AIGC主题科普论坛暨首都海智创新链接系列活动

发布人

嘉宾及报告简介：

张超宁，韩国庆熙大学助理教授，研究兴趣为计算机视觉的前沿领域，重点关注深度视觉模型的鲁棒性和泛化性能问题，包括但不限于：理解模型对抗鲁棒性（攻击和防御）、解决数据标签受限问题（自监督学习）和利用大模型实现生成式人工智能（AIGC）等。近几年（2020～2023）发表十余篇一作顶会论文，包括CVPR、ICCV、ECCV、NeurIPS、ICLR、AAAI、IJCAI、ACM MM等。近期在AIGC，ChatGPT，扩散模型等热门生成式AI相关的方向，完成多篇综述论文。最近研究重点围绕视觉基础模型（如Segment Anything）展开：理解和提高其鲁棒性，以促进其在实际场景中的应用。个人主页如下https://chaoningzhang.github.io

报告题目：AIGC时代下的计算机视觉的前沿：自监督和大模型
报告简介：随着生成式人工智能（AIGC）时代的到来，计算机视觉领域的发展进入一个全新的阶段。本报告拟介绍其两个前沿领域：自监督和大模型。自监督学习是一种无监督学习方法，它通过在无标签数据中利用数据自身的信息来进行训练。相比传统的监督学习，自监督学习消除了对大量标注数据的需求，使得计算机视觉系统能够从未标记的数据中进行学习和理解。我们将探讨自监督学习图像分类等常见计算机视觉任务中的应用，并介绍一些常用的自监督学习方法，如对比学习和masked autoencoder。自监督学习催生了一系列视觉大模型的发展。大模型指的是具有大量参数的深度神经网络模型。随着计算能力的不断提高和数据集的不断扩大，大模型在计算机视觉领域的应用变得日益普遍。大模型具备更强大的表达能力和学习能力，能够更好地捕捉图像中的复杂模式和语义信息。大模型通常具有较好的zero-shot 迁移能力。通过本报告，我们将了解到自监督学习和大模型在AIGC时代下的前沿研究方向，它们为计算机视觉系统的性能提升和产业应用提供了新的机遇和挑战。

李洋：华东师范大学计算机科学与技术学院副教授。其博士毕业于浙江大学计算机学院，曾赴美国加州大学圣地亚哥分校（UCSD）电子计算工程学院Advanced Robotics and Controls Laboratory (ARCLab)进行机器人相关领域学术交流访问。其主要研究方向为计算机视觉、机器学习以及机器人感知。已在包括CVPR、AAAI、IJCAI、ECCV、ICRA、RAL、TMM等国际顶级人工智能、计算机视觉、机器人领域会议和期刊上发表十余篇论文，获得2项发明专利以及2项美国专利。谷歌学术他引累积4k余次，已成为包括AAAI、IJCAI、ICRA、MM Asia等顶级国际会议的程序委员，AAAI 2019以及ICONIP 2020分会场主席，以及 IEEE TIP、RAL、TMM、TCSVT等多个国际期刊的审稿人。任教前，李博士曾从事包括视频游戏引擎开发、手游系统性能分析以及人工智能系统开发等系统平台开发与研究工作。
报告题目：AIGC是什么？
报告简介：随着人工智能技术的不断突破，大量与人工智能相关的报道以及介绍层出不穷。对于普通人来说，AIGC、AGI、大模型、扩散模型（Diffusion）、神经辐射场（NeRF）等专业术语到底是什么意思？这些技术为什么会引起那么大的社会反响？有没有简单的原理可以让大家明白人工智能到底在干什么？从元宇宙的角度来说，这些技术意味着什么？他们会给我们的生活带来什么样的翻天覆地的变化？本讲座拟在科普AIGC相关领域的基础内容，介绍包括扩散模型、神经辐射场在内的图形图像生成技术背后的原理，并对相关应用以及前沿工作做简单介绍。

北京科技国际交流中心通过建设首都海智基地，开展“创新链接”活动，搭建海外人才交流沟通平台，扩大联络海外科技人才覆盖面，创新服务海外人才工作模式，团结引领海外智力服务首都高质量发展。

打开封面下载高清视频观看高清视频视频下载器