2024年秋季学期视觉计算实验室第九次论文研读预告
时间:2024年11月16日(周六) 09: 00 地点:望江校区基础教学楼B座318实验室 分享者:王启鹏、王国强、李若愚 Part 1 分享者:王启鹏 分享内容: [1] F. Cheng, M. S. Keller, H. Qu, N. Gehlenborg »
时间:2024年11月16日(周六) 09: 00 地点:望江校区基础教学楼B座318实验室 分享者:王启鹏、王国强、李若愚 Part 1 分享者:王启鹏 分享内容: [1] F. Cheng, M. S. Keller, H. Qu, N. Gehlenborg »
2024年11月13日上午10点,复旦大学大数据学院的青年教授、可视分析与智能决策研究组的负责人陈思明老师,应邀访问四川大学视觉计算实验室,与2023~2024级的硕士研究生和研零进行了深入的学术交流。 交流伊始,王启鹏简要介绍了陈老师的背景和研究领域,随后实验室的成员们也进行了自我介绍。在建立了初步的了解后,学术交流正式拉开序幕。 本次学术讨论以开放式提问为主,实验室成员们就自己的研究兴趣和学术进展与陈老师进行了积极的互动。杨璐歌就机场路径规划算法的可视化问题向陈老师提出疑问,陈老师从可视化的重要性和算法解释的角度提供了专业的建议,并推荐了一些相关工作。周寅杰、张键军、王艺蒙和朱陶涛则就如何选择研究方向、如何开始科研训练以及如何有效阅读论文等议题向陈老师提问,陈老师根据自己的教学经验,强调了阅读经典论文以掌握领域核心概念的重要性,并建议带着问题和思考去复现感兴趣的研究工作,这对于科研的起步至关重要。樊禧和徐骏驰则就如何平衡学术与生活以及如何进行有效的科研合作等问题向陈老师请教,陈老师根据自己的经验给出了建设性的建议。 »
2024年11月12日晚,澳大利亚皇家墨尔本理工大学(RMIT)的鲍芝峰老师受邀到四川大学视觉计算实验室来访交流。参与本次活动的成员包括:2021级-2024级部分硕博士研究生。 交流的开始,由程俊龙对鲍老师的个人情况和研究方向进行了简短介绍,实验室成员也各自进行了自我介绍。在相互有了基本了解后,交流正式开始。 本次学术交流以开放的自由提问为主,实验室成员围绕自身研究方向以及学术进展,与鲍老师展开了积极讨论。交流期间,王启鹏分享了近期的部分学术工作,鲍老师就可视化方法、大模型与审稿专家多个角度给出了自己的见解。 其余实验室成员结合所参与的科研项目,围绕多模态数据集、可视化应用场景等主题,提出了具体问题,涵盖生物信息、医学图像、城市分析等方面,鲍老师耐心细致地对大家的问题进行了解答, »
时间:2024年11月09日(周六) 09: 00 地点:望江校区基础教学楼B座318实验室 分享者:魏楷臻、成磊峰 Part 1 分享者:魏楷臻 分享内容: [1] Changjian Chen, Yukai Guo, Fengyuan Tian, Shilong Liu, Weikai Yang, »
时间:2024年11月2日(本周六) 09: 00 地点:望江校区基础教学楼B座318实验室 分享者:甘霖、阳斯敏 Part1 分享者:甘霖 分享内容: [1] Chen C, Ji Z, Sun Y, et al. Self-attentive channel-connectivity capsule »
时间:2024年10月26日(本周六) 09: 30 地点:望江校区基础教学楼B座318实验室 分享者:蒋林呈、杨璐歌 Part1 分享者:蒋林呈 分享内容: [1] Zhu, Jiayi, Xuebin Qin, and Abdulmotaleb Elsaddik. "Dc-net: Divide-and-conquer for salient »
主会场 —— 主旨报告 报告题目:大模型驱动的具身智能人形机器人与展望 讲者:王耀南(中科院自动化所,中国科学院院士) 人形机器人是模仿人的形态运动和功能、与人交流、模仿人类外观和行为的高级通用智能机器人,可以辅助或者替代人类执行危险、肮脏、重复环境下多种类型任务。 王院士在报告中分析了大模型驱动的人形机器人技术进展,介绍了人形机器人研究背景与意义、国内外研究现状、大模型驱动的人形机器人关键技术,如大型自然语言模型、多模态视觉语言模型、具身智能多模态大模型等,以及发展趋势与展望,并举例介绍了具身智能人形机器人是国际公认的机器人技术集大成者和科技竞争的制高点,可推广应用于工业制造、国防安全、智能服务和智慧医养等行业, »
主会场 —— 主旨报告 报告题目:大模型背景下的数字内容取证 讲者:谭铁牛(中科院自动化所,中国科学院院士) 在数字化时代,随着人工智能技术的迅猛发展,尤其是深度学习的广泛应用,数字内容的生成和编辑变得更加便捷高效。然而,技术的双刃剑特性也带来了新的挑战,特别是在数字内容取证领域。生成式大模型如今能够生成逼真的文本、图像、音频和视频,可能被用于制造虚假信息、深度伪造等恶意目的,严重威胁社会秩序和信息安全。在这种背景下,取证工作变得日益复杂,需要更先进的技术手段应对伪造技术的不断升级。 在本次报告中,谭老师首先介绍了一套面向大模型生成内容的数字内容取证技术方案, »