IVPAI2021 青年学者论坛

IVPAI2021“青年学者论坛”邀请领域内优秀青年学者做论坛学术报告,就“图像、视频处理与人工智能”等有关专题的前沿技术与应用实践与参会者进行深入交流与研讨。 欢迎领域内广大青年学者踊跃参加!

参加方式
1.投递全文或摘要至IVPAI2021,被录用的文章将出版在SPIE Digital Library(EI、ISTP、SCOPUS检索),符合条件(第一作者为在读博士研究生)的优秀论文将被推荐至本论坛发表口头报告。具体投稿方式请查看投稿页面。
2.邮箱报名演讲申请,发送“演讲申请+个人CV”至committee@ivpai.org

付彦伟

复旦大学青年研究员
2014年获得伦敦大学玛丽皇后学院博士学位,先后入选上海市扬帆计划、上海高校特聘教授 (东方学者)等,并获得2017年ACM SigAI 新星奖。主要研究领域包括计算机视觉与模式识别、机器学习与统计学习、情感计算、多媒体视频分析与处理等,有IEEE TPAMI,CVPR,ICCV等顶级期刊会议论文30篇,30项中国(10项已授权)、2项美国专利(已授权)。目前主要研究领域包括零样本、小样本识别、终生学习算法,人脸识别及行人再识别,及视频情感分析等。
演讲题目:Learning to reconstruct 3D Meshes from few samples

汪婧雅

上海科技大学助理教授、研究员、博士生导师
2012年在澳大利亚斯威本科技大学获得学士学位,2018在英国伦敦大学玛丽女王学院获得博士学位,随后在澳大利亚悉尼大学从事博士后研究工作,于2020年11月加入上海科技大学信息学院。她的研究方向包括计算机视觉、机器学习、人工智能,目前的研究兴趣侧重于以人为中心的视觉感知、推理与决策。她已发表了多篇计算机视觉顶级期刊和会议文章,包括CVPR、ICCV, ECCV, AAAI, AI 等。 攻博期间入选 CVPR Doctoral Consortium Award,第一作者论文入选Computer Vision News Magazine 评比的 2018 Best of CVPR Paper。
演讲题目:行人再识别挑战与最新进展

戈维峰

复旦大学青年副研究员
2019年底于香港大学计算机科学系获得博士学位,并于2020年加入复旦大学计算机科学技术学院任青年副研究员。戈维峰博士于2020年获得香港大学李嘉诚奖和杰出研究生奖提名, 并获得2021年第12届UEC杯世界计算机围棋大会亚军,目前已在人工智能领域国际会议和期刊以第一作者发表文章多篇,包括CVPR 、ICCV 、ECCV、TOG等。戈维峰博士主要研究方向为计算机视觉、模式识别和机器学习,近年来主要专注在自动化机器学习、强化学习和元学习等方面,以及机器学习算法在图像分类、物体检测、实例分割和图像超分辨率等方面的应用。
演讲题目:机器学习的自动化与元学习理论

易冉

上海交通大学长聘教轨助理教授
分别于2016年和2021年于清华大学获工学学士和工学博士学位。博士期间发表17篇论文于PAMI、TOG、TVCG、TASE等国际期刊和CVPR、ICCV、IROS等国际会议上。获2021年北京图象图形学学会优秀博士学位论文奖、2019年中国计算机学会计算机视觉专委会学术新锐奖、2019年微软学者提名。主要研究方向为计算机视觉、计算机图形学。
演讲题目:面向多风格肖像画的媒体艺术生成


IVPAI2020年博士生论坛:

刘驰

博士生导师、北京理工大学计算机学院副院长
IET Fellow
刘驰,教授、博士生导师、北京理工大学计算机学院副院长、英国工程技术学会会士(Fellow of IET)、 英国计算机学会会士(Fellow of British Computer Society)和英国皇家艺术学会会士(Fellow of Royal Society of the Arts)。2006年本科于清华大学电子工程系,2010年博士毕业于英国帝国理工学院。后在美国IBM TJ Watson研究中心和IBM中国研究院任研究主管。主要研究方向是:大数据、人工智能和物联网技术。发表高水平SCI/EI论文百余篇,其中CCF-A类论文21篇,授权国内外发明专利16项,编著中英文书籍9本,Google Scholar统计引用3500余次,H index为28。获得省部级一等奖、二等奖、三等奖各1项。   现任国家自然科学基金会评专家、科技部重点研发计划会评专家、第四节全国信标委技术委员会委员、中国计算机学会物联网/大数据/普适计算专委会委员、中国自动化学会大数据专委会委员、中国电子学会物联网专委会副秘书长、中国电子学会物联网青年专业技术组秘书长、中国卫生信息学会大数据健康医疗保险特别委员会委员、中国工程院“十三五”战略性新兴领域高级咨询专家等。

