简介：王中秋，博士，国家级青年人才（海外），现任南方科技大学计算机科学与工程系副教授，曾在美国三菱电机研究院任访问研究员、在卡内基梅隆大学语言技术研究所任博士后研究员。王博士的研究课题集中于人工智能和计算听觉中对于声学信号的感知、理解与生成，迄今已在人工智能、语音及音频信号处理领域发表顶级期刊和会议论文70余篇，曾获信号处理旗舰会议ICASSP 2018最佳学生论文奖。详见https://zqwang7.github.io/。

报告题目：Listen to Extract：基于人工起始提示的目标说话人提取方法

报告摘要：在多说话人语音混合的场景中，如何快速准确地提取目标说话人始终是语音处理的核心挑战。现有方法通常依赖定长或变长说话人表征，但往往存在说话人表征与混合信号表征不匹配或计算复杂度高的问题。我们提出一种极其简洁但高效的目标说话人提取方法：Listen to Extract (LExt)。其核心思想是将目标说话人注册语音片段直接拼接到混合语音之前，人为地构造一个“语音起始提示”，让机器先听一听目标说话人是谁，再去完成提取任务。由于拼接后的语音在同一网络中处理，LExt无需额外的说话人表征提取模块。我们在 WSJ0-2mix、WHAM!和WHAMR!等多个公开数据集上进行了验证，实验结果表明，LExt在保持极简结构的同时，显著优于现有基线系统，达到了当前最优的目标说话人提取性能。此外，研究还表明，LExt 在仅需0.25秒甚至更短的注册语音条件下，仍能取得较高的提取效果，展示了其在实际应用中的潜力。

简介：王帅，南京大学智能科学与技术学院副教授，特聘研究员，博士生导师。专注于智能音频信号处理研究，涵盖语音、音频事件及音乐等多模态声学信号。2020年于上海交通大学获博士学位。曾任深圳市大数据研究院副研究员；亦曾任腾讯光子工作室高级研究员，领导团队负责面向游戏场景的语音技术的研发与应用。荣获VoxSRC2019、DIHARD2019等国际竞赛冠军及ISCSLP2024最佳论文、最佳学生论文奖。发起开源工具WeSpeaker与WeSep，提供的预训练模型在HuggingFace平台下载量月均超千万次，在学术界与工业界获得广泛应用。

报告题目：面向真实场景的目标语音提取算法

报告摘要：目标说话人提取（Target Speaker Extraction）技术因其广阔的应用前景，已成为语音处理领域的研究热点。然而，当前研究成果与真实应用场景的性能需求之间仍存在显著差距。为弥合这一鸿沟，本报告将阐述我们为提升系统鲁棒性所开展的算法研究工作。此外，我们构建了一套面向真实场景的TSE测试集Real-T，并发布了专为该任务设计的开源工具包WeSep，旨在为该领域的进一步研究提供坚实的基准与便利的平台。

简介：苗晓晓，现任昆山杜克大学自然与应用科学学部助理教授。2015-2021中国科学院声学研究所，中国科学院大学博士，2021-2023日本国立信息学研究所博士后，2023-2025新加坡理工大学信息处理学院助理教授。主要研究方向包括语音隐私保护，说话人及语种识别。先后主持日本自然科学基金，新加坡教育部科学研究基金。在国内外期刊会议上发表论文三十余篇。参与组织 voiceprivacy challenge 2022，2024 及 attacker challenge。作为第一作者的研究成果获 odyssey2022，NCMMSC2017 最佳论文提名奖，MIT MGB-5 Challenge 2019 阿拉伯方言国际竞赛第二名。其部分语音隐私保护相关研究成果已成功应用于日本广播电台，转化为专利。

报告题目：从VoicePrivacy Challenge看语音匿名化技术的发展

简介：杨继臣，2010年博士毕业于华南理工大学毕业，研究方向为语音信号处理。随后在华南理工大学、新加坡资讯通讯研究院和新加坡国立大学跟随贺前华教授、Kong-Aik Lee和李海洲教授做博士后研究。2022年加入广东技术师范大学网络空间安全学院，现为广东技术师范大学教授、硕士生导师、IEEE高级会员、CCF高级会员和CCF语音对话与听觉专委会委员。先后主持过国家自然科学基金、博士后科学基金和广东省自然科学基金等项目。进几年以第一作者或通讯作者发表SCI论文30篇，其中8篇发表在TASLP、TIFS和TMM上。

报告题目：基于β-阶的谱线能量加权的回放语音检测研究

简介：洪青阳，厦门大学信息学院教授，主要研究方向为声纹识别、语音识别，先后主持国家自然科学基金三项，科技部创新基金两项。牵头组建厦门大学智能语音实验室，带领XMUSPEECH团队获东方语种识别（OLR）、基于多模态信息的语音处理（MISP）等竞赛佳绩，成功研发闽南语识别与合成系统。与华为、海思、海信、声云等知名企业合作，成果落地华为智能手机、说咱闽南话App、声云语音转写和全国多个省市的司法/证券/电力系统。发布声纹识别开源工具ASV-Subtools，助力学术研究和产业落地。出版专著《语音识别：原理与应用》，累计发行超1万册。担任中文信息学会语音信息专委会副主任等职。获电子工业出版社“优秀作者奖”和华为“优秀技术合作成果奖”。

