CCF-CV & APSIPA-DL走进西北工业大学联合报告会
CCF-CV & APSIPA-DL Joint Lectures
西北工业大学•西安
（第117期）
主题：智能视觉前沿技术
时间：2022年9月29日（星期四）8:30-17:20
地点：西北工业大学（线上会议）
线上直播链接：CCF计算机视觉专委会B站官方账号
https://live.bilibili.com/22339632
直播二维码：
08:30
签到
08:45
报告会开始（主持人： 戴玉超 教授）
08:45-09：00 开场致辞
APSIPA副主席、西北工业大学 何明一 教授致辞
CCF-CV专委会副主任、上海科技大学 虞晶怡 教授致辞
西北工业大学澳门新莆京3787院长 王 伶 教授致辞
09:00-09:45
特邀讲者：虞晶怡 博士，上海科技大学教授
演讲题目： Learning to Create Digital Human and Animal via Neural Modeling and Rendering
09:45-10:30
特邀讲者： Hongdong Li 博士，澳大利亚国立大学教授
演讲题目： 非漫射复杂材质物体的多视角三维视觉建模
10:30-11:15
特邀讲者： 朱 策 博士, 电子科技大学教授
演讲题目： 基于替身模型的机器学习对抗攻击：真实训练样本需要吗？
11:15-12:00
特邀讲者： 李 玺 博士，浙江大学教授
演讲题目： 视觉结构建模和特征学习
14:00-14:45
特邀讲者： 刘烨斌 博士，清华大学教授
演讲题目： 神经渲染数字人关键技术：动捕、重建与生成
14:45-15:30
特邀讲者： 兰旭光 博士, 西安交通大学教授
演讲题目： 机器人自主作业的挑战：因果推理与学习
15:30-16:15
特邀讲者： 査红彬 博士，北京大学教授
演讲题目： 动态视觉与SLAM：在线学习的途径
16:15-17:00
特邀讲者： Zhiyong Wang 博士，澳大利亚悉尼大学副教授
演讲题目： Recent Advances on Video Summarization
17:00-17:20
讨论与总结
执行主席：
戴玉超 博士，西北工业大学澳门新莆京3787教授， 中国计算机学会计算机视觉专委会执行委员，APSIPA杰出讲者
北京大学信息科学技术学院智能科学系教授，机器感知与智能教育部重点实验室主任。主要从事计算机视觉与智能人机交互的研究，在三维视觉几何计算、三维重建与环境几何建模、三维物体识别等方面取得了一系列成果。出版学术期刊及国际会议论文350多篇，其中包括IEEE T- PAMI、IJCV、IEEE T-VCG、IEEE T-RA、IEEE T-SMC、ACM T-IST、JMLR、PR 等国际期刊以及ICCV、ECCV、CVPR、CHI、ICML、AAAI、ICRA等国际学术会议论文120多篇。
报告摘要：三维视觉的一个主要任务是利用传感器视点的变化与成像几何的约束来实现三维场景的几何与结构重建。因此，伴随传感器移动的动态视觉与3D视觉的关系愈加密切，SLAM（Simultaneous Localization and Mapping：即时定位与地图构建）技术再度成为3D视觉领域的研究热点。为了提高动态视觉系统在真实复杂场景中的应用能力，我们应充分强化视觉系统的环境自适应性，而在线学习方法是实现这一目标的有效途径。该报告将围绕基于在线学习的SLAM问题，介绍我们近来的一些想法和尝试，主要内容包括：面向自监督视觉里程计的序列对抗学习方法；具有在线自适应能力的自监督SLAM学习。
上海科技大学副教务长、信息科学与技术学院教授、执行院长。IEEE Fellow，ACM杰出科学家。他于2000年获美国加州理工学院（Caltech）双学士学位，2005年获美国麻省理工学院（MIT）博士学位。长期从事计算机视觉、计算成像、计算机图形学、生物信息学等领域的研究工作，并先后获得美国国家科学基金杰出青年奖（NSF CAREER Award）和美国空军研究院杰出青年奖 (AFOSR YIP Award)。他担任IEEE TPAMI、IEEE TIP等多个顶级期刊编委和多个国际人工智能会议（ICCP 2016、ICPR 2020、WACV 2021、CVPR 2021、ICCV 2025）的程序主席。他同时是达沃斯世界经济论坛（WEF）“全球议程理事会”理事，并担任其Metaverse方向的Curator。
报告摘要：Recent advances on deep learning, in particular, neural modeling and rendering, have renewed interests on developing effective MetaHuman creation tools. Such tools aim to overcome the limitations of traditional 3D reconstruction techniques such as structure-from-motion (SfM) and photometric stereo (PS) by reducing reconstruction noise, tackling texture-less regions, and synthesizing high quality free-view rendering. In this talk, I present recent efforts from my group at ShanghaiTech on digital human and animal creation. Specifically, I demonstrate our latest neural human body reconstructor, deep 3D face synthesizer, anatomically correct 3D hand tracker, and ultra-realistic hair modeler. These solutions, coupled with markerless motion capture systems, can produce dynamic virtual humans at an unprecedented visual quality as well as lead to profound changes to MetaVerse creation technologies. I also discuss extensions of these techniques to modeling digital animals, to achieve photorealistic fur rendering at an interactive speed.
