Activities
近年來，人工智能理論、方法和技術(shù)快速發(fā)展，尤其是深度學習技術(shù)帶動了智能任務的性能快速提升和在社會多個領(lǐng)域的成功應用。由于實際應用場景數(shù)據(jù)動態(tài)變化、多模態(tài)協(xié)同的特點，多模態(tài)人工智能成為人工智能理論方法發(fā)展的重要方向。多模態(tài)人工智能面向復雜動態(tài)多模態(tài)場景的數(shù)據(jù)理解、學習和推理，涉及自然語言處理、計算機視覺、模式識別、語音識別和多模態(tài)融合等領(lǐng)域。最近，人工智能大模型的發(fā)展和應用再人工智能領(lǐng)域產(chǎn)生了巨大的影響，也將在多模態(tài)人工智能中發(fā)揮關(guān)鍵作用。
為了給本領(lǐng)域研究者、技術(shù)開發(fā)人員和研究生介紹多模態(tài)人工智能前沿理論方法和最新進展，中國自動化學會模式識別與機器智能專業(yè)委員會主辦這次前沿技術(shù)講習班。講習班于2023年9月22日-24日在昆明舉辦，由中國科學院自動化研究所劉成林研究員、華南理工大學金連文教授、云南大學信息學院張學杰教授和陶大鵬教授擔任學術(shù)主任，邀請了多名人工智能領(lǐng)域的知名專家作報告，使學員在了解學科熱點和基礎(chǔ)理論方法、提高學術(shù)水平的同時，增進與多模態(tài)人工智能領(lǐng)域頂尖學者之間的學術(shù)交流。
主辦單位：中國自動化學會模式識別與機器智能專委會
承辦單位：云南大學信息學院
協(xié)辦單位：云南云上云大數(shù)據(jù)產(chǎn)業(yè)發(fā)展有限公司
時間：2023年9月22號-24號
地點：云南省昆明市呈貢區(qū)南亞豪生酒店·南亞廳
注冊費包括講課資料和3天會議期間午餐。
注冊鏈接：
https://www.cacpaper.com/register/76/user/preRegist
注冊二維碼：
簡介：
簡介：
金連文，華南理工大學二級教授，兼任廣東省圖像圖形學學會理事長、中國圖像圖形學學會（CSIG）常務理事、CSIG文檔圖像分析與識別專委會主任、中國自動化學會模式識別與機器智能專委會常委委員等職。主要研究領(lǐng)域為人工智能、計算機視覺、文字識別、文檔圖像理解等，在重要學術(shù)期刊及國際會議上發(fā)表學術(shù)論文300余篇，其中SCI Q1區(qū)+CCF A類論文100余篇，Google Scholar論文被引用數(shù)12000余次，H-Index 58，獲得授權(quán)發(fā)明專利70余項目。獲省部級科技獎5項（其中一等獎2項，二等獎3項）；指導學生參加權(quán)威國際國內(nèi)學術(shù)競賽榮獲冠軍20余次。
簡介：
報告題目：
語言基礎(chǔ)模型的重要特性
報告摘要：
近年來以BERT、GPT為代表的預訓練語言基礎(chǔ)模型，使人工智能技術(shù)進入“預訓練-微調(diào)”的全新范式，特別是最近ChatGPT引爆了全社會對基礎(chǔ)模型技術(shù)的關(guān)注。本報告重點介紹語言基礎(chǔ)模型的基本原理，在智能能力方面體現(xiàn)的強大通用特性，在模型框架、微調(diào)適配、推理計算等方面體現(xiàn)的模塊化計算特性，以及在多模態(tài)、工具學習、群體智能、安全性等方面體現(xiàn)的全新智能特性，并探討大模型未來的研發(fā)應用范式。報告人簡介：
報告題目：
視覺大模型：自監(jiān)督預訓練以及在文心·CV大模型中的實踐
報告摘要：
本報告首先回顧計算機視覺領(lǐng)域里的自監(jiān)督預訓練算法最近幾年的進展，包括對比學習和圖像掩碼建模等。其次，介紹文心·CV大模型中的自監(jiān)督表征學習算法Context Autoencoder（CAE）和基于預訓練的目標檢測算法Group DETR等，同時，從學習物體部件的角度，給出幾個典型的自監(jiān)督預訓練算法（BEiT、MAE、CAE、MoCo v3及DINO）的特點（TMLR）。再次，講述基于CAE和Group DETR的工業(yè)視覺大模型、OCR文字識別大模型（MaskOCR）、人體大模型等。最后，分享圖文對比預訓練大模型在自動駕駛數(shù)據(jù)挖掘中的應用和基于多任務學習的交通感知大模型。
報告人簡介：
報告題目：
多模態(tài)預訓練的研究進展回顧與展望
報告摘要：
近年來，從預訓練模型到預訓練大模型，從文本、音頻、視覺等單模態(tài)大模型，到現(xiàn)在的圖文、圖文音等多模態(tài)預訓練大模型，無論在學術(shù)界還是企業(yè)界預訓練模型都得到了廣泛關(guān)注與爆發(fā)式發(fā)展。多模態(tài)預訓練通過聯(lián)合圖文音等多模態(tài)內(nèi)容進行模型學習，其發(fā)展在多模態(tài)理解、搜索、推薦、問答，語音識別與合成，人機交互等應用領(lǐng)域中具有潛力巨大的市場價值。本報告主要包含三方面內(nèi)容：分析多模態(tài)預訓練模型的重要性與必要性；回顧當前多模態(tài)預訓練的最新研究進展；多模態(tài)預訓練模型主要應用場景與未來展望。
