【计算机科学与技术学院 宣】（吴建龙/文、图）2023年11月12日，第三届CSIG机器视觉与智能研讨会成功举办，本次活动由中国图象图形学学会（CSIG）主办，CSIG机器视觉专委会和哈尔滨工业大学（深圳）计算机科学与技术学院联合承办，为CSIG机器视觉专委会2023年度学术会议。研讨会以线下讲座的形式，邀请了陈华富教授、丛杨教授、冯结青教授、梁荣华教授、吕建成教授、夏桂松教授、肖侬教授、张道强教授等八位著名学者来做精彩的特邀报告。在特邀报告开始之前，哈尔滨工业大学（深圳）计算机科学与技术学院院长聂礼强教授开幕致辞。本次研讨会主题多样，报告内容丰富，促进了中国图象图形学学会（CSIG）机器视觉专委会与国内外同行在人工智能领域前沿理论与技术方面的交流。

来自电子科技大学的陈华富教授带来了题为“精神疾病脑网络模式识别与疾病影像表征”的报告。陈华富教授主要为我们详细介绍了利用脑功能活动的动态因果网络，脑结构因果协变网络，脑功能和结构梯度分析方法，遗传影像学方法和个体化脑网络模式识别预测模型等内容。通过这些方法，他揭示了神经精神疾病影像学特征，并成功提高了分类准确率。这不仅为临床诊断和评估提供信息学客观的指标，也为精神疾病研究领域的进展贡献了重要的科学见解。

来自华南理工大学的丛杨教授为大会带来了题为“机器人视觉感知，自主技能泛化及思考”的报告。报告指出，机器人在感知和认知中存在着泛化能力较差和自主在线学习能力不足等核心问题。结合机器人学国家重点实验室的背景和特点，丛杨教授详细阐述了在机器人感知和认知领域进行的针对视觉识别和在线学习问题所开展的探索性研究工作，例如采用基于NeRF的抓取代替基于深度图的抓取等方法。在报告的最后，丛杨教授展示了未来研究的方向，包括对非刚性物体的操作技能学习、多源信息感知等。这为我们提供了有益的启示，为机器人领域的未来发展提供了展望。

来自浙江科技学院的梁荣华教授为大家呈现了题为“手部深层生物特征识别和防伪的理论与方法”的报告。梁荣华教授首先解释了传统指纹识别技术建立在表层特征之上的局限性，难以准确辨别大约5%的磨损和老化等低质量指纹，并容易受到伪造样本（如指纹膜、假肢等）的攻击。他指出解剖学研究表明，手部深层特征包括真皮指纹、汗腺、微血管血流状态等信息，而研究这些深层特征面临着数据获取难、表层深层融合难以及多层级特征表征等挑战。接下来，梁荣华教授介绍了与清华大学多年合作的研究成果——手部深层生物特征识别和防伪的理论与方法，其中包括利用空间分布模型、超微弱流速模型等发现强鉴别的深层生物特征。最后，梁荣华教授生动展示了这些成果在实际应用中的具体应用和其在领域中的重要性。

来自四川大学的吕建成教授进行了题为“面向异构计算环境的去中心化联邦学习”的报告。吕建成教授阐述了联邦学习在实际应用中所面临的挑战。由于设备计算性能的异构性、通信网络和训练数据的差异，导致计算和通信瓶颈，面临扩展性差、通信开销大、模型性能低等问题。为了解决这些难题，去中心化架构及其衍生算法成为了一种可行的方案。吕建成教授详细介绍了团队在去中心联邦学习方向的研究成果，特别是去中心化框架的三个主要部分的方法：聚合采用了可变化节点出度的方式实现去中心化，并采取措施应对设备性能差异以及恶意节点问题；通信采用了压缩梯度和传输构造数据的方式，大大降低了通信开销；个性化允许节点在本地进行模型的微调等操作。这场报告让我们认识到联邦学习在现实应用中的挑战，以及去中心化架构如何成为解决这些挑战的有效途径，吕建成教授的精彩演讲也给我们留下深刻印象。