电子科技大学教授，IEEE Fellow，先后担任了IEEE两个学会和亚太信号与信息处理协会APSIPA的杰出讲座人（Distinguished Lecturer），长期致力于视频图像处理的教学与研究工作。先后担任了8个SCI国际学术期刊编委和多个期刊客座编委。担任了多个国际学术会议主席或技术/程序委员会主席，两次荣获IEEE国际会议杰出领导奖，担任IEEE ICME指导委员会（Steering Committee）委员（2019-2020）。6次荣获国际学术会议论文奖及首届川渝科技学术大会优秀论文一等奖，自2017年连续五年入选爱思唯尔（Elsevier）中国高被引学者榜单。中国通信学会会士及中国图象图形学学会常务理事。
报告摘要：Recent study shows machine learning models are readily vulnerable to adversarial attacks. Substitute attacks, typically black-box ones, employ pre-trained models to generate adversarial examples. It is generally accepted that substitute attacks need to acquire a large amount of real training data combined with model-stealing methods to obtain a substitute model. However, the real training data may be difficult (if not impossible) to be obtained for some practical tasks, e.g., in medical or financial sectors. As the first trial study, the talk will present our proposed model-stealing method that does not require any real training data. The method develops specially designed generative adversarial networks (GANs) for substitute training. The experimental results demonstrate that the substitute models produced by the proposed method without any real training data can achieve competitive performance against the baseline models trained by the same training set as in the attacked models.
澳大利亚国立大学(ANU) 终身教授。曾任澳大利亚国家机器人视觉研究中心的创始研究员。他是国际三维计算机视觉的专家，其研究成果包括动态场景的三维视觉重建和多视角视觉问题的数学优化。曾荣获 2012 CVPR 最佳论文奖和2017年的马尔奖 -荣誉提名。他多年任CVPR 和ICCV三维视觉领域的领域主席，也是IEEE TPAMI 的编委，担任ACCV2022大会共同主席和CVPR2023的高级领域主席（SAC）。他于2017在2018在美国卡内基梅隆大学计算机学院任教学和访问教授。他曾承担的研究课题包括：澳大利亚人工眼项目(外围视觉处理和增强 现实)，ACT自主驾驶和无人驾驶视觉感知，三维虚拟城市的空间计算和感知，植物形态分析(三维视觉建模)，应用于城市建模、无人驾驶、虚拟增强现实和机器人导航等多个工业领域。他的研究获得了包括澳大利亚科学基金，联邦 工业和科学研究院，以及微软Redmond研究院，通用汽车，福特汽车，百度自主驾驶实验室、腾讯、东芝、OPPO、Optus、Medicago 和NVIDIA 等的资助。
报告摘要：本报告中我将简单介绍一下利用多视角图像的非漫反射（非朗伯）复杂材料的三维物体的自动视觉建模。我们设计了利用深度神经网络自动进行物体的表面材质恢复和三维形状重建的方法，并跟传统的基于光度学优化的算法进行了对比。该研究发表在近期的CVPR和SIGGRAPH上。
清华大学长聘教授，博导，分别于2002年和2009年在北京邮电大学、清华大学自动化系获得工学学士和工学博士学位。主要研究方向为三维视觉。发表PAMI/ SIGGRAPH/CVPR/ICCV等论文近70篇，其中CVPR/ICCV/ECCV口头报告论文12篇。担任CVPR及ICCV Area Chair，SIGGRAPH Asia技术委员会委员。任中国图象图形学会三维视觉专委会副主任。获2012年国家技术发明一等奖（排名3），2019年中国电子学会技术发明一等奖（排名1）。获2021年国家基金委杰出青年基金资助。
报告摘要：当前元宇宙和人工智能热潮下，数字人技术受到学术界和产业界的广泛关注。围绕真实人物对象的三维重建、运动捕捉和智能生成成为构建现实世界和虚拟世界间的桥梁技术。本报告围绕下一代数字人技术：神经渲染数字人的三大关键技术，对人的行为进行动作捕捉实现交互性，对人的外观进行三维重建实现沉浸性，以及赋予创作能力的生成技术，分别介绍报告人在运动捕捉、动态三维重建、视频高质量生成等三方面科研工作，涵盖人体、人脸、人手的相关视觉图形学前沿。
