CNCC | CCF优博论坛：CCF优博的培养与成长

罗勇

武汉大学教授

2016年CCF优博获得者，国家级青年人才，武汉大学计算机学院教授。主要从事机器学习、模式识别等方面的研究，获国际人工智能联合会议IJCAI最佳论文提名和IEEE GlobeCom多媒体应用专题唯一最佳论文奖，并与他的合作者获得多媒体汇刊IEEE TMM、国际多媒体博览会议IEEE ICME和国际视觉通信与图像处理会议IEEE VCIP最佳论文奖。主持国家自然科学基金联合重点和面上项目等。

於志文

CCF会士、常务理事、科技咨询委员会主任、普适计算专委主任，哈尔滨工程大学教授、副校长

哈尔滨工程大学副校长，西北工业大学教授，教育部“长江学者”特聘教授，国家杰出青年科学基金获得者，国家重点研发专项项目首席科学家。人机物融合群智计算教育部重点实验室主任，智能感知与计算工信部重点实验室主任。主要从事物联网、普适计算、群智感知计算等领域的研究工作。曾获CCF优秀博士学位论文奖、CCF青年科学家奖、国家级教学成果二等奖、教育部自然科学一等奖、陕西省自然科学一等奖和黑龙江省科技进步一等奖。

报告题目：CrowdOS群智系统平台的起源和发展

摘要 ：移动群智感知利用大众的广泛分布性、灵活移动性和即时连接性进行大规模时空感知，成为一种“以人为中心”的新型感知模式。报告将介绍面向群智感知的系统平台CrowdOS，以及平台的开源探索，同时探讨未来人机物融合群智感知。

张史梁

北京大学博雅长聘副教授、计算智能系副系主任

国家青年特聘专家，首批北京市杰青获得者，主持重点研发计划国际合作专项、联合基金重点项目等项目，获电子学会科技进步一等奖、教育部技术发明一等奖、大川研究助成奖、CCF优博、英伟达先锋研究奖、NEC美国实验室突出技术奖、石青云优秀论文奖等。担任CVIU、IET Computer Vision编委、ACM TOMM客座编委，CVPR、AAAI、ICPR等会议领域主席，以第一作者和通讯作者在T-PAMI、IJCV、CVPR、NeurIPS等权威期刊与会议发表论文100余篇，引用11000余次。

报告题目：基于多模态模型的开放场景视觉感知

摘要 ：多模态大模型打开通用人工智能大门，也影响了计算机视觉研究范式。本次报告将介绍我们在构建多模态大模型、提升多模态大模型空间位置指代理解能力、视觉编码器紧致性和预训练效率等方面的近期工作。同时将探讨多模态模型在开放场景行人姿态感知、换衣行人重识别、开集目标识别等视觉任务中的应用。

胥皇

华为公司技术专家

负责华为云数字人技术研发，主要研究方向是机器学习在媒体领域的应用，包括数字人音视频驱动，三维重建，角色动画等。毕业于西北工业大学，曾在罗格斯大学联合培养，在ACM MM, CVPR, TKDE, SIGKDD等会议或期刊发表论文多篇，曾获CAAI优博奖，CCF优博提名奖。

报告题目：AI研究商业落地的体会-以数字人为例

摘要 ：大模型的突破为AI领域带来了巨大的社会影响力，相关的学术和技术研究进展突飞猛进，大小厂纷纷入局。然而，深度学习模型在实际业务场景中离稳定商用水平还有巨大差距，在对质量和精度要求高的ToB场景中，绝大部分模型都无法满足业务需求。本次报告以数字人技术商用的落地进程为例，在数字人重建和驱动领域，介绍相关学术研究和工业落地之间的GAP，工业落地的要求和技术指标的GAP，以及如何跨越GAP，实现AI规模商用的一点体会。

陈璐

浙江大学研究员陈璐

国家特聘青年人才。研究方向为数据库、多模态大数据管理与分析等，已发表CCF A类论文80余篇 。论文获数据库顶级会议ICDE 2022（CCF A类）最佳论文奖、ICDE 2019优秀论文、ICDE 2015优秀论文、DASFAA 2024（CCF B类）最佳论文、APWeb-WAIM 2018（CCF C类）最佳 论文。主持国家创新人才青年项目、国家自然科学基金面上项目、国家重点研发计划子课题等项目。获2017年CCF优秀博士学位论文奖、2021 SIGSPATIAL中国分会新星奖等。

报告题目：大数据智能治理：挑战与机遇

摘要 ：大数据已经成为重要战略资源和新型生产要素，受到了世界各国的高度重视。大数据时代，仍面临数据质量低下且难以评估、数据孤岛现象严重、数据隐私与安全性不足等挑战。人工智能技术的兴起，为大数据注入了新的生命力。大数据智能治理旨在结合大数据技术和人工智能方法，对数据进行有效治理，以提供可信高质数据。本报告先介绍大数据智能治理的研究背景及意义，而后阐述团队在该方向的研究进展以及研究面临的机遇与挑战。

杨学

上海人工智能实验室研究员

上海交通 大学首届吴文俊班博士，曾获2023年CCF优秀博士学位论文激励计划、2022年CCF-CV学术新锐学者奖、上海交通大学优秀博士论文，并于2022和2023年入选全球前2%顶尖科学家榜单。主要研究方向为基础视觉，多模态大模型和遥感影像解译。在TPAMI/IJCV/CVPR/NeurIPS等CCF-A类期刊和会议上发表30余篇论文，其中16篇一作，包含一篇Paper Digest最具影响力AAAI21论文榜首，谷歌学术引用超过6300次，任ICLR领域主席。

报告题目：复杂场景下端到端弱监督有向目标检测四部曲

摘要 ：本报告主要介绍关于端到端弱监督有向目标检测的研究进展。首先，介绍首个基于自监督学习范式的水平框监督的有向目标检测方法H2RBox及其通过对称学习增强的版本H2RBox-v2。随后，通过进一步结合对称学习和知识组合学习实现了基于单点监督的有向目标检测方法Point2RBox。最后，围绕对称学习搭建了混合标注（单点/水平框/旋转框）监督的有向目标检测方法Wholly-Wood，以实现全面利用大规模多元化质量标签数据进行训练，显著提高有向目标检测器的性能。