报告题目：面向声纹识别的噪声标签过滤研究

简介：王帅，南京大学智能科学与技术学院副教授，特聘研究员，博士生导师。专注于智能音频信号处理研究，涵盖语音、音频事件及音乐等多模态声学信号。2020年于上海交通大学获博士学位。曾任深圳市大数据研究院副研究员；亦曾任腾讯光子工作室高级研究员，领导团队负责面向游戏场景的语音技术的研发与应用。荣获VoxSRC2019、DIHARD2019等国际竞赛冠军及ISCSLP2024最佳论文、最佳学生论文奖。发起开源工具WeSpeaker与WeSep，提供的预训练模型在HuggingFace平台下载量月均超千万次，在学术界与工业界获得广泛应用。

简介：许威威，浙江大学计算机科学与技术学院CAD&CG国家重点实验室长聘教授，教育部长江学者，中国图象图形学学会智能图形专委会副主任。曾任日本立命馆大学博士后，微软亚洲研究院网络图形组研究员, 杭州师范大学浙江省钱江学者特聘教授。主要研究方向为智能三维感知、重建和仿真。发表ACM TOG, IEEE TVCG、IEEE CVPR、AAAI等CCF-A类论文80余篇。获中国和美国授权专利30余项。所开发的高精度、高真实感三维重建技术在先临高精度扫描仪、百度阿波罗自动驾驶仿真平台、华为河图和徐工机械远程驾驶舱中得到应用。2014年受国家自然科学基金优秀青年基金资助，主持国家自然科学基金重点项目一项，获浙江省自然科学二等奖一项。

报告题目：端到端的数字人重建与驱动技术

报告摘要：数字人重建和驱动技术可为元宇宙提供自然的交互入口，其高效便捷的构建与驱动备受关注。本报告将介绍如何利用端到端的神经渲染技术从稀疏视点中重建高质量的三维数字人，采用RGBD相机提升动态人体重建算法的效率和结果质量，并进一步介绍从视频构建可驱动数字人的技术进展。

简介：吕科，中国科学院大学特聘教授、博士生导师，国家级科技领军人才，科技部创新人才推进计划“中青年科技创新领军人才”，鹏城国家实验室双聘教授，国家自然科学基金委创新研究研究群体（A类）项目负责人，国家重点研发计划“基础科研条件与重大科学仪器设备研发”专项项目首席科学家，享受国务院政府特殊津贴专家。主要研究方向为图像处理、智能信息处理技术。中国图像图形学会交通视频专委会副主任，中国计算机学会多媒体专委会常委。

报告题目：高保真数字人技术研究进展与展望

报告摘要：2024年中国科协发布的十大前沿科技问题中，“情智兼备数字人与机器人”位列重大科学问题之首，充分彰显了国家在数字人技术发展领域的战略布局和高度重视。作为新一代智能交互的核心载体，高保真数字人技术正在深刻重塑通讯、教育、传媒等关键领域的应用范式。高真实感数字人技术通过深度融合计算机图形学、人工智能、多模态交互与物理仿真等前沿技术，构建出在外观形态、动作表现、情感表达及行为逻辑等维度全方位逼近真实人类的数字实体。本报告将探讨数字人技术的关键突破与核心挑战，重点围绕数据构建、基座模型、控制编辑及沉浸交互等核心技术领域的最新研究进展展开论述，并对数字内容创作、智能客服与数字营销、人形机器人驱动等典型应用场景的落地挑战进行深入分析。

简介：徐枫，清华大学软件学院长聘副教授，博士生导师，入选国家级青年人才。研究方向包括人工智能、虚拟/增强现实、智慧医疗等。相关工作发表在Nature Medicine, Nature Biomedical Engineering, NEJM AI，Lancet Digital Health, ACM Siggraph, CVPR等国际权威期刊和会议上。担任CCF A类IEEE TVCG编委， Siggraph、Siggraph Asia程序委员，ICCV领域主席。论文入选Cell Press中国年度最佳论文、Siggraph最佳论文，获中国图象图形学学会技术发明一等奖(序1)。

报告题目：数字人中的物理

简介：张盛平，哈尔滨工业大学教授、鹏城国家实验室访问教授、如本科技首席科学家，入选国家级青年人才计划，布朗大学和香港浸会大学博士后、加州大学伯克利分校访问学者。主要研究方向为机器学习与计算机视觉。主持国家自然科学基金4项、华为公司项目10余项，被华为授予2021年“HUAWEI Ascend Expert”和 2022年“昇腾众智星光奖”荣誉称号，荣获2022年度教育部-华为“智能基座”栋梁之师。研究成果获省部级科研奖励4项。已发表学术论文100余篇（包括PNAS、IEEE T-PAMI、IJCV、ICML、NeurIPS、CVPR、ICCV、SIGGRAPH等）。

报告题目：超写实虚拟数字人驱动技术

简介：李冠彬，中山大学计算机学院教授，博士生导师，国家优秀青年基金获得者。主要研究领域为图像视频内容理解与生成。累计发表CCF A类/中科院一区论文 200 余篇，谷歌学术引用超过 18000次，入选全球前0.05%顶尖科学家榜单。曾获得中国图象图形学学会青年科学家奖、吴文俊人工智能优秀青年奖、ACM 中国新星提名奖、中国图象图形学学会科学技术一等奖、ICCV2019 最佳论文提名奖、CVPR2024最佳论文候选等荣誉。主持了包括国家自然科学基金优青、面上、青年、重点研发课题、广东省杰青、 CCF-腾讯犀牛鸟科研基金、CCF-快手科研基金等20多项科研项目。担任广东省大数据分析与处理重点实验室副主任、广东省图象图形学会计算机视觉专委会主任、中国图象图形学学会青工委副秘书长等职务。担任人工智能领域顶级会议CVPR、ICCV等顶会领域主席，获得10余项人工智能领域国际顶级会议竞赛冠军。