兰旭光，工学博士，教授，博士生导师，国家杰出青年科学基金获得者。2005年12月在西安交通大学模式识别与智能系统专业获得工学博士学位。现任西安交通大学人工智能学院副院长。研究领域为计算机视觉、机器人学习及人机共融协作等。担任中国自动化学会共融机器人专委会主任委员，中国认知科学学会理事、副秘书长，人工智能学会“认知系统与信息处理”专委会副主任委员。在人工智能与机器人领域的著名期刊和会议上如IEEE Trans和ICML/CVPR/RSS等发表论文100余篇，获得国家发明专利授权10余项，获软件著作权4项。主持国家杰出青年基金、基金重点、国家科技重大专项、科技创新2030人工智能重大项目等科研项目10余项。担任国际期刊IET 《Cognitive Computation and Systems》，以及《机器人》、《模式识别与人工智能》等期刊编委。IEEE 高级会员。
报告摘要：机器人在智能方面的进展和面临的挑战，特别是人机协作中机器人对非结构场景的自主理解、学习和作业的难点。针对这些问题提出了一种基于视觉推理的自主作业方法，在部分可观测场景下，将学习与规划进行交互迭代，使得机器人能够对动态非结构场景进行视觉推理并完成特定物体的自主作业。报告同时还将介绍协作中运动意图预测、经验回溯的机器人信赖域自主学习方法、多机器人自主协作等方法及相关应用。从这些角度，说明了使得机器人具有自主意识依然面临着艰难的挑战。
Zhiyong Wang is an Associate Professor and Director of the Multimedia Computing Laboratory at the School of Computer Science, The University of Sydney, Australia. He received his B. Eng. and M. Eng. Degrees in electronic engineering from South China University of Technology, Guangzhou, China, and his Ph.D. degree from Hong Kong Polytechnic University, Hong Kong. His research interests focus on multimedia computing and its applications in agriculture, earth observation, health, and medicine, including multimedia information processing, analysis, retrieval, summarization, and recognition (e.g., human action recognition and affective analysis), and multimedia data mining, multimedia content creation, human-centered multimedia computing, remote sensing, and pattern recognition. He is an Associate Editor of ACM Computing Surveys and Neurocomputing, and was the President of Australia Pattern Recognition Society (APRS).
报告摘要：Video has been widely used in almost every sector such as Internet and security surveillance and the amount of video data is growing explosively. Video summarization aims to produce a visual summary of a video by distilling the essence of the video. In recent years, there have been significant progress on videos summarization due to various from both conventional data reconstruction perspective and deep learning perspective. This talk aims to provide the audience an integrated view of both conventional approaches and deep learning based approaches, which will bring the field of video summarization to a new level and broaden the applications of video summarization.