来自武汉大学的夏桂松教授为我们带来了题为“矢量化视觉感知及遥感应用”的报告。夏桂松教授首先为我们介绍了三维环境感知的经典计算框架，它包括构建主要简约图（特征点检测），构建同名关系（特征点匹配）和三维几何估计（稀疏点云-稠密电云-三维表面）。然而，前两者又是该领域的难点和挑战。针对这些难题，夏桂松教授为我们展示了各种创新方法，如使用ACJ、ASJ方法进行交叉点计算，使用AFM方法进行线段计算等，这些方法为解决三维环境感知领域的难题提供了新的思路。夏桂松教授还热情地与我们分享了一些遥感图像解译的标准数据集，这些数据集对于推动该领域的发展具有重要意义，为我们在该领域的研究提供了宝贵的资源。

来自浙江大学的冯结青教授进行了题为“基于多视图的高保真人体重建系统”的报告。冯结青教授首先介绍了采集照片的硬件系统，并详细阐述了人体建模的流程和研究进展。他讲解了人体图像抠图、相机标定、面向皮肤的弱纹理和毛发遮挡的稠密重建、点云去噪和修补、点云三维重建、非刚性人体重建精度的度量等方面的研究，例如采用改良的PatchMatch MVS算法有效地抑制了毛发影响。在冯结青教授的精彩展示中，我们深入了解了如何通过由这些方法组成的系统最终获得毫米级精度的静态三维人体模型。这一突破性的研究工作，将推动人体重建领域的快速发展。

来自中山大学/国防科技大学的肖侬教授为我们带来了题为“高性能算力网络计算技术”的报告。肖侬教授指出，随着大模型的出现和发展，以及构建大范围的计算网络的需求兴起，网络计算技术，作为计算机技术发展的一个重要计算模式，将面临新的挑战和机遇。大模型需要更强大的计算能力和更高效的通信机制，而构建大范围的计算网络则需要更优化的资源管理和更紧密的协同合作。肖侬教授从计算机网络中的客户/服务器计算模型的基础知识讲起，深入浅出地为我们介绍了网络计算的特点与难点。接着，肖侬教授详细阐述了从网格计算到HPC算力网络计算等网络计算技术，让我们不仅在广度上，也在深度上，学习到更多相关知识。此外，肖侬教授对网络计算技术的最新进展和未来发展趋势的介绍，进一步让我们对这一领域有了更深入的了解和认识。

来自南京航空航天大学的张道强教授进行了题为“智能影像基因组学与疾病诊断应用”的报告。张道强教授为我们简要介绍了团队近年来在影像基因组学及其疾病诊断应用方面的相关工作进展，主要包括医学影像（MRI/CT）快速重建、多图谱医学影像分割、脑网络分析、多模态医学图像融合分类、影像基因关联分析等。同时，他们还将这些技术应用于阿尔茨海默病、精神分裂症、肺癌和乳腺癌等疾病的诊断中，为这些难以攻克的疾病提供了新的诊疗手段。张教授的报告为我们展示了一个全新的视角，让我们深入了解了智能影像基因组学在疾病诊断中的应用和潜力。

闭幕式上，北京大学教授林宙辰作总结发言，肯定了本次研讨会的重要价值和意义。本次研讨会中，每位教授都给大家带来了精彩且丰富的报告，现场的老师、学生间的问答与沟通碰撞出知识的火花。本次中国图象图形学学会机器视觉与智能研讨会不仅推动了图象图形学科的普及，也加强了机器视觉与智能领域内研究者之间的交流，研讨会圆满成功！（审核 王宇宁）

图1 研讨会合影（上半场）

图2 研讨会合影（下半场）

图3 聂礼强教授开幕致辞

图4 陈华富教授报告

图5 丛杨教授报告

图6 梁荣华教授报告

图7 吕建成教授报告

图8 夏桂松教授报告

图9 冯结青教授报告

图10 肖侬教授报告

图11 张道强教授报告

图12 林宙辰教授总结致辞