纪荣嵘

厦门大学信息学院 人工智能系 教授,博士生导师
纪荣嵘,厦门大学教授,国家优秀青年科学基金获得者,厦门大学信息学院人工智能系博士生导师,媒体分析与计算实验室主任。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(4)、IJCV(2)、ACM汇刊、IEEE汇刊共49篇,CVPR、NeurIPS等中国计算机学会推荐A类国际会议长⽂88篇(其中第⼀作者/通讯作者共计47篇)。论文谷歌学术引用8938次,H指数46,SCI他引3328次,ESI⾼被引论⽂8篇,获批中美专利8项。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(第2)、2016年教育部技术发明一等奖(第4)、2016年厦门市科技创新杰出⼈才奖、2018年省科技进步一等奖(第1)、2019年福建省青年科技奖。曾/现主持国家重点研发计划课题1项,国家自然科学基金项目3项(联合重点/优青/面上各1项)。受邀任ACM Transactions on Intelligent Systems and Technology与IEEE Multimedia等十余个SCI国际期刊客座编辑/副编辑,任中国计算机学会A类国际会议IEEE CVPR 2021、ACM Multimedia 2020/ 2019/2018领域主席等十余次国际会议主席/领域主席/专题主席,任NeurIPS/ICML/CVPR/ICCV/ ECCV/IJCAI/AAAI等中国计算机学会 A类国际会议程序委员会委员二十余次、2014年至今担任IEEE Multimedia Communication技术委员会Visual Analysis and Content Management专家组主席。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、2017国家自然科学基金委面地青项目、2018国家自然科学基金委重点项目、2018国家自然科学基金委通用联合项目会评专家。
演讲题目:紧致化计算机视觉系统 Compact Computer Vision Analysis System

张兆翔

中国科学院自动化研究所研究员,博士生导师,安徽大学研究生导师,中国科学院大学岗位教授
中国科学院脑科学与智能技术卓越创新中心年轻骨干,IEEE高级会员,CCF高级会员,VALSE在线理事会成员,计算机学会YOCSEF委员,计算机视觉专委会委员,模式识别与人工智能专委会委员,人工智能学会模式识别专委会委员,中国图像图形学会会员发展与服务委员会副主任。


李爽

北京理工大学计算机学院预聘助理教授、特别副研究员、硕士生导师

分别于2012年、2018年自东北大学、清华大学自动化系获得工学学士、博士学位,于2015年11月-2016年6月在美国康奈尔大学计算机学院进行学术访问,于2016年11月-2017年2月在微软亚洲研究院实习。主要研究方向为机器学习、深度学习与迁移学习等。其研究成果发表在IEEE Transactions on Image Processing (IF : 4.828, CCF-A类)、IEEE Transactions on Neural Networks and Learning Systems (IF: 6.108,大类1区, 小类1区)、IEEE Transactions on Cybernetics (IF : 7.384,大类1区, 小类1区)、IEEE Transactions on Systems, Man, Cybernetics : Systems (IF: 5.131)、Neurocomputing (IF : 3.317)等国际期刊,获得北京理工大学青年教师学术启动计划等科研项目资助。


李文斌

博士,南京大学计算机科学与技术系特任助理研究员

2019年于南京大学计算机科学与技术系获博士学位,2013年于中国矿业大学计算机学院获学士学位,并于2017年在美国University of Rochester博士联合培养18个月。研究方向为机器学习和计算机视觉,具体包括度量学习,小样本学习,对抗学习和生成对抗网络等。目前在相关研究领域的国际期刊与会议上发表论文20余篇,包括CVPR、AAAI、IJCAI、Pattern Recognition、MICCAI和BMVC等。担任若干国际期刊与会议(如Neural Networks、Neurocomputing、TNNLS、CVPR、AAAI)的审稿人。
报告题目:Few-shot Learning in a Nutshell
摘要:Few-shot learning is a learning mechanism that tries to learn and understand new concepts (or categories) from only one or few examples. Humans can learn new concepts with very few instances, and have a strong generalization capability for their variants. Unfortunately, many current machine learning algorithms do not have such a strong generalization ability to identify a new category. Moreover, in some real applications, new samples from new categories are usually difficult to obtain. It is even more difficult to make annotations in many applications. Therefore, learning new categories with very few samples becomes an urgent and important problem. In this talk, we will first give a short review of the development of few-shot learning, and then introduce our some works on this field.

李永露

博士,上海交通大学,Machine Vision and Intelligence Group

报告题目:知识驱动的人类行为理解
摘要: 传统的行为理解往往采用从像素直接到语义概念的范式,不同于物体识别或检测,行为理解的图片的复杂多样性模式、长尾数据分布等使得现有的DNN方法遇到了性能瓶颈和可解释困难。Human Activity Knowledge Engine (HAKE)旨在借助人类的先验知识,改进现有的学习范式,在像素与高阶语义概念间加入人体局部语义状态这一中间层,并构建了一个大型人体局部行为语义知识库,包含了多样的行为数据和丰富的人体局部语义标注。通过结合自然语言知识、三维人体知识,HAKE在多个权威行为理解基准上上取得了较大的性能提升,并为下一代行为理解与推理提供了数据、任务及平台。