報告人簡介：
劉靜，中科院自動化所研究員/博導，中國科學院大學崗位教授。研究方向多模態(tài)分析與理解，紫東太初大模型。曾獲中國電子學會自然科學一等獎，圖像圖形學會科學技術(shù)二等獎，2022年世界人工智能大會“卓越人工智能引領(lǐng)者獎SAIL”。承擔或參與多項國家自然科學基金項目、國家973課題、國家基金重大研究計劃、國家重點研發(fā)等。已發(fā)表高水平學術(shù)論文150余篇，谷歌學術(shù)引用12000+次，SCI他引次數(shù)5000+次，其中有三篇被ESI列為Top1%高被引論文。在視覺計算相關(guān)領(lǐng)域的多項國際學術(shù)競賽中榮獲冠軍10+項。
報告題目：
從ChatGPT到國產(chǎn)多模態(tài)基礎(chǔ)大模型
報告摘要：
隨著深度學習技術(shù)的快速發(fā)展，ChatGPT作為自然語言處理領(lǐng)域的重要突破，引起了廣泛關(guān)注。本次探討ChatGPT在自然語言處理領(lǐng)域中的重要性以及其所具有的優(yōu)秀特性，繼而引出國產(chǎn)多模態(tài)基礎(chǔ)大模型的研發(fā)意義，以及如何通過結(jié)合多模態(tài)數(shù)據(jù)和深度學習技術(shù)來實現(xiàn)新型國產(chǎn)化基礎(chǔ)模型的構(gòu)建。具體來說，將討論多模態(tài)數(shù)據(jù)的處理方法、模型構(gòu)建的關(guān)鍵技術(shù)以及如何實現(xiàn)緊致化部署等相關(guān)技術(shù)點。本講座的研究成果將為解決多模態(tài)大模型的部署難題和提高模型性能和效率提供借鑒和參考。
報告人簡介：
報告題目：
擴散模型與視覺內(nèi)容生產(chǎn)
報告摘要：
擴散模型與AIGC 摘要：擴散概率模型逐步地對先驗分布去噪恢復數(shù)據(jù)分布。目前，這類模型在數(shù)據(jù)合成質(zhì)量、采樣的多樣性和數(shù)據(jù)密度估計等指標下取得了超越 VAE、GAN、FLOW 等經(jīng)典深度生成模型的結(jié)果，也部署于諸多的圖像、跨模態(tài)大規(guī)模生成模型。本次報告會介紹擴散概率模型的基本原理、加速推斷算法、大規(guī)模訓練和可控生成等AIGC應用的前沿進展。報告人簡介：
報告題目：
高性能視覺目標檢測分割和跟蹤
報告摘要：
視覺目標檢測分割和跟蹤技術(shù)是計算機視覺中的基礎(chǔ)任務，具有重要的應用價值。本次報告將圍繞視覺目標檢測分割和跟蹤技術(shù)，梳理近年來的技術(shù)發(fā)展路徑，并從預訓練大模型、開放場景感知、模型輕量化部署等方向做前沿技術(shù)介紹。
報告人簡介：
報告題目：
視覺場景理解與推理問答
報告摘要：
近年來，以Transformer為核心的神經(jīng)網(wǎng)絡(luò)架構(gòu)快速發(fā)展，網(wǎng)絡(luò)規(guī)模日益龐大，并以此為基礎(chǔ)推動了無監(jiān)督/自監(jiān)督學習技術(shù)的跳躍式發(fā)展，逐步形成一套被稱為大模型或者基礎(chǔ)模型的技術(shù)范式。本報告將梳理這套基礎(chǔ)模型技術(shù)在視覺場景和推理問答中的應用。
報告人簡介：
林倞，中山大學計算機學院教授/博導，國際模式識別學會會士(IAPR Fellow)，英國工程技術(shù)學會會士(IET Fellow)。長期從事計算機視覺、機器學習及智能機器人領(lǐng)域的應用基礎(chǔ)研究，承擔國家2030科技創(chuàng)新重大項目。在國際頂級學術(shù)期刊和會議發(fā)表論文300余篇，論文被引用累計3萬次；獲權(quán)威期刊Pattern Recognition年度最佳論文獎，多媒體計算旗艦會議ICME最佳論文鉆石獎，計算機視覺旗艦會議ICCV最佳論文獎提名；獲中國圖像圖形學會科學技術(shù)一等獎、吳文俊人工智能自然科學獎，省級自然科學一等獎。中國科學院自動化研究所研究員
報告題目：
魯棒自適應模式識別
報告摘要：
模式識別是人工智能領(lǐng)域的核心研究方向。傳統(tǒng)的模式識別和機器學習假設(shè)閉合類別集、獨立同分布、大數(shù)據(jù)訓練。然而在開放環(huán)境下，包括深度學習在內(nèi)的已有方法面臨一系列新的技術(shù)挑戰(zhàn)。尤其是，識別對象從閉合世界擴展到了開放世界，對新類別模式、異常和噪聲模式的建模與處理成為困難，由此產(chǎn)生了開放集識別、置信度估計、持續(xù)學習等大量研究工作。本報告對開放環(huán)境模式識別的研究問題進行分析，并專門針對開放魯棒性和類別增量學習進行深入討論。主要內(nèi)容包括：開放環(huán)境魯棒模式識別的研究問題，開放集識別的模型和算法，深度模型置信度校準，類別增量學習，開放環(huán)境模式識別的未來發(fā)展趨勢。
報告人簡介：
聯(lián)系人：李老師
聯(lián)系電話：18403433440
電子郵箱： 20224053@ynu.edu.cn