浙江大学计算机科学与技术学院，教授，博导，浙江大学上海高等研究院副院长。IET Fellow，IEEE Senior Member，国家杰出青年科学基金获得者，国家青年特聘专家，科技部科技创新2030新一代人工智能重大项目负责人，国家自然科学基金委联合基金重点项目负责人，教育部重点规划研究项目负责人，第七届中国图象图形学学会理事，浙江省杰出青年科学基金获得者，浙江省特聘专家。在国际权威期刊和国际顶级学术会议发表或录用文章180余篇，拥有多篇ESI高被引论文。担任CVPR、ICCV、ECCV、ACM Multimedia等国际顶级会议的Area Chair，担任IEEE TNNLS、IEEE TCSVT、IEEE TMM和IEEE TCDS的Associate Editor，中国图形图像学报青年编委。获得2021年世界人工智能大会SAIL奖，两项最佳国际会议论文奖（ACCV 2010和DICTA 2012），一项最佳学生论文奖（ACML 2017），2019年和2020年中国图象图形学报最佳封面文章和年度优秀论文，ICIP 2015 Top 10%论文奖。另外，获得2021年中国图象图形学学会自然科学奖二等奖，2021年中国电子学会科技进步一等奖，2021年中国产学研合作促进会产学研合作创新与促进奖，两项北京市自然科学技术奖（包括一等奖和二等奖），以及一项中国专利优秀奖。
报告摘要：互联网和物联网时代催生了海量视频大数据，从这些海量视频数据中有效提取知识迫切需要各种人工智能的技术和手段。因此，如何进行人工智能驱动的视觉计算已经成为当今知识经济时代亟待解决的核心技术问题。本报告主要围绕数据驱动的人工智能学习方法，进行大规模图像/视频数据的视觉特征学习，从目标视觉感知特性、视觉特征表达、深度学习器构建机制、高层语义理解等多维度视角进行了深入剖析，并引入了大规模视觉特征学习所涉及的主要研究问题和技术方法。然后系统地回顾了视觉特征表达和学习领域的不同发展阶段，介绍了近年来我们利用视觉特征学习进行视觉语义分析和理解所做的一系列代表性的研究工作及其实际应用。报告的最后将和大家一起探讨一下涉及视觉特征学习所面临的一些开放性问题和难题。
西北工业大学澳门新莆京3787教授、博士生导师，国家级青年人才。主要研究工作集中在机器视觉、智能感知、图像处理、人工智能等领域，聚焦复杂动态场景的三维重建与感知、深度学习和几何模型融合的稠密匹配、新型仿生视觉传感器和计算成像等问题。主持国家自然科学基金面上项目、科技部科技创新2030“新一代人工智能”重大研究计划子课题、JKW领域基金重点项目等科研项目。近年来在IEEE TPAMI、IJCV、ICCV、CVPR、NeurIPS、ECCV等国际顶级期刊和会议上发表论文70余篇，谷歌学术引用超过6300次，H因子38。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）、火箭军“智箭火眼”人工智能挑战赛全国第一名、IEEE CVPR 2020最佳论文奖提名、ECCV 2020鲁棒计算机视觉挑战赛双目深度估计赛道冠军和光流估计赛道亚军、陕西省优秀博士论文和陕西省科技进步二等奖等奖项。担任APSIPA杰出讲者和理论与方法技术委员会委员，IEEE CVPR、IEEE ICCV、ACM MM等国际顶级会议领域主席，ACCV 2022宣传主席，中国图象图形学报青年编委。
西北工业大学简介