报告题目：可控视觉内容生成与编辑

简介：高永彬，上海工程技术大学电子电气工程学院教授，副院长，博士生导师，CCF多媒体专委会执行委员，中国图象图形学学会生物特征识别专委会副秘书长，上海市计算机学会计算机视觉专委会副秘书长，上海市数据智能技术及其应用协同创新中心副主任，工业互联网产业联盟民用飞机制造与运维大数据分析实验室常务副主任。以一作/通讯发表包括IEEE TIP、IEEE TCSVT、IEEE TITS, IEEE IOTJ, ACM TOMM、ICME、ICCV等知名期刊/会议论文50余篇。主持国家级项目/省部级项目6项，主要技术骨干参与科技创新2030-新一代人工智能重大专项/工信部项目/国家基金委重点项目5项。获得上海市科技进步二等奖和中国图象图形学会科技进步二等奖。研究方向：三维视觉。

简介：沈琳琳，教授，上海交通大学学士、硕士，英国诺丁汉大学博士。入选ScholarGPS“全球前0.05%顶尖学者”，2015-2025连续11年被爱思唯尔出版社评为计算机学科“中国高被引学者”，2020-2025连续入围斯坦福大学“科学影响力全球前2%科学家榜单”。鹏城学者，深圳大学人工智能学院副院长，英国诺丁汉大学计算机学院荣誉教授、宁波诺丁汉大学计算机系访问教授；大数据系统计算技术国家工程实验室副主任、深圳大学计算机视觉研究所所长。期刊《Cognitive Computation and Systems》常务副主编（Co-Editor-in-Chief）、《IEEE Trans. on Image Processing》资深领域编辑（Senior Area Editor）、《Expert Systems with Applications》资深编辑（Senior Editor）、《Pattern Recognition》《Scientific Data》副编辑（AE）,AAAI/ IJCAI Senior PC，ACM Multimedia / ICASSP / PRCV领域主席（Area Chair）。基于人脸视频的抑郁分析论文获情感计算顶刊《IEEE Trans. on Affective Computing》最佳论文亚军，人脸识别论文曾获国际期刊《Image and Vision Computing》最多他引论文奖，CT图像脊柱分割论文获 Wiley出版社高被引论文奖（Wiley Top Cited Article）。2023年5月带领团队开源首个中文百亿参数大模型“伶荔”，被金融等垂直行业广泛使用。

报告题目：从知人、知面到知心

报告摘要：报告将主要围绕人脸的识别分析任务展开，包括从人脸识别身份（知人）、人脸属性分析（知面），以及基于人脸的表情和抑郁、性格等情感识别（知心）。围绕这些任务，介绍团队在2D、3D人脸识别的UniFace，PointFace等工作，能够将各种属性分析、图文生成任务统一的Talk2Face框架，含八千万人脸描述图文对数据集Flip、200个细粒度属性分析问答数据集FaceBench，人脸多模态细粒度分析大模型Face-LLaVA，以及用于情感识别和人脸反应生成的个性化网络，最后介绍针对人机交互场景的人脸动作感知和交互反应动作生成智能体等工作。

简介：黄迪，北京航空航天大学计算机学院教授、博士生导师；长期从事计算机视觉、多模态感知、表示学习等方面的理论与方法研究；主持国家重点研发计划、国家自然科学基金优青等研究项目20余项；发表包括国际高水平期刊和会议论文120余篇，谷歌学术引用14,400余次，获国内外学术会议论文奖项6项；曾获ICRA机器人抓取与操作竞赛冠军、MM情感计算竞赛冠军；获吴文俊人工智能自然科学一等奖、中国图象图形学学会自然科学二等奖2项。

报告题目：基于几何表示学习的三维人脸表情识别

报告摘要：多表情是人类日常传递情绪的重要方式，让计算机“读懂”这些表情，对于发展更自然的人机交互和促进相关应用的普及至关重要。传统基于二维图像、视频的方法易受光照、姿态等因素干扰，难以满足实际需求。随着三维采集设备的革新，基于几何信息的表情识别逐渐成为领域内的研究热点，其中如何从非结构化的三维数据中有效提取刻画表情的判别特征是核心挑战。近年来，几何表示学习作为新兴范式，能够直接基于点云、网格等数据形式端到端构建更优的特征，将三维表情识别带入了新阶段。本次报告将分别从数据利用与模型设计两个层面系统介绍研究团队的最新进展。主要内容包括：通过自监督学习充分挖掘大规模未标注数据价值；采用身份解耦策略消除身份信息干扰；以及利用提示学习实现多模态信息的充分融合。这些方法有助于提升三维表情识别模型的准确率和鲁棒性，为相关技术的实际应用提供基础支持。

简介：赵启军，四川大学计算机学院（软件学院、智能科学与技术学院）教授、博士生导师、副院长，四川省学术和技术带头人后备人选。长期从事模式识别与图像处理领域的教学与科研工作，近年来主持相关的国家自然科学基金项目、科技部重点研发计划项目子课题、省部级项目和企业合作项目等10余项，已在国内外学术会议和期刊上发表学术论文近200篇，获授权发明专利20多项，出版专著和译著4部。曾获上海市自然科学奖二等奖、四川省科技进步奖三等奖、日内瓦国际发明奖银奖、国际计算机视觉与模式识别会议（CVPR）杰出评审专家称号、《中国图象图形学报》优秀编委、四川大学十佳关爱学生教师奖和未来教学名师奖、教育部-华为智能基座“栋梁之师”称号等。

