人工智能與計(jì)算機(jī)視覺(jué)技術(shù)息息相關(guān)，視覺(jué)信息處理成為人工智能現(xiàn)階段最重要的技術(shù)引擎之一，智能視覺(jué)計(jì)算技術(shù)也已經(jīng)廣泛應(yīng)用于各行各業(yè)。為加快實(shí)施創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略，促進(jìn)人工智能領(lǐng)域智能視覺(jué)計(jì)算技術(shù)的研究創(chuàng)新與應(yīng)用突破。2022年12月17日-12月18日，由中國(guó)人工智能學(xué)會(huì)主辦，中國(guó)人工智能學(xué)會(huì)會(huì)士之家(杭州站)承辦，浙江杭州未來(lái)科技城(海創(chuàng)園)管委會(huì)協(xié)辦的中國(guó)人工智能學(xué)會(huì)創(chuàng)新技術(shù)講習(xí)班第二期“智能視覺(jué)計(jì)算技術(shù)與應(yīng)用”在線上成功舉辦。

在此期的講習(xí)班上，來(lái)自北大、清華、大連理工、哈工大等8所頂尖高校智能視覺(jué)計(jì)算技術(shù)與應(yīng)用領(lǐng)域的10位國(guó)內(nèi)外領(lǐng)軍人才、權(quán)威學(xué)者開(kāi)展線上8場(chǎng)授課交流，與50W+在線觀眾開(kāi)展學(xué)術(shù)對(duì)話。聚焦“智能視覺(jué)計(jì)算技術(shù)與應(yīng)用”領(lǐng)域，旨在為我國(guó)人工智能領(lǐng)域?qū)W者和科創(chuàng)人才提供重要交流平臺(tái)，加速人工智能科技創(chuàng)新和產(chǎn)業(yè)應(yīng)用高水平高質(zhì)量發(fā)展。

中國(guó)人工智能學(xué)會(huì)組織主席徐楓老師主持開(kāi)場(chǎng)，彭宇新教授發(fā)表致辭。計(jì)算機(jī)視覺(jué)作為人工智能領(lǐng)域的一個(gè)重要分支，是工程與科學(xué)領(lǐng)域中的一個(gè)極具挑戰(zhàn)性的研究方向。隨著深度學(xué)習(xí)的快速發(fā)展，這一技術(shù)已成長(zhǎng)為技術(shù)發(fā)展和數(shù)字化轉(zhuǎn)型不可或缺的力量。未來(lái)伴隨著算法更迭、硬件算力升級(jí)、數(shù)據(jù)大爆發(fā)及5G技術(shù)發(fā)展帶來(lái)的高速網(wǎng)絡(luò)，計(jì)算機(jī)視覺(jué)技術(shù)的應(yīng)用將會(huì)擁有更廣闊的發(fā)展空間。

 

(徐楓老師作開(kāi)場(chǎng)主持)

 

(彭宇新教授作開(kāi)場(chǎng)致辭)

程明明教授進(jìn)行了“開(kāi)放環(huán)境下的自適應(yīng)圖像理解”的專(zhuān)題分享。面對(duì)計(jì)算機(jī)圖像視覺(jué)感知和理解技術(shù)在實(shí)際應(yīng)用中的痛點(diǎn)問(wèn)題，從自適應(yīng)的角度出發(fā)，解釋該技術(shù)如何適應(yīng)開(kāi)放環(huán)境。詳細(xì)講解通過(guò)粒度自適應(yīng)表達(dá)、算力自適應(yīng)的高效視覺(jué)感知以及通用屬性知識(shí)引導(dǎo)的視感知三方面技術(shù)緩解現(xiàn)實(shí)開(kāi)放環(huán)境中遭遇的三大挑戰(zhàn)性問(wèn)題。強(qiáng)調(diào)盡管無(wú)監(jiān)督無(wú)法事先預(yù)知類(lèi)別數(shù)，但從evaluation的角度出發(fā)，類(lèi)別數(shù)作為一個(gè)不固定參數(shù)，一般會(huì)略大于實(shí)際的類(lèi)別數(shù)。

 

(程明明教授授課)

