2024年春季学期视觉计算实验室第十次论文研读预告
时间: 2024年5月17日(周五) 09 : 30 地点: 望江校区基础教学楼B座318实验室 分享者: 王启鹏、姜磊 Part1 分享者:王启鹏 分享内容: [1] Vaithilingam P, Glassman E L, Inala J P, et al. DynaVis: »
时间: 2024年5月17日(周五) 09 : 30 地点: 望江校区基础教学楼B座318实验室 分享者: 王启鹏、姜磊 Part1 分享者:王启鹏 分享内容: [1] Vaithilingam P, Glassman E L, Inala J P, et al. DynaVis: »
2023年12月09日09:00,视觉计算实验室2022级硕士研究生中期考核答辩在四川大学望江校区基础教学楼B318举行。中期考核答辩由实验室负责人朱敏担任组长,邀请了计算机学院图象图形与软件工程研究所负责人吴志红、成都信息工程大学何嘉老师、四川省计算机研究院高级工程师牛颢、中国民用航空总局第二研究所研究员王国强作为答辩专家。参加本次答辩的还有视觉计算实验室全体22级硕士研究生。 中期考核答辩由朱敏老师主持,首先介绍了各位答辩专家和答辩议程安排,接着就考核原则和要点进行了说明。然后,22级硕士研究生陈纪龙、杨丹、张宛靖、李希垚、古名扬、姜磊依次进行个人陈述和专家问辩。本次答辩人员的研究方向包括可视化与可视分析、生物信息学和计算机视觉。 6位研究生分别从课程学习、项目工作、学术成果、学术活动、社会实践、 »
2023年7月5日,四川大学视觉计算实验室面向2024级推免生于黄大年茶思屋召开招新宣讲会。此次宣讲会参会人员包括实验室负责人朱敏教授、21-23级部分硕博生以及2024级优秀推免生。 Part 1 朱敏教授介绍实验室总体情况 此部分由实验室负责人朱敏教授主持。朱敏教授首先向在座的2024级推免生们介绍了实验室的基本情况,并详细展示了实验室在研究方向上所取得的研究成果。同时,朱敏教授还分享了个人的履历和对于学生的培养理念,强调实验室对于学生的认真指导和关注。此外,朱敏教授还向推免生们介绍了实验室的基本要求,希望学生们能够明确自己的职业规划,在实验室中获得更多的成长和锻炼机会。 Part 2 实验室在研方向的详细介绍 在这一环节中,实验室的硕士生们分别介绍了实验室在研方向的基本情况。首先实验室研一同学杨丹对于"可视化与可视分析"方向的介绍,详细阐述了该方向在数据可视化和信息分析方面的研究重点和应用领域。 »
2023年5月19日上午,佐治亚理工大学计算科学工程博士生黄慧丽来访交流,于望江校区基础教学楼B座318视觉计算实验室带来了围绕“研究方向”和“读博经验”两个方面的交流与分享。参与本次交流的成员有:实验室负责人朱敏教授、2021-2022级部分在读硕博士研究生、2023级准研究生等。 在交流中,黄慧丽同学向在座的同学从对自己专业的介绍开始,简述了CSE(Computational Science and Engineering)的跨学科特点,即:融合计算机科学、数学、物理学、化学等多个学科,以及相关工程类专业,致力于利用计算机科学与技术解决工程领域的问题。 »
时间: 2023年5月19日(周五) 09 : 15 地点: 望江校区基础教学楼B座318实验室 分享者: 黄慧丽、姜磊、陈富秋 Part 1 交流报告 分享者:黄慧丽 个人简介: 黄慧丽,佐治亚理工大学计算科学工程(Computational Science Engineering, CSE)专业的二年级博士生,目前已通过博士资格考试(PhD »
经团队申报、学院推荐、现场答辩,评委综合评审,我校评选出第八届“德渥群芳”育人文化建设标兵科研团队,并于今日颁发了奖牌和荣誉证书。计算机学院朱敏教授带领的“视觉计算实验室(VCL318)”团队入选。 四川大学“德渥群芳”育人文化先进科研团队评选表彰活动自2015年启动以来,已连续举办八届,旨在评选表彰科研团队在人才培养、科学研究、服务社会、育人文化、团队建设等方面取得的突出成就。 图1 “德沃群芳”荣誉奖牌 图2 朱教授组织实验室进行项目讨论 »
时间: 2023年3月3日(周五) 09 : 30 地点: 望江校区基础教学楼B座318实验室 分享者: 张宛靖、姜磊 Part1 分享者:张宛靖 分享内容: [1] Wang H, Guo F, Du M, et al. A novel method »
12月26日,PRCV2022大会最后一天议程。今日大会分为两个主旨报告、四个特邀报告、四个专题论坛和多个口头报告。 主旨报告1 报告人:Alan Yuille 报告题目:What Have Deep Nets ever done for us? Alan Yuille教授首先介绍一篇关于深度网络优势和劣势的论文,从而引出尽管深度网络取得了巨大的成功,但由于现实世界的复杂性,他们仍然无法克服计算机视觉的基本问题。本次报告虑到最近由Transformer和自监督学习引起的深层网络的进展,重新审视这些观点。Alan »