报告题目：人脸图像的通用防伪特征学习

简介：中国科学院自动化研究所项目研究员，从事生物特征识别、数字人、人工智能基础理论的研究与应用。国际模式识别协会（IAPR）生物特征青年学者奖（YBIA）获得者（两年一次，每次从全球范围内评选40岁以下学者一名），获2024中国图象图形学学会自然科学二等奖（第一完成人）。共发表论文100余篇，发表文章的Google Scholar总引用次数为10000余次。获得三次国际竞赛冠军以及四项最佳论文及提名奖。授权国家发明专利16项。入选IEEE Senior Member，百度学术全球华人AI青年学者榜单（全球25人）。任生物特征识别国际期刊IEEE Transactions on Information Forensics & Security (T-IFS, CCF:A类) 、模式识别国际知名期刊Pattern Recognition (PR, CCF:B) Associate Editor，国际生物特征识别大会 IJCB 2025 Program Chair, 中国图象图形学学会青托俱乐部副主席，中国人工智能学会模式识别专委会副秘书长。

报告题目：人脸鉴伪持续攻防：一种模型增长方案

简介：余梓彤，大湾区大学长聘副教授，研究员，博导，国家高层次青年人才，国家优秀海外留学生奖获得者，IEEE/CCF高级会员，CCF东莞分部秘书长，CSIG生物特征识别专业委员会（筹）副秘书长，东莞市智能信息技术重点实验室副主任。南洋理工大学博后，博士毕业于奥卢大学，牛津大学访问学者, 研究方向为微视觉计算。发表Cell子刊、TPAMI等高水平文章50篇，谷歌总引用7600次，获4项国际学术竞赛冠亚军，授权国家发明专利14项。主持国自然优青（海外）/面上/青年项目、CCF-腾讯犀牛鸟项目等。获ACM SIGWEB中国新星奖，IEEE芬兰最佳学生会议论文奖，IEEE芬兰SP/CAS最佳论文奖亚军，ICME 24最佳论文候选，连续三年入选斯坦福全球前2%顶尖科学家榜单，指导学生获IAPR最佳学生论文奖、CCBR 24最佳论文提名奖、CSIG英文会刊首个封面文章。担任国际期刊IEEE TIFS编委，曾担任ACM MM 25、ICME 23、BMVC 24/25、IJCB 24领域主席、IJCAI 25 SPC、CCBR 25论坛主席。相关成果落地应用于中国疾控中心、广电运通集团等，以第一完成人获广东省图象图形学会科技进步一等奖。

报告题目：微弱面部视觉计算

简介：单彩峰，南京大学教授、博士生导师，国家海外高层次人才, “长江学者”讲席教授。现任南京大学智能科学与技术学院副院长、南京大学-中国移动联合研究院副院长。先后获得中国科学技术大学学士、中国科学院自动化研究所硕士、英国伦敦大学玛丽女王学院博士，之后在荷兰飞利浦研究院工作十余年，担任资深科学家和团队负责人，并兼任荷兰埃因霍温理工大学研究员。主要从事计算机视觉、模式识别、医学图像计算等方面的研究，先后承担多个欧盟和荷兰的研究项目、国家自然科学基金原创探索项目等。发表论文180多篇（引用1万余次）、授权各国专利100多项（其中美国欧洲日本专利60余项）。荣获飞利浦公司发明奖，入选全球前2%顶尖科学家、飞利浦公司“High Potential”人才等。先后担任10余个国际期刊的编委，组织了多个国际研讨会。

简介：东南大学计算机科学与工程学院教授、博士生导师，国家基金委青年科学基金项目B类（原优青）获得者、国家重点研发计划首席青年科学家、江苏省杰青。主要从事计算机视觉、机器学习和机器人方面研究，带领团队开源“PyRetri”、“Hawkeye”等细粒度图像分析算法库（均入选ACM Multimedia开源竞赛Winner Entry）。在国际顶级期刊和会议发表论文六十余篇，相关研究工作获得“江苏省自然科学百篇优秀学术成果”以及含CVPR iNaturalist在内的国际权威学术评测等10余项世界冠军。担任IEEE TIP/TMM编委，CVPR、ICCV、AAAI、IJCAI等国际会议的领域主席、研讨会主席、讲习班主席等10余次，并任Fundamental Research/电子学报（英文版）青年编委、CSIG青托俱乐部主席、CCF-CV/CSIG-青工委副秘书长等。曾入选CSIG青年科学家奖、吴文俊人工智能优秀青年奖、中国科协青年人才托举工程等。主编教材《解析深度学习》已重印7次并入选“十四五”国家重点出版物出版规划、2025年度CCF推荐教材和省部级重点教材，另出版学术专著1部。

报告题目：细粒度图像分析及其应用初探

报告摘要：细粒度图像分析是视觉感知学习的基础研究课题，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扩展，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匮乏、样本分布长尾、检索数据庞杂等现实频发问题，介绍在细粒度图像分析领域本课题组的相关研究成果，及面向人民生命健康和国家重大需求方面的应用实践。

