2021年8月19日-20日，由同济大学视觉与智能学习实验室（VILL）举办的 “第四届视觉与智能学习学术研讨会”圆满结束。由于疫情原因，会议采取腾讯线上会议+线下会议室（19日）以及圆桌论坛（20日）的方式进行开展。本次研讨会由同济大学电信学院赵才荣教授组织，特邀了上海交通大学、复旦大学、悉尼大学等海内外知名大学的10位专家学者做专题报告，旨在进一步加快视觉与智能学习研究领域的进展并提供交流平台，丰富同学的学术生活。各位专家学者奉上了一场精彩绝伦的学术盛宴，学术研讨会主题与专家安排如下：

图1 学术报告安排

同济大学苗夺谦教授对本次学术研讨会的召开进行开场致辞。苗教授首先代表中国人工智能学会、粒计算与知识发现专委会对本次研讨会的主题进行了介绍。最后，苗教授对各位参会的专家学者表示热烈的欢迎与衷心的感谢。

(1)欧阳万里副教授专题汇报        (2)左旺孟教授专题汇报

(3)吴琦副教授专题汇报            (4)付彦伟研究员专题汇报

(5)沈为副教授专题汇报            (6)肖亮教授专题汇报

(7)雷印杰教授专题汇报            (8)周日贵教授专题汇报

(9)岳晓冬副教授专题汇报          (10)袁非牛教授专题汇报

图2 专题报告

本次会议还邀请了10位计算机视觉领域的专家学者担任会议的主持人，他们在各个报告前详尽地介绍了各位主讲人的身份背景及讲座的主题内容，使会议得到了有序、顺利的衔接。

欧阳万里副教授的报告题目为“自动深度学习的隐含因素—搜索空间”。欧阳教授首先简单地介绍了悉尼大学和他带领团队的概况。从理论层面到应用层面细致的分析了Neural Architecture Search (NAS)，展示了目前NAS高精度+高效率的发展趋势，最后介绍了现阶段学术界对搜索空间的探索以及成就。

左旺孟教授的报告题目为“面向低标注成本和非理想监督的深度网络学习方法初探”。左教授首先阐述了深度学习近年来在各个领域取得的成就，但当前深度学习的成功仍主要建立在大规模标注数据和模型算法的基础上，数据的精细化标注仍然会耗费大量的人力物力，因此，报告从知识提取和知识蒸馏的角度出发分析了低成本标注学习问题，为弱监督语义分割和物体检测提供了新的角度和解决方案。

吴琦副教授的报告题目为“视觉语言导航”，吴教授首先介绍了他带领实验室V3A Lab的研究方向：视觉语言，向听者介绍了如何将Vision、Language与Action结合。在接下来的报告中，吴教授介绍了一些前沿的视觉语言导航任务，数据和新的挑战，以及近期的主流方法，包括，如何融合视觉与导航指令信息，如何利用pre-training VLBERT去解决导航任务等。生动的视频以及图片演示充分激发了同学们的兴趣。

付彦伟研究员的报告题目为“Learning based 3D/4D Mesh Reconstruction From Few Examples”。此报告从几个输入示例中介绍了他带领的实验小组在探索基于学习的3D/4D网格重建方面的一系列工作。付老师从如何根据单一视角的图片推断物体的3维形状以及3维物体的表示方法两个主要方面对目前此领域的研究现状和他的团队所取得的突出成绩进行了汇报。

沈为副教授的报告题目为“图像目标分割：新挑战与方法”。沈教授首先简要的介绍了图像分割技术的广阔应用场景，并结合自然图像与医学图像中的目标分割问题，分别从全监督和弱监督的角度总结目标分割面临的新挑战，包括密集目标、标记缺乏、领域偏差、未知类别等。最后结合发表的论文详细地讲述了他的团队目前的工作进展，和针对这些问题提出的解决方案。

肖亮教授的报告题目为“稀疏学习深度拓展及其应用:复杂病理图像细胞实例分割”。报告结合病理图像进行分析，探索和揭示数据表示和深度学习中遇到的一些问题，给出稀疏可分离卷积回归链模型、分层稀疏Boosting决策树集成及其深度拓展的新工作，报告揭示了替代传统深度学习的另外一个可行之路。

雷印杰教授的报告题目为“语义分割域适应：从单模态数据增强到多模态联合学习”。雷教授首先向听者简要介绍了域适应的概念以及应用场景，提出了该研究方向所面临的模型收敛困难、训练周期冗长、模态数据单一等问题。报告围绕上述问题，从单模态和多模态两种域适应方式出发，阐述了域适应领域的前沿研究进展和主流算法等，并介绍他的团队在数据增强和跨模态学习方面的最新工作。

周日贵教授的报告题目为“文本与图像检测及应用”。周教授紧跟时事，报告开始就根据李国杰院士近期对国内AI研究的批判提出了自己独到的观点。然后详细讲述了如何通过CV技术进行文本与图像的检测及应用，特别是针对医药文本影像件在噪声、印章、倾斜等特殊实际情况下的识别与检测和图像增强技术的应用。周教授在讲解时结合了多个他团队的研发项目，使抽象的理论与实际应用场景相结合，加强了同学们对图像检测的理解。

岳晓冬副教授的报告题目为“面向领域的机器学习及其在医学辅助诊断中的应用”。岳教授从机器学习在医学应用领域中的实际问题出发，结合临床肿瘤疾病辅助诊断案例，探讨面向领域的机器学习面临的机遇与挑战。报告从特征表示、分类策略、模型解释、领域知识融合等不同视角介绍、分析融合领域要素、需求与约束的机器学习理论方法与工程实践。

袁非牛教授的报告题目为“火灾流体目标的检测与分割”。袁教授首先阐述了该课题重要的实际意义，并分析了利用计算机视觉替代传统的光电、离子火灾探测技术解决此类检测问题的优势所在。接下来从烟雾分类、检测、分割、浓度估计角度，回顾烟雾视觉处理领域的国内外研究现状、经典算法等。最后讲述了烟雾动态纹理处理、深度神经网络烟雾处理框架等方法，及其在火灾安全等方面的可能应用。

图3 会议现场及学生提问

在一场场令人回味的学术报告结束后，10位专家学者对在场师生提出的问题均做了精准详细解答，并分享各自见解和科研经验。

20日，圆桌论坛顺利进行，与会人员一致认为此次研讨会开阔了视野，收益良多。至此，第四届视觉与智能学习学术研讨会圆满落幕。感谢所有到场的学者与学生们！

以下为各位专家学者的报告题目以及报告内容摘要：

图4 专家简介及其汇报主题海报