2022年11月 26日，由中國自動化學(xué)會主辦，中國自動化學(xué)會模式識別與機(jī)器智能(CAA-PRMI)專業(yè)委員會和《模式識別與人工智能》編輯部聯(lián)合組織的2022中國自動化大會專題論壇“模式識別與計算機(jī)視覺前沿”成功舉辦。本次論壇邀請了北京大學(xué)教授查紅彬、南京理工大學(xué)教授楊健、天津大學(xué)教授胡清華、清華大學(xué)副教授魯繼文、中國科學(xué)院沈陽自動化研究所研究員叢楊以及中國科學(xué)院自動化研究所研究員赫然六位專家學(xué)者作特邀報告。中國自動化學(xué)會理事、CAA-PRMI專業(yè)委員會主任、中國科學(xué)院自動化研究所研究員劉成林擔(dān)任本次論壇主席并致辭，CAA-PRMI專業(yè)委員會主任研究員劉成林與CAA-PRMI專業(yè)委員會秘書長樊彬共同主持了論壇。會議采用線上直播的形式舉辦，吸引了超過6 500人次觀看。

首先，論壇主席劉成林研究員進(jìn)行了開幕致辭，他介紹了組織本次論壇的初衷，接著，對六位報告嘉賓表示熱烈的歡迎和衷心的感謝，希望借此機(jī)會能夠和各位專家及同行加強(qiáng)學(xué)術(shù)交流與合作，拓展師生科研視野，促進(jìn)學(xué)科進(jìn)步發(fā)展，之后簡要介紹了模式識別的發(fā)展歷史和CAA-PRMI專業(yè)委員會。

各位報告嘉賓在開幕合影后，依次進(jìn)行了精彩的報告。

北京大學(xué)教授查紅彬報告的題目是“動態(tài)視覺與SLAM：在線學(xué)習(xí)的方法”。查教授首先介紹了什么是動態(tài)視覺和SLAM，并以移動傳感器的變化為切入點(diǎn)，闡述了動態(tài)視覺中SLAM要解決的問題，用現(xiàn)有監(jiān)督學(xué)習(xí)的缺點(diǎn)引出了在線學(xué)習(xí)方法。為了提高動態(tài)視覺系統(tǒng)在真實(shí)復(fù)雜場景中的應(yīng)用能力，視覺系統(tǒng)需要有很強(qiáng)的泛化能力，而在線學(xué)習(xí)可以很好地解決系統(tǒng)學(xué)習(xí)過程中的災(zāi)難性遺忘問題。查教授進(jìn)一步簡要介紹了其團(tuán)隊(duì)基于在線學(xué)習(xí)開展的一系列研究，如基于流數(shù)據(jù)的動力學(xué)模型構(gòu)建、具有在線自適應(yīng)能力的自監(jiān)督SLAM學(xué)習(xí)等。

南京理工大學(xué)教授楊健的報告題目是“單目深度估計與深度復(fù)原”。楊教授首先介紹了他們團(tuán)隊(duì)針對單目深度估計任務(wù)提出的漸進(jìn)困難挖掘網(wǎng)絡(luò)等方法，之后介紹了他們在單目深度復(fù)原上開展的工作，包括基于解耦尺度一致學(xué)習(xí)框架和多模態(tài)掩碼預(yù)訓(xùn)練的深度圖補(bǔ)全方法，以及真實(shí)環(huán)境下基于結(jié)構(gòu)流引導(dǎo)網(wǎng)絡(luò)的深度超分辨分析方法。

天津大學(xué)教授胡清華的報告題目是“低質(zhì)多模態(tài)數(shù)據(jù)動態(tài)可信融合”。胡教授首先介紹了多模態(tài)信息融合問題以及發(fā)展現(xiàn)狀，并分析了現(xiàn)有方法存在的問題，之后介紹了他們團(tuán)隊(duì)提出的典型解決方法，包括利用退化神經(jīng)網(wǎng)絡(luò)和三元對抗學(xué)習(xí)來應(yīng)對模態(tài)缺失問題的方法，以及基于非負(fù)神經(jīng)網(wǎng)絡(luò)的證據(jù)估計、基于狄利克雷分布的意見生成、基于約減證據(jù)理論的多源融合等方法對決策的不確定性進(jìn)行建模以實(shí)現(xiàn)可信融合，最后介紹了聯(lián)合約減噪聲屬性和標(biāo)記的模型處理高噪聲問題。

清華大學(xué)副教授魯繼文報告的題目是“視覺基礎(chǔ)模型及應(yīng)用”。魯教授首先介紹了視覺基礎(chǔ)模型的研究背景與意義。其次，圍繞圖像基礎(chǔ)模型、點(diǎn)云基礎(chǔ)模型和多模態(tài)基礎(chǔ)模型三個方面介紹了他們團(tuán)隊(duì)近年所做的相關(guān)工作，包括針對圖像感知提出的高階交互網(wǎng)絡(luò)HorNet、動態(tài)稀疏化視覺Transformer模型、全局濾波網(wǎng)絡(luò)GFNet等模型，針對點(diǎn)云分析提出的Point-BERT、PointTr、SFCNN等以及OrdianICLIP、P2P等多模態(tài)基礎(chǔ)模型。最后，魯教授對視覺基礎(chǔ)模型的未來進(jìn)行了展望，表示模型架構(gòu)和通用模型將是未來兩個重要研究方向。

中國科學(xué)院沈陽自動化研究所機(jī)器人學(xué)國家重點(diǎn)實(shí)驗(yàn)室研究員叢楊報告的題目是“深海精細(xì)化感知技術(shù)及展望”。叢老師首先介紹了深海探測的意義、水下精細(xì)化感知技術(shù)涉及的信息獲取和信息處理關(guān)鍵問題。其次，他展示了團(tuán)隊(duì)研發(fā)的基于物理機(jī)制的深海高清成像技術(shù)、中國首套深海精細(xì)化3D感知系統(tǒng)、大型水下人造設(shè)施自主巡檢技術(shù)等深海精細(xì)化感知技術(shù)。最后，他針對水下感知技術(shù)應(yīng)用的不同對象，進(jìn)一步介紹了技術(shù)未來的研究方向。

中國科學(xué)院自動化研究所模式識別國家重點(diǎn)實(shí)驗(yàn)室研究員赫然報告的題目是“視覺內(nèi)容生成與鑒別”。赫老師介紹了深度合成、深度偽造和對抗樣本的概念和聯(lián)系，表示深度合成可分為無中生有、身份替換和人臉重演等方面，并介紹了其團(tuán)隊(duì)在視覺內(nèi)容生成與鑒別的近期進(jìn)展，包括基礎(chǔ)表示和生成模型、表觀最優(yōu)傳輸生成模型和信息瓶頸解耦生成模型，以及語音驅(qū)動說話人、人臉表情驅(qū)動和人物換臉等內(nèi)容生成方法，同時也介紹了生成虛擬視覺內(nèi)容的鑒別方法，最后簡要討論了該領(lǐng)域的未來發(fā)展方向及趨勢。

本次論壇的圓滿召開有利于推動國內(nèi)模式識別與計算機(jī)視覺的研究，邀請的6位權(quán)威專家與參會人員對模式識別與計算機(jī)視覺領(lǐng)域的學(xué)術(shù)前沿和發(fā)展趨勢進(jìn)行深入交流和探討，對推動該領(lǐng)域相關(guān)研究的發(fā)展和促進(jìn)產(chǎn)業(yè)應(yīng)用起到了積極作用。