王立君副教授圍繞“單目圖像深度估計(jì)”開(kāi)展專(zhuān)題分享。從背景出發(fā)，細(xì)致介紹了國(guó)內(nèi)外研究現(xiàn)狀，團(tuán)隊(duì)最新研究進(jìn)展及單目圖像深度估計(jì)在計(jì)算機(jī)視覺(jué)其它任務(wù)中的四方面應(yīng)用。指出，單一數(shù)據(jù)集下訓(xùn)練后的模型泛化能力較弱，主要是數(shù)據(jù)集在室內(nèi)室外不同場(chǎng)景中，存在深度尺度不兼容的問(wèn)題。團(tuán)隊(duì)為解決該問(wèn)題開(kāi)展了“相對(duì)深度預(yù)測(cè)”的探索，可實(shí)現(xiàn)多場(chǎng)景數(shù)據(jù)集混合的訓(xùn)練，泛化能力更強(qiáng)，但存在不是絕對(duì)深度的缺陷。基于網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)進(jìn)行優(yōu)化是訓(xùn)練數(shù)據(jù)外必要的探索方向。單目圖像深度估計(jì)的誤差值依據(jù)不同場(chǎng)景存在差異，誤差與評(píng)價(jià)指標(biāo)存在相關(guān)性(關(guān)注絕對(duì)誤差或相對(duì)誤差)，誤差計(jì)算一般考慮所處區(qū)域遠(yuǎn)近及其容忍度，根據(jù)不同的任務(wù)會(huì)設(shè)計(jì)不同評(píng)價(jià)標(biāo)準(zhǔn)。為了更好對(duì)同一類(lèi)別物體的深度相似性進(jìn)行建模會(huì)采用同一套參數(shù)，但同一物體出現(xiàn)在不同位置，其深度存在差異。要求模型在預(yù)測(cè)過(guò)程對(duì)類(lèi)似“近大遠(yuǎn)小”信息進(jìn)行歸納總結(jié)，根據(jù)語(yǔ)意信息判定類(lèi)別、根據(jù)可能的變化、大小判斷深度，并結(jié)合上下文和相對(duì)尺度進(jìn)行預(yù)測(cè)。通過(guò)端到端的映射，能夠?qū)崿F(xiàn)從輸入圖像到真值的預(yù)測(cè)，但存在一定誤差，需要判定任務(wù)對(duì)誤差的容忍度。單目圖像深度可能無(wú)法滿足對(duì)精度有高要求的任務(wù)，需結(jié)合多種數(shù)據(jù)源才能解決問(wèn)題。

 

(王立君副教授授課)

谷延鋒教授圍繞“多模遙感圖像本征分解”帶來(lái)了專(zhuān)題授課，結(jié)合高光譜遙感探測(cè)和高光譜本征分解兩部分，分享了其團(tuán)隊(duì)近幾年圍繞遙感圖像本征分解的研究進(jìn)展。詳細(xì)介紹了高光譜遙感探測(cè)的成像原理、多模探測(cè)及其存在的關(guān)鍵問(wèn)題。系統(tǒng)闡述了高光譜本征分解中多模本征信息提取、理論模型、先驗(yàn)信息建模、實(shí)驗(yàn)驗(yàn)證、方法流程等內(nèi)容。谷教授指出通過(guò)衛(wèi)星的粒子測(cè)繪，利用多角度相機(jī)可計(jì)算地面上對(duì)應(yīng)的高程數(shù)據(jù)，基于高程數(shù)據(jù)可進(jìn)行空間三維建模，描述地面物體空間三維結(jié)構(gòu)。均勻的光照和它法線方向作用并不需要額外相機(jī)參數(shù)，同理激光雷達(dá)可直接利用它的點(diǎn)云數(shù)據(jù)。

 

(谷延鋒教授授課)

鄭偉詩(shī)教授進(jìn)行了“行為協(xié)同與交互建模”的專(zhuān)題分享。基于行為分析的背景，回顧現(xiàn)有行為協(xié)同與交互建模的方法，探討團(tuán)隊(duì)主要研究進(jìn)展及未來(lái)方向。指出協(xié)同技術(shù)商業(yè)化廣泛應(yīng)用的主要障礙在于未知環(huán)境下難以對(duì)未識(shí)別物體進(jìn)行建模的問(wèn)題。例如機(jī)器人對(duì)于未識(shí)別物體的抓取成功率低，需進(jìn)行泛化處理的問(wèn)題，未來(lái)商業(yè)化應(yīng)用將聚焦人和機(jī)器的行為協(xié)同研究。構(gòu)建多尺度的幾何特征主要通過(guò)多個(gè)Scale的建模，拓展自由度抓取，進(jìn)行點(diǎn)云分析，擴(kuò)大感知范圍。行為分析的訓(xùn)練工具是目前團(tuán)隊(duì)待解決的痛點(diǎn)問(wèn)題，未來(lái)標(biāo)準(zhǔn)化的算法庫(kù)建設(shè)值得團(tuán)隊(duì)探索的研究方向。

(鄭偉詩(shī)教授授課)

操曉春教授圍繞“‘病態(tài)的’計(jì)算機(jī)視覺(jué)算法”進(jìn)行專(zhuān)題授課，指出“計(jì)算機(jī)視覺(jué)”是一個(gè)相對(duì)“病態(tài)”的問(wèn)題。圍繞解決“病態(tài)”問(wèn)題的“規(guī)則化的數(shù)值分析”與“引進(jìn)新假設(shè)”兩個(gè)方法詳細(xì)闡釋現(xiàn)有研究工作。指出主流的視頻分析軟件有生成、識(shí)別、分類(lèi)等多種類(lèi)型，區(qū)別較大且領(lǐng)域內(nèi)更新迭代快。強(qiáng)調(diào)了學(xué)術(shù)角度的視覺(jué)算法攻擊是指攻擊對(duì)方的識(shí)別模型。