简介：徐婧林，北京科技大学智能科学与技术学院副教授，北京图象图形学学会理事、副秘书长，中国图象图形学学会青托俱乐部副主席。主要研究方向为计算机视觉、视频理解、细粒度运动分析，已发表TPAMI、IJCV、CVPR等ACM/IEEE Trans.和CCF A类论文30余篇。主持国家自然科学基金青年基金B类（原优青）、C类、面上、北京市自然科学基金面上等项目；主持腾讯犀牛鸟专项研究计划；作为合作单位负责人参与国家自然科学基金重点（序2）、北京市自然科学基金联合基金重点（序2）等项目。入选中国科协青年人才托举工程，获中国图象图形学学会石青云女科学家奖、优秀博士学位论文奖，获中国自动化学会自然科学奖一等奖（4/5）、中国图象图形学学会自然科学奖二等奖（3/5）等奖励。担任《Chinese Journal of Electronics》青年编委、《电子与信息学报》编委等。

报告题目：面向行为理解的细粒度运动分析

报告摘要：细粒度运动分析旨在通过对人体动作序列的精细化分析，实现动作的识别、定位以及质量评价。本报告首先介绍细粒度运动分析的研究背景，重点介绍细粒度动作识别、定位、质量评价，回答如何在时间和空间维度上捕捉边界模糊的细粒度动作，以及如何从细粒度层面更精确地评估人体动作质量。该研究工作将在运动康复、体能测试、数字传媒等领域发挥重要作用。

简介：汪婧雅，现任上海科技大学信息科学与技术学院研究员、助理教授、博导。研究兴趣侧重于以人为中心的三维交互与具身智能。在计算机视觉顶级会议和期刊上发表论文50余篇，其中CCF-A类论文40余篇。担任CVPR、NeurIPS、ICML、ICCV、ECCV、ACM MM等会议的领域主席。入选上海市海外领军人才计划，上海市扬帆计划，主持国家自然科学基金等。荣获2018 CVPR Doctoral Consortium Award，第一作者论文入选Computer Vision News Magazine评比的2018 Best of CVPR Paper。2023年入选百度AI华人女性青年学者榜。获得2024年ACM Design Automation Conference最佳论文提名，2024年ACM Multimedia最佳论文提名，ICLR 2025生成式理论研讨会杰出论文奖。

报告题目：面向开放世界的多模态行人重识别

简介：张顺利，北京交通大学软件学院教授、博导。主要研究方向包括视频图像处理与分析、计算机视觉、智能决策、深度学习等。主持国家自然科学基金项目2项、北京市自然科学基金项目2项，企业合作科技项目多项，取得了较好的研究成果。在CVPR、ICCV、ACM MM、TIP、TMM等国际著名会议期刊发表论文60余篇，带领研究团队多次获得国际步态识别大赛、ICME雨天场景语义分割挑战赛等国际学术竞赛第1名。

报告题目：步态识别的前沿技术创新与挑战

简介：侯赛辉，北京师范大学副教授，主要从事以人为中心的计算机视觉和多模态大模型等相关研究。目前在TPAMI、IJCV、TIFS和CVPR、ICCV、ECCV等期刊和会议发表50余篇论文，其中CCF-A/ECCV/IEEE Transactions论文47篇，Google引用次数4000余次。申明专利20余项，主持国家自然科学基金青年基金和中央高校基本科研业务费专项资助项目，参与国家自然科学基金重点项目、面上项目以及多个企业横向合作项目。获中国科学技术大学优秀博士论文和中国科学院院长奖优秀奖，入选2023-2025北京市科协青年人才托举工程。

简介：王兴刚，华中科技大学电信学院教授，主要从事视觉表征学习、多模态基础模型、自动驾驶等领域研究，谷歌学术引用4.5万次，H-index 84。担任Image and Vision Computing期刊共同主编，IEEE TPAMI副编辑，CVPR、ICCV、NeurIPS、AAAI等顶会领域主席。入选了国家万人计划青年拔尖人才、中国科协青年人才托举工程。获湖北青年五四奖章、CSIG青年科学家奖，CVMJ最佳论文奖，MIR期刊最高引用论文奖等。

报告题目：图像生成中的高效可控表征学习方法

报告摘要：图像视频生成等AIGC技术近年来取得了飞速的发展，其基本范式主要有两种：扩散模型和自回归模型。本次报告将从扩散模型和自回归模型两个角度围绕高效可控图像生成展开探讨，介绍三个工作：（1）VA-VAE和LightningDiT（CVPR 2025 Oral）通过将视觉分词器的潜在空间与预训练视觉基础模型对齐，显著提升高维潜在空间中扩散模型的重建-生成性能与训练效率，在ImageNet 256上以1.35的FID达到SOTA，并实现超过21倍的收敛加速。（2）DiG（CVPR 2025）将门控线性注意力（GLA）引入扩散模型以实现亚二次复杂度，在保持生成质量的同时显著提升高分辨率图像生成的训练与推理效率。（3）ControlAR（ICLR 2025）提出了一种面向自回归图像生成模型的高效控制框架，通过轻量控制编码器与基于条件解码的token级融合机制，显著提升AR模型在边缘、深度、分割等空间控制下的生成质量与可控性，性能超越现有可控扩散模型如ControlNet++。

