专题报告一
报告题目：
图像复原中的基准数据集构建及网络模型设计
时间：9月20日 14:00-14:30
摘要：
图像复原在实际生活中有重要应用价值，因此得到广泛关注和研究。基于深度学习的技术近年来也在图像复原中占据了主要的研究地位。然而，由于背景变化、光线改变等不可控因素，收集大量真实的理想训练数据对在图像复原领域是很难实现的。已有的大量研究工作通过物理合成、图像渲染、真实拍摄等不同方法得到了多种多样的训练数据库。本次报告主要针对多种退化模型（模糊、低分辨、水下成像、雨雾天气等）介绍不同的基准数据集构建方法，并进一步讨论了几种基于非匹配对的图像复原网络模型构建方法。
报告人简介：
任文琦，中国科学院信息工程研究所，信息安全国家重点实验室副研究员。曾在腾讯人工智能实验室、微软亚洲研究院访问研究。主要研究方向包括图像/视频恢复与增强等相关问题。在本领域内国际主要期刊和会议IEEE TPAMI/TIP、IJCV，CVPR/ICCV/ECCV/NeurIPS等发表学术论文30余篇。曾获中国计算机学会优秀博士论文奖、微软亚洲研究院“铸星计划”、北京市科协“青年人才托举工程”、北京市“科技新星”，及中办科学技术进步一等奖（排名第四）等。
专题报告二
报告题目：
从手工设计到自动的深度学习在图像分类与检测中的应用
时间：9月20日 14:30-15:00
摘要：
深度学习在计算机视觉领域得到了广泛应用。深度模型的学习通常是使用手工设计的网络结构、学习算法来学习。而近期的研究发现，网络结构和学习算法可以通过自动学习的方式来获得。本次报告将介绍我们利用手工设计与自动机器学习方法在图像分类和物体检测方面的研究。
报告人简介：
欧阳万里于香港中文大学获得博士学位。悉尼大学高级讲师。 ICCV最佳审稿人，IJCV和TPAMI客座编辑（Guest Editor），IEEE高级会员，ICCV2019展示主席，CVPR2021领域主席。担任TPAMI, IJCV, TOG, TIP, CVPR, ICCV, SIGGRAPH等期刊/会议的审稿人。研究方向包括计算机视觉，模式识别，深度学习，图像处理等。主要从事基于深度学习结构设计，物体检测与跟踪，以及与人相关的问题的课题研究。报告嘉宾个人主页：
https://wlouyang.github.io/
专题报告三
报告题目：
融合数据驱动模型与几何知识的多视角稠密匹配
时间：9月20日 15:00-15:30
摘要：
计算机视觉中的多视角几何致力于利用相机获取的多视角图像重建所观测场景的三维几何结构，在SLAM、无人系统、自动驾驶、机器人、虚拟现实/增强现实和场景分析等方面有重要应用。稠密匹配（双目匹配、光流估计、场景流、点云等）是多视角几何的重要基础。深度学习特别是深度卷积网络在特征学习与语义信息提取上有巨大优势，如何将数据驱动模型与多视角几何模型相结合求解多视角几何稠密匹配成为研究热点。本报告将涵盖报告人针对多视角几何稠密匹配问题的一系列工作，包括标准双目设置下的稠密匹配、多目设置下的稠密匹配，具有几何约束的连续帧稠密匹配，几何和运动模型约束的场景流稠密匹配，实时多视角几何稠密匹配，三维点云稠密匹配等，最后对于本领域的发展趋势和进一步研究问题进行讨论。
报告人简介：
戴玉超，西北工业大学电子信息学院教授、博士生导师，陕西省信息获取与处理重点实验室主任。2005年、2008年和2012年分别获得西北工业大学学士、硕士和博士学位。2012年至2017年在澳大利亚国立大学从事博士后研究和担任ARC DECRA学者。2017年入选国家级青年项目并加盟西北工业大学。主要研究工作集中在三维场景重建、动态场景分析、多视角几何、深度学习、人机交互、无人驾驶、视觉导航等。在IEEE TPAMI、IJCV、ICCV、CVPR、ECCV等国际期刊和会议上发表论文50余篇。先后获得IEEE CVPR 2012最佳论文奖（大陆高校30年来首次获得该奖项）、陕西省优秀博士论文、DICTA DSTO图像处理最佳基础贡献论文奖、CVPR非刚性结构与运动恢复挑战赛最佳算法奖、DICTA最佳学生论文奖、APSIPA-ASC最佳深度学习/机器学习论文奖、CVPR最佳论文提名奖和陕西省科技进步二等奖等奖项。主持和参与国家自然科学基金面上项目，澳大利亚研究委员会(ARC) DECRA项目，国家自然科学基金国际合作重点项目、科技部“新一代人工智能”重大专项、无人驾驶项目等。担任TPAMI、IJCV、T-NNLS、CVPR、ICCV、ECCV、ACM-MM等国际期刊和会议审稿人并担任CVPR，ACCV，WACV，ACM-MM、ICME等领域主席(Area Chair)。
专题报告四
报告题目：
紧致化视觉表征-有效性、可解释性、鲁棒性
时间：9月20日 15:30-16:00
摘要：
报告主要探索视觉大数据搜索识别系统中的紧凑性问题，将覆盖纪荣嵘教授研究组近两年来在面向视觉终端应用的视觉特征紧凑表示、视觉特征可解释性、以及视觉特征鲁棒分析中所做的一些工作与成果。在视觉特征紧凑表示方面，将介绍通过引入大规模无监督排序信息，学习排序敏感的哈希码，以保持原始高维特征空间中的检索信息。在视觉特征可解释方面，将介绍面向视觉检索任务的特征差异性分析、耦合性分析、网络结构性分析等。在面向视觉鲁棒性分析方面，将介绍面向视觉检索任务的对抗样本敏感度分析等。报告并将介绍上述研究在华为、腾讯等视觉产品中的实际应用。
报告人简介：
纪荣嵘，厦门大学特聘教授，科技处副处长，国家优秀青年科学基金获得者，国家万人计划青年拔尖人才。主要研究方向为计算机视觉、多媒体技术和机器学习。近年来发表PAMI、IJCV、ACM汇刊、IEEE汇刊、CVPR、NeurIPS等会议长⽂过百篇。论文谷歌学术引用九千余次。曾获2007年微软学者奖、2011年ACM Multimedia最佳论文奖、2015年省自然科学二等奖、2016年教育部技术发明一等奖、2018年省科技进步一等奖、2019年福建省青年科技奖。曾/现主持国家重点研发计划课题，国家自然科学基金。任中国计算机学会A类国际会议IEEECVPR 2021、ACM Multimedia 2020/ 2019/2018领域主席等。任中国图象图形学学会青工委副主任、中国自动化学会粒计算与多尺度分析专委会副主任、中国计算机学会计算机视觉专委会常务委员、中国计算机学会学术工委委员、教育部电子信息类教指委人工智能专业建设咨询委员会委员。
会议时间：2020/9/20 14:00-16:00
腾讯会议 ID：944 800 777
会议密码：1111
腾讯会议链接：https://meeting.tencent.com/s/Noaj1vg7JBvm