西北工业大学（简称西工大）坐落于陕西西安，是一所以发展航空、航天、航海等领域人才培养和科学研究为特色的多科性、研究型、开放式大学，是国家“一流大学”建设高校（A类），隶属于工业和信息化部。学校1960年被国务院确定为全国重点大学，“七五”“八五”均被国务院列为重点建设的全国15所大学之一，1995年首批进入“211工程”，2001年进入“985工程”，是“卓越大学联盟”成员高校，是“一带一路”航天创新联盟发起高校。建校以来，学校全面贯彻党的教育方针，秉承“公诚勇毅”校训，弘扬“三实一新”（基础扎实、工作踏实、作风朴实、开拓创新）校风，确定了“五个以”（以学生为根、以育人为本、以学者为要、以学术为魂、以责任为重）的办学理念。在扎根西部、献身国防的建设历程中，学校始终坚持立德树人、育领军人才，始终坚持科技创新、铸国之重器，始终坚持与时俱进、担时代大任，为党和国家事业发展做出了重要贡献，书写了新中国历史上的多个“第一”，为武器装备研制、国防领域关键核心技术自主安全可控和西部建设提供了有力支撑，是连续两次被中共中央、国务院、中央军委联合授予“重大贡献奖”的唯一高校。学校先后获得“全国文明单位”“全国文明校园”“全国毕业生就业典型经验高校”“全国民族团结进步模范集体”“全国创先争优先进基层党组织”等荣誉称号和表彰奖励。今天在加快建设中国特色世界一流大学和一流学科上续写新的辉煌。
学校办学资源富集，学科特色鲜明。现有学生36000余名，教职工4300余人，占地面积310余万平方米，设有航空、航天、航海和国际教育学院、教育实验学院、西北工业大学伦敦玛丽女王大学工程学院等27个学院。拥有74个本科专业，38个硕士学位一级授权学科（含1个交叉学科），25个博士学位一级授权学科（含1个交叉学科）。材料科学、工程学、化学、计算机科学、物理学、地球科学、数学等7个学科进入ESI国际学科排名前1%，其中，材料科学、工程学进入前1‰，形成了以三航（航空、航天、航海）学科群为引领，3M（材料、机电、力学）学科群、3C（计算机、通信、控制）学科群、理科学科群和人文社科学科群协调发展的学科体系，为建设世界一流学科奠定了良好的基础。
学校创新人才引育，师资力量雄厚。坚持师德师风第一标准，坚持“人才强校”战略，建设适应世界一流大学发展的高水平师资队伍。设立人才特区，搭建人才集聚平台，支撑高端人才发展；实施“翱翔人才计划”，构建特色化阶梯式人才培育体系，助力青年人才成长；深化教育评价改革，把握人才成长规律，突出品德、能力和业绩；打造优质基础教育，营造以人为本的人才发展环境，提升人才的归属感、获得感和幸福感。学校汇聚了一支由700余人次国家级高层次人才为骨干，规模适度、结构合理、质量优异、特色鲜明的高素质教师队伍，包括两院院士（含外聘）37人、长江学者35人、“万人计划”领军人才25人、“国家杰出青年科学基金”获得者25人、国家级教学名师5人,国家级团队28个，国家级青年人才99人，设有21个博士后流动站。
西北工业大学澳门新莆京3787简介
西北工业大学澳门新莆京3787源于1958年创建西北工业大学无线电系，是全国最早设立的无线电技术专业和电子工程专业的单位之一。1970年哈尔滨军事工程学院空军工程系航空武器控制、航空武器设计专业整体并入，国防特色更加鲜明。2003年5月成立西北工业大学澳门新莆京3787。
60余年来，培养了我国70%以上的航空电子与火力控制系统总师，为我国航空工业系统信号与信息处理学科培养了第一位博士，研制了我国第一架无线电测控中小型无人机、第一部机载航行雷达、第一套无人机宽幅面航空摄影对地观测系统等。为国家培养了13800余名高级人才，造就一批强基础、重实践、勇创新、敢奉献的优秀毕业生，涌现出火箭军副司令员张振中将军、中国工程院院士张平教授等国家领军人才，30余位国家重大型号航电/任务系统总师、20余位厂（所）领导，以及一大批院所、高校和企业等行业领军人物。
现有教职工224人，其中全职中国科学院院士1人、外聘中国科学院院士1人，外聘中国工程院院士2人，国际学术组织领导人2人。拥有1个国家级教学团队、1个国防科技创新团队、1个陕西省劳模创新团队、6个陕西省教学团队、1个省级课程思政教学团队，4个教学名师工作室。近年来，承担装备预研、国防科技创新、国防基础科研、国家自然科学基金、国家重点研发计划等重点以上项目百余项，先后以第一单位获国防科技进步一等奖1项、二等奖4项、三等奖3项，陕西省科学技术二等奖5项，以联合单位获国家技术发明二等奖 2 项。获CVPR 2012最佳论文奖、APSIPA领导与贡献奖为代表的国际学术奖二十多项。