简介：王楠楠，教授，博士生导师，西安电子科技大学空天地一体化综合业务网全国重点实验室副主任。近年来从事图像跨域重建与可信鉴别方面的研究，具体包括图像跨域重建，目标身份分析，以及模型可信学习等。在IEEE TPAMI、IJCV等国际学术期刊和CVPR、ICCV、ECCV、ICML、NeurIPS等国际学术会议上发表论文200余篇，授权国家发明专利30余项，其中7项实现专利技术转让，软件著作权3项，相关成果获教育部自然科学一等奖、陕西省科学技术一等奖、中国图象图形学学会自然科学奖一等奖、中国人工智能学会优秀博士学位论文、陕西省优秀博士学位论文奖等荣誉。主持国家自然科学基金优秀青年基金、联合基金重点、面上、青年项目，科技创新2030-“新一代人工智能”重大项目子课题，教育部联合基金项目等。担任国际期刊《Visual Computer》的共同主编（Co-Editor-in-Chief）及Neural Networks编委等。

报告题目：面向边端高效推理的模型轻量化

报告摘要：针对大模型高计算复杂度引起的高能耗和高碳排放问题，本报告从架构设计、推理步数和参数量化三个方面，探索神经网络规模压缩和稳定训练方法，实现绿色低碳的大模型轻量化技术。具体包括：(1) 优化网络架构，以降低模型参数规模或降低参数激活量；(2) 生成模型推理阶段的单步算法设计，以降低模型推理时延；(3) 模型的低比特量化，以实现模型的进一步缩小以及稳定训练。本报告的三项研究内容相辅相成，有望构建面向边端需求的大模型轻量化完备解决方案，实现资源消耗与模型性能之间的极佳平衡。

简介：舒祥波，南京理工大学计算机科学与工程学院/人工智能学院副院长、教授、社会安全信息感知与系统工信部重点实验室副主任。研究方向为人体行为计算，在TPAMI、CVPR、ICCV、MM、NeurIPS等期刊/会议上发表论文100余篇，其中ESI高被引论文8篇；获中国电子学会自然科学一等奖、ACM MM 2015最佳论文提名、MMM 2016最佳学生论文奖、江苏省优博、中国人工智能学会优博、2024年度江苏自然科学百篇优秀学术成果论文；入选全球前2%顶尖科学家（2021-2024年）；承担国家重点研发课题、国家自然科学基金仪器项目课题、国家自然科学基金优青/面上/青年项目、江苏省杰出青年等项目。担任CSIG青工委副秘书长，以及TNNLS、TCSVT、Pattern Recognition等期刊编委。

报告题目：面向联邦聚合优化的人体行为计算

简介：余肇飞，北京大学人工智能研究院研究员、博士生导师，北京大学博雅青年学者，高层次国家级青年人才。主要研究方向为类脑计算、神经形态计算，担任类脑脉冲大模型北京市重点实验室副主任、中国图象图形学会类脑视觉专委会秘书长。在Nature Biomedical Engineering、Science Advance、IEEE Transaction汇刊和NeurIPS、ICML、CVPR等顶级会议上发表论文80余篇，主持国家自然科学基金联合重点、优青青年基金、北京市科技新星等项目，担任ICML、NeurIPS、ICLR等会议领域主席，曾获中国自动化学会自然科学奖一等奖、教育部科学研究优秀成果奖发明一等奖。

报告题目：神经形态脉冲视觉感知计算与应用

简介：胡建芳，中山大学副教授，博士生导师。主要从事视频时空特征学习理论及应用研究在相关会议和期刊发表学术论文近70篇，以第一作者在国际人工智能顶级期刊IEEE TPAMI发表长文3篇。主持广东省杰出青年基金（2022）项目和国家自然科学基金面上（2020和2025）等项目十余项，曾获广东省自然科学奖二等奖，中国图象图形学会优秀博士学位论文奖等荣誉，多次参加视频理解领域的国际学术竞赛获第一名或第二名。

简介：王瑞平，中科院计算所研究员、博导，研究领域为计算机视觉与模式识别，重点关注真实开放环境下的视觉场景理解问题。发表国际期刊和会议论文100余篇，Google Scholar引用10,000余次，获授权国家发明专利9项。带领研究生6次获得本领域主流国际学术竞赛冠亚军，获得CVPR2021 CLVISION Workshop最佳论文奖。担任Pattern Recognition、Neurocomputing等国际期刊编委，十余次担任IEEE CVPR(2021/2022/2026)、ICCV(2021/2025)、ECCV(2022/2024)、WACV(2018~2026)等国际会议领域主席，获得IEEE CVPR2019&2025/ICCV2019/FG2019/ECCV2020/NeurIPS2020/ICML2022等国际会议杰出审稿人荣誉，先后在CVPR2015、ECCV2016、ICCV2019等国际会议合作组织并主讲Tutorial。研究成果获得2015年度国家自然科学奖二等奖（第4完成人）、2022年度中国图象图形学学会自然科学奖一等奖（第1完成人）、2019年度国家自然科学基金委优青项目资助。

报告题目：面向开放世界可泛化的具身连续学习

报告摘要：具身智能从封闭专用逐步向开放通用迈进，面临从被动到主动、从闭集到开集、从静态到动态的挑战，一次训练、终身受用为特点的传统学习范式面临较大局限，需建立系统性的具身连续学习范式，实现智能体知识和技能的日益精进，提升在开放环境下的泛化效果。报告将介绍本课题组在具身连续学习方面开展的初步探索及取得的一些具体进展，包括：动态环境下的3D高斯自适应场景表示方法GS-LTS、基于棋盘格表示的具身交互框架R2C、示教视频指导的机械臂操作代码生成框架RoboPro、基于空间网格表示的机械臂动作序列生成框架GAS-Robo、以及面向动态任务的模仿学习方法DBC-TFP。

