是视觉感知学习的重要研究课题，在智能新经济和工业互联网等方面具有巨大应用价值。随着细粒度图像分析的应用场景向多维领域快速发展，其处于静态封闭环境的经典假定不再成立，不可避免地将面临开放动态环境挑战。本报告将针对监督信息不充足、样本分布不平衡、类别空间不闭合等现实频发问题，介绍在开放动态环境下图像细粒度分析方面本课题组的相关研究成果，并简要展望图像细粒度分析的未来发展方向。

卢宪凯，山东大学软件学院研究员，硕士生导师。主要研究方向是视频目标分析，视频目标分割、视频跟踪、视频实例分割以及图神经网络。在IEEE TPAMI (影响因子：17.86，三篇)、IEEE TCSVT、IEEE Proceedings、CVPR、ICCV、ECCV等国际高水平期刊和顶级会议上发表学术论文20余篇，一篇论文入选ESI2021高被引论文，授权国际专利两项。 担任国际模式识别顶刊Pattern Recognition客座编委，IJCAI2021 Senior Program Committee Member，山东省人工智能学会理事。主持基金委青年项目，参与基金委重点项目、腾讯犀牛鸟项目等多项课题。

报告题目：基于视觉关系建模的视频目标分割

报告摘要：视频目标分割(VOS)需要将视频帧中感兴趣的或者指定的前景目标的掩膜分离出来。根据是否提供第一帧的目标掩膜，VOS可以分成无监督视频目标分割( unsupervised VOS )，半监督视频目标分割( semi-supervised VOS )。视频目标分割是计算机视觉领域的重要研究内容，被广泛应用于公共安防、视频编辑等领域。本报告针对视频目标分割中存在的目标形变、目标遮挡、快速移动等挑战问题，从视觉关系建模角度出发分别介绍三种视频目标分割算法，涉及协同注意机机制、图记忆网络下小样本学习和变分推理。这些方面能够显著提升前景目标的特征表达同时提升模型对视频中干扰的鲁棒性。