 

(操曉春教授授課)

方玉明教授開(kāi)展了“圖像質(zhì)量評(píng)價(jià)：理論、方法及應(yīng)用”專(zhuān)題講解，介紹圖像質(zhì)量評(píng)價(jià)的概念、分類(lèi)及評(píng)價(jià)研究的主流方法，解釋了真實(shí)相機(jī)失真的圖像質(zhì)量評(píng)價(jià)，多曝光圖像融合以及相關(guān)內(nèi)容，分享圖像質(zhì)量評(píng)價(jià)在Perceptual Optimization中的應(yīng)用及進(jìn)展。強(qiáng)調(diào)HDR圖像如何評(píng)價(jià)來(lái)選擇多曝光圖像的張數(shù)主要取決工作的過(guò)程。

 

(方玉明教授授課)

黃惠教授圍繞“面向智能機(jī)器人的智能圖形技術(shù)”帶來(lái)專(zhuān)題授課。從概念出發(fā)講解了目前的主流智能機(jī)器人及其智能化深入發(fā)展的卡脖子難題。在當(dāng)前非實(shí)驗(yàn)環(huán)境下機(jī)器人面臨的挑戰(zhàn)和技術(shù)應(yīng)用之間依舊存在較大的空間局限性，需在工業(yè)制造、智能倉(cāng)儲(chǔ)等預(yù)定環(huán)境和場(chǎng)景中進(jìn)行預(yù)定設(shè)計(jì)才能運(yùn)行，但預(yù)定設(shè)計(jì)的控制算法在面臨人類(lèi)真實(shí)的物理環(huán)境及復(fù)雜的動(dòng)態(tài)情況時(shí)可能會(huì)失敗，機(jī)器人認(rèn)知真實(shí)三維動(dòng)態(tài)環(huán)境能力缺失會(huì)阻礙其智能化深入發(fā)展。期望在未來(lái)實(shí)現(xiàn)城市信息的精準(zhǔn)映射和良性代謝，最終形成完善的城市孿生數(shù)字生態(tài)。關(guān)于智能圖形技術(shù)與無(wú)人機(jī)攝像渲染的區(qū)別性問(wèn)題，黃教授指出，圖像采集的最終目的是三維重建，其機(jī)理是基于Multi-View System的實(shí)景重建，與無(wú)人機(jī)攝像渲染具有本質(zhì)區(qū)別。目前智能圖形技術(shù)正應(yīng)用于將激光雷達(dá)和視覺(jué)技術(shù)相結(jié)合的自動(dòng)駕駛環(huán)境建模，通過(guò)深入研究有助于推進(jìn)僅依靠激光雷達(dá)難以實(shí)現(xiàn)的、真正意義上的3D地圖的重建。

(黃惠教授授課)

馬思偉教授開(kāi)展了以“視頻編碼：從信號(hào)建模到特征學(xué)習(xí)”為專(zhuān)題的分享，深入闡釋視頻編碼的歷史及關(guān)鍵技術(shù)進(jìn)展。從技術(shù)背景、難題出發(fā)，講解了深度學(xué)習(xí)、智能視頻編碼的研究進(jìn)展及挑戰(zhàn)。強(qiáng)調(diào)深度學(xué)習(xí)正推動(dòng)視頻編碼技術(shù)框架的演變，基于神經(jīng)網(wǎng)絡(luò)的智能編碼是突破傳統(tǒng)視頻編碼效率提升瓶頸的重要方向。智能編碼雖面臨算法模型、計(jì)算平臺(tái)和質(zhì)量評(píng)價(jià)等多方挑戰(zhàn)，但也在推動(dòng)深度編碼的發(fā)展。馬教授指出，全景視頻雖簡(jiǎn)單沿用傳統(tǒng)視頻編碼技術(shù)進(jìn)行視頻拼接，但概念有了更大的拓展，更強(qiáng)調(diào)指陣列式、多路相機(jī)的、使用多視點(diǎn)的編碼方法。另“MIV”形式主要通過(guò)投影映射進(jìn)行拼接處理，保留多路相機(jī)的視頻內(nèi)容進(jìn)行傳輸。在未來(lái)人們更加看好數(shù)據(jù)量大、表現(xiàn)形式更豐富的點(diǎn)云式三維模型的采集和傳輸。

 

(馬思偉教授授課)

講習(xí)班的尾聲，盧湖川教授總結(jié)指出，專(zhuān)家學(xué)者們的專(zhuān)題授課，精彩紛呈、亮點(diǎn)頻現(xiàn)、交流碰撞，提出了人工智能領(lǐng)域探索的新觀點(diǎn)、新見(jiàn)解、新方法，為人工智能的創(chuàng)造性發(fā)展提供了諸多可供參考的新路徑。

 

(盧湖川教授作結(jié)業(yè)總結(jié))