简介：秦杰，南京航空航天大学人工智能学院教授、博士生导师、院长助理，脑机智能技术教育部重点实验室副主任，国家级青年人才，江苏省杰青，南航“长空英才”，中国科协海智特聘专家，中国图学学会数字媒体专委会副主任。本科/博士毕业于北京航空航天大学，博士后师从“马尔奖”得主Luc Van Gool教授。目前主要从事人工智能、计算机视觉、具身智能和多媒体等领域的基础理论与关键技术研究。已在国际权威期刊和会议上发表论文100余篇，其中CCF A类国际顶级期刊和会议论文50余篇，Google Scholar引用5900余次，H指数39。获中国图象图形学学会自然科学奖二等奖（排名1）、CCF A类会议ACM MM 2023唯一荣誉提名奖（1/3072）、CCF B类会议ICME 2024最佳论文提名、CCF T1类期刊《计算机研究与发展》优秀论文奖等。担任CCF A类期刊IJCV客座编委、CCF B类期刊Neural Networks副主编、CCF A类会议NeurIPS/AAAI/IJCAI/ACM MM领域主席等。主持国家海外高层次人才引进计划青年项目、国家自然科学基金面上项目、江苏省杰出青年基金项目等国家级/省部级课题。

报告题目：面向具身智能应用的视频行为理解

报告摘要：视频行为理解是视觉内容分析的关键问题，在具身智能、智能安防、智慧体育、自动驾驶等领域有着重要的应用价值。本报告首先聚焦时序动作检测、分割与定位等任务的难点问题，分别介绍团队在上述方面的研究成果，主要包括基于上下文感知的动作检测网络ACGNet，基于预测对比编码的动作分割网络PACE，以及提名无关的动作定位优化框架RefineTAD；在此基础上，进一步发掘上述任务间的共性与互补性，介绍团队近期在视频动作检测-分割-预测一体化方法研究方面的一些初步尝试。最后总结和展望视频行为理解未来可能的发展趋势。

简介：张鼎文，西北工业大学自动化学院教授、博导，国家优秀青年科学基金获得者、科睿唯安“全球高被引科学家”，2015赴美国卡耐基梅隆大学进行为期2年的访问研究，致力于建立面向开放环境下、具备动态学习能力的新一代计算机视觉学习框架。迄今为止，作为第一作者/通讯作者在领域内国际重要期刊及会议发表学术论文60余篇，其中包含T-PAMI, IJCV, IEEE SPM, T-IP, CVPR, ICCV, Science China: Information Science等，曾入选中国博士后创新人才计划、AI 华人青年学者榜单, 获吴文俊人工智能优秀青年奖、2021 IEEE TCSVT最佳论文奖、中国图象图形学学会优秀博士论文奖等奖励。担任中国图象图形学学会青年工作委员会副秘书长、中国图象图形学学会优博俱乐部副主席，任IEEE TMM、TCSVT、PR等刊物（客座）编辑。

报告题目：浅析具身场景下视觉基础模型的挑战与对策

简介：蒋铼，北京航空航天大学副教授，中国图象图形学学会青工委副秘书长。学士、博士毕业于北京航空航天大学，博士后期间工作于加拿大英属哥伦比亚大学。主要研究方向为视觉感知模型、多媒体计算、医学图像处理等。主持国家自然科学基金、启元国家实验室、国家互联网应急中心、华为、阿里等科研项目。在国际权威期刊和会议上发表论文40余篇，其中第一或通讯作者论文30余篇，包括TPAMI、IJCV、TIP、TMI等。谷歌学术引用2300余次，单篇最高引用320余次。入选中国科协青年人才托举工程、中组部海外博后引才专项、华为卓越青年学者等，获北京市/CSIG优秀博士学位论文、CVPR质量增强/ECCV立体匹配大赛冠军等多个荣誉。

报告题目：人类视觉系统启发下的多媒体计算

简介：严锐，南京理工大学计算机科学与工程学院教授。主要从事人体行为分析、视频内容理解等研究，先后在华为、新加坡国立大学、腾讯、字节跳动、南京大学从事研究工作。目前共发表CCF A类和IEEE/ACM Trans.论文30余篇，其中3篇论文入选ESI高被引/热点论文。主持国家自然科学基金面上/青年、博后“特别资助”和“面上”等项目10余项。曾入选中国图象图形学学会(CSIG)优秀博士论文奖（2024）、江苏省青年科技人才托举工程（2024）、江苏省计算机学会优秀博士论文奖（2024）、南京理工大学优秀博士论文奖（2024）、国家资助博士后计划（2023）、江苏省卓越博士后计划（2023）。此外，担任国际会议如CVPR/ICCV/ECCV/NeurIPS等审稿人，国际期刊如IEEE TPAMI、IJCV等审稿人，中国图象图形学学会多媒体专委会委员。

简介：刘敏，湖南大学二级教授，人工智能与机器人学院党委书记。国家杰出青年基金获得者，教育部青年长江学者，国家重点研发计划首席科学家。北京大学学士，美国加州大学河滨分校博士，湖南省自动化学会副理事长，机械工业先进制造视觉检测与控制技术重点实验室主任，中国图象图形学学会理事、青工委副主任。先后主持国家重点研发计划项目2项、国家自然科学基金重点项目1项，获国家级、省部级科研奖励5项。