陕西省信息获取与处理重点实验室暨国际联合研究中心（IAP)简介
陕西省信息获取与处理重点实验室(L-IAP)在1991年成立的西北工业大学神经网络研究室基础上发展起来的，于2003年1月经陕西省科技厅批准建设，2016年批准为陕西省国际联合研究中心(C-IAP)。实验室和国际联合研究中心在陕西省5次评估中取得4次优秀和1次良好的成绩。实验室和中心的创始人、学术带头人是何明一教授。实验室主任先后是何明一教授（2003.01-2019.09）和戴玉超教授（2019.09-），现任副主任为万帅和冯燕教授。国际联合研究中心主任何明一教授，副主任戴玉超、万帅、梅少辉教授。
该实验室和国际联合研究中心（简称IAP)挂靠在西北工业大学澳门新莆京3787，依托信息与通信工程一级博士学科（主要是信号与信息处理二级学科）。现有固定人员28人（教授11人, 副教授13人; 其中博士生指导教师11人）， 流动客座人员18人（其中海外5人，国内13人）。
IAP的定位是：瞄准本学科国际前沿和核心基础问题，面向国家重大需求，结合陕西实际，在航空航天高光谱遥感成像与处理、三维机器视觉与图像处理、神经网络人工智能、通信导航与定位信息处理、以及文物数字化领域有重要影响的研究基地，高层次学术交流与人才培养的平台。通过国家攀登计划、863计划、973计划、国家自然科学基金重点和重点国际合作项目、国家重点研发计划、国家其他重点研究项目、以及国际合作项目和工业合作项目，在先进机器视觉与人工智能信息处理（包括多视图像处理、神经网络行李安检、高光谱遥感图像处理、智能化多光谱无人机对地观测和人工智能机器学习等）若干技术点做出了突出贡献。第一个神经网络X射线行李安检技术，第一个跨层神经网络模型DPFNN，第一个3D数字兵马俑,第一台机载激光测距机综合测试调试系统,第一个智能化多光谱无人机技术，无约束非刚性三维重建技术理论,以及我国航空工业系统信号与信息处理学科第一位博士和中国大陆第一个IEEE CVPR最佳论文奖等都出自这里。IAP的部分成果已应用在航空、航天、航海、遥感、公共安全、无人驾驶等领域，为国家“一带一路”倡议、国家和地方信息化建设与人工智能发展做出了突出的贡献。
感知天地信息，引育世界英才。任重道远，砥砺奋进！
参加人员：图像与视觉领域专业人士、研究生、媒体、其他有兴趣者
报名方式：点击下面链接或者扫描下面二维码报名https://www.wjx.cn/vj/h4XTVcZ.aspx (请于9月28日前填写)。 有任何问题请发邮件给邮箱 liuqi@nwpu.edu.cn或电话咨询刘老师18792950959。
参加方式：免费参加，敬请光临。
自2015年11月起，CCF计算机视觉专委会(CCF-CV)在全国范围内率先开展走进高校系列报告会、走进企业系列交流会等特色活动，在学术界、工业界产生了热烈反响，受众遍及祖国大江南北。CCF计算机视觉专委会欢迎各兄弟学会、专委会借鉴，共同推动我国相关领域的学术繁荣和产业发展！本次走进西北工业大学活动与亚太信号与信息处理联合会APSIPA教育计划杰出讲者Distinguished Lecturer计划合作联合推出。有关APSIPA信息请访问：http://www.apsipa.org。
如您想了解活动申请相关信息，请看活动申请链接。如您有意申请CCF-CV活动，请与专委会秘书处联系。联系方式：
毋立芳：lfwu@bjut.edu.cn
杨巨峰：yangjufeng@nankai.edu.cn
CCF-CV 走进高校活动申请链接
CCF-CV 网站：http://ccfcv.ccf.org.cn/