报告题目：数据、安全与场景：行人重识别鲁棒性的三重挑战与应对

报告摘要：行人重识别技术旨在实现跨摄像网络下对特定行人的精准检索与匹配，是智能视频分析的核心技术，在公共安全与智能监控等领域具有至关重要的应用价值。但在实际应用场景中，数据标签不完备、模型对抗攻击脆弱性、场景动态复杂的问题普遍存在，显著削弱了识别鲁棒性，严重制约了行人重识别模型的实际部署。本报告围绕以上三大难点介绍我们团队在鲁棒行人重识别方面的系列研究进展，涵盖噪声与稀疏标注下的学习机制、黑盒对抗攻击下的鲁棒性评估与防御方法，以及面向遮挡、跨模态与换衣场景的识别新框架。我们希望通过这些工作，推动行人重识别技术从“实验室优秀”迈向“实战中可靠”，为构建更稳健、实用的视觉智能系统提供思路与路径。

简介：常晓军，教授，中国科学技术大学讲席教授、国家级高层次人才，曾获得澳大利亚研究委员会的早期职业研究奖。主要研究方向包括多模态学习、计算机视觉、绿色人工智能及其在社会公益中的应用。先后主持了包括澳大利亚研究委员会在内的十多个国家级项目。其研究成果已在国际顶级期刊（如T-PAMI、TIP）和CCF A类会议上发表超过150篇论文，谷歌学术引用次数超过18,000次，其中21篇论文被选为ESI高被引/热点论文，2019至2023年连续被评为科睿唯安高被引学者。现担任IEEE TCSVT、IEEE TNNLS、ACM TOMM等国际顶级期刊的副主编，以及CCF A类会议的领域主席。

报告题目：行人重识别的多层语义特征学习与跨域泛化研究

报告摘要：行人重识别技术在智能安防、智慧交通等领域应用广泛，但不同场景下数据分布差异大，导致模型泛化能力不足，成为制约技术落地的关键瓶颈。本报告聚焦这一核心问题，深入研究多层语义特征学习与跨域泛化方法。首先，剖析行人图像中从低级视觉特征到高级语义信息的层级结构，构建多层语义特征提取框架，实现对行人关键信息的全面捕捉；其次，针对跨域场景数据分布偏移问题，设计有效的跨域适配机制，通过域间特征对齐、迁移学习策略等，降低场景差异对模型性能的影响；最后，通过大量实验验证所提方法在多个公开数据集上的有效性，结果表明该方法能显著提升模型在跨域场景下的识别精度与鲁棒性，为行人重识别技术的通用化应用提供重要理论与方法支撑。

简介：胡鹏，四川大学计算机学院教授，博士生导师，国家级青年人才。主要研究方向为多模态学习和多媒体分析。已在Nature子刊、TPAMI、IJCV、CVPR、NeurIPS、ICML等国际期刊/会议上发表学术论文90余篇，包括多篇ESI高被引/热点论文。研究成果获得中国图象图形学学会（CSIG）自然科学一等奖、四川省自然科学二等奖、中国人工智能学会教学成果激励计划一类成果等。主持国家自然基金（面上、青年）项目、国家重点研发计划课题、四川省重点研发基金项目等。担任CSIG青工委副秘书长、VALSE执委会副主席等；担任Pattern Recognition等期刊编委；担任NeurIPS、ICML、CVPR、ECCV、ACM MM等多个重要国际学术会议的领域主席；担任TPAMI、IJCV、TIP、TKDE等多个国际重要SCI期刊审稿人。

报告题目：开放环境下的跨模态行人重识别

简介：李华锋，博士，昆明理工大学教授，博士生导师。云南省杰出青年基金获得者、云南省“兴滇英才支持计划”青年拔尖人才, 国际期刊 IEEE TIP 副编辑 (Associate Editor)、Information Fusion 编委(Editorial Board Member)、IEEE SPL 副编辑 (Associate Editor)、AAAI高级程序委员会委员(SPC)、重庆大学学报青年编委。主持国家自然科学基金面上项目、地区基金、青年基金共计4项、云南省杰出青年基金1项、云南省基础研究重点项目1项、青年项目1 项。在 CVPR、ICCV、AAAI、ACMMM、IJCV、 IEEE TPAMI、IEEE TIP、IEEE TIFS等高水平期刊和会议上发表学术论文 60 余篇。获云南省自然科学二等奖1项(排名第1) , 授权国家发明专利 40 余项, 技术转让 10 项。

报告题目：行人重识别 vs 行人检索与定位

简介：赵才荣，教授、博士，现任同济大学计算机科学与技术学院教授，博士生导师，计算机智能教研室主任。曾任香港理工大学兼职研究员（2016-2017）。目前担任上海市计算机学会计算机视觉专委会主任，中国图象图形学学会青工委秘书长，中国人工智能学会粒计算与知识发现专委常委，中国计算机学会杰出会员，担任IEEE TMM Guest Editor、《中国图象图形学报》、《计算机科学》青年编委。主要研究领域：计算机视觉，主要聚焦于智能视频行人分析及其隐私安全研究，重点研究高效可信行人再识别、多模态数据驱动的自动驾驶以及垂直领域模型的知识表示与推理问题。已在TPAMI、IJCV、《中国科学.信息科学》、CVPR、ICML、NIPS等发表学术论文50余篇，受理发明专利20余项（授权18项），研究成果获2022年上海市科技进步一等奖（序4/13），研究成果获2023年上海市自然科学二等奖（序1/4），获《中国科学:信息科学》2023年度热点论文奖，获第二届全国人工智能应用场景创新挑战赛总决赛特等奖（序3/16）。