会议信息

主办单位：中国图象图形学学会（CSIG）

承办单位：CSIG武汉会员活动中心、CSIG图像视频通信专业委员会、CSIG 青年工作委员会

报告时间：2025年4月23日（周三）19:30-21:00

直播平台

学会官方视频号：

欢迎关注CSIG官方视频号，观看直播

学会B站直播间：

蔻享学术：

组委会

王增茂，武汉大学，计算机学院

杨欣，华中科技大学，电子信息与通信学院

周瑜，华中科技大学，电子信息与通信学院

会议日程

特邀报告讲者

刘羽，合肥工业大学教授、博士生导师，国家级青年人才，科睿唯安全球高被引科学家，爱思唯尔中国高被引学者，CSIG机器视觉专委/青工委委员，CAAI智能融合专委委员。主要研究方向包括图像融合、医学图像处理等。近年来，在TPAMI、IJCV、TIP、INFFUS等权威期刊上发表论文100余篇，谷歌学术总被引15000余次。获安徽省自然科学二等奖、吴文俊人工智能优秀青年奖、IEEE TIM等两个国际期刊年度最佳论文奖等。担任IEEE TIP、INFFUS、IEEE SPL、中国图象图形学报等期刊编委。

报告简介：多模态医学图像融合技术能够综合同一场景下不同模态医学图像包含的重要信息，生成能够更加全面描述场景的融合图像，进而有助于医生或智能医疗系统进行感知和决策。本报告将介绍课题组近年来在多模态医学图像融合方法及应用方向开展的系列研究工作。

佃仁伟，湖南大学机器人学院教授、博士生导师，国家优秀青年科学基金获得者。长期从事高光谱计算成像的研究，建立了高光谱融合成像方法体系，研制了高空间分辨率高光谱相机，实现了高分辨率高光谱视频的获取，近年来以第一/通讯作者在 TPAMI、TIP、CVPR等权威期刊会议上发表学术论文20余篇，其中 ESI高被引论文7 篇，授权中国发明专利15项，美国发明专利1项；获得了国家自然科学二等奖（排名2）、中国光学学会郭光灿光学奖、中国人工智能学会优秀青年奖、中国图象图形学学会优博、蚂蚁科技奖、粤港澳大湾区国际算法算例大赛一等奖（冠军）等奖项；曾入选博新计划、湖南省优青、湖湘青年英才等人才计划。

报告简介：高光谱图像可能够实现对成像目标的精细识别和分类，因此高光谱图像被广泛应用于遥感和医学检测等多个领域。而由于光学成像原理的限制，高光谱图像空间分辨率低，这限制了高光谱图像后续的分析与应用。针对高光谱成像中空谱分辨率相互制约的这一难题，本课题组开展了高分辨率高光谱智能融合成像方法的研究，通过高光谱和多光谱图像融合的方式实现高分辨率高光谱图像的获取，并根据此研制了高分辨率高光谱视频成像装置，本报告将针对智能融合成像中的成像模型的估计、高效融合网络的构建等关键科学问题，介绍本课题组的研究进展。

蒋浩懿，华中科技大学博士生，指导老师王兴刚教授，研究方向：视觉感知、3D视觉、自动驾驶。

报告简介：三维空间理解是推动自动驾驶、具身智能等领域中智能系统环境感知、交互的核心任务。然而，现有3D语义占据预测方法严重依赖大规模标注数据，制约了模型的可扩展性和泛化能力。为此，我们提出GaussTR，一种基于基础模型对齐的自监督三维空间理解方法。GaussTR通过稀疏高斯分布来高效表示3D场景，并利用Gaussian Splatting渲染与预训练基础模型的知识对齐，从而使模型学习到通用的3D表征，在无需标注监督的情况下实现零样本开放词汇占据预测的最先进性能。

程俊达，华中科技大学博士生，研究方向为单、双目、多目视觉深度估计，视觉里程计，三维重建等，曾在大疆、英特尔和道通智能实习，目前以发表一作\共一论文7篇，包含3篇CVPR，IJCV，AAAI，3DV等顶会顶刊。

报告简介：MonSter，一种用于立体深度估计的基础模型（CVPR 2025 highlight），旨在利用单目深度估计和立体匹配的互补优势，解决现有立体匹配方法难以处理匹配线索有限的不适定区域，如遮挡、无纹理、细结构、反光等区域，在提升精度的同时增强泛化性能。通过双分支结构，循环迭代优化单目深度与双目深度，并设计了“单目引导增强(MGR)”和“立体引导对齐(SGA)”的模块，充分结合两分支深度的优势。实验结果表明，MonSter在五个最常用的benchmark上均达到SOTA。在泛化性方面，MonSter仅仅使用少量公开训练集就达到最优水准。

梁健，武汉大学博士生，指导老师叶茫教授，研究聚焦于多模态大模型 (Multimodal Large Language Models) 与高效微调 (Parameter-Efficient Fine-Tuning) 等方向。其近期的研究成果被计算机视觉顶级会议 CVPR 2025 接收，并获评为口头报告 (Oral)。

报告简介：近年来多模态大语言模型（MLLMs）蓬勃发展，在跨模态任务中展现出强大的泛化能力。然而，其在适应特定下游任务时，常常伴随通用知识的遗忘问题。尽管低秩适配微调方法（LoRA）已被广泛应用于大模型高效微调，但其引入的冗余参数更新仍然会带来知识冲突，导致遗忘问题。为缓解上述问题，我们提出一种基于预训练知识引导的稀疏低秩适应高效微调框架，从而促进通用知识与下游任务知识的融合，有效减缓灾难性遗忘现象。

朱桂林，华中科技大学自动化学院在读二年级博士生，师从高常鑫教授。主要研究方向为语义分割、增量学习，目前主要聚焦于类增量语义分割方面研究。在AAAI、CVPR、 TCSVT等国际会议与汇刊上发表多篇学术论文，担任CVPR，ICCV，TPAMI等国际会议和期刊审稿人。

报告简介：类增量语义分割致力于在连续的步骤中学习新的语义类别，同时对抗旧类知识的遗忘。当前基于原型重放的方法忽略了动态更新的表征与固定存储原型之前的不匹配问题。 本报告提出一种动态原型重放的方法，通过估计表征偏移距离对固定原型进行补偿，从而提高原型重放的效率。同时，提出一种不确定性约束损失，提高特征的判别性，促进紧凑的原型生成。在VOC、ADE20K多种增量设置的实验证明了所提方法的有效性。

组委会

王增茂，武汉大学计算机学院副教授，博士生导师，加拿大卡尔顿大学计算机科学系访问学者，CSIG武汉会员活动中心秘书长，获全国博士后创新人才支持计划，湖北省青年人才奖励计划。长期从事人工智能、医学图像处理等方向的研究，近年来发表TIP、NeurIPS、CVPR等期刊和会议论文30余篇。 参与完成湖北省自然科学二等奖等奖项2项。主持国家自然科学基金、湖北省重点研发计划等项目十余项。担任SCI二区期刊Neurocmputing编辑，PRCV区域主席，AAAI、IJCAI、KDD等多个CCF A类会议的程序委员会成员。

杨欣，华中科技大学教授、博导、华中卓越学者，研究方向为计算机视觉与机器学习，主持国家自然科学基金青年项目（B类）、国际合作、面上项目等5项，以一作或通讯作者发表中科院一区/CCF A 类期刊会议论文65篇，多次入选斯坦福全球前2%顶尖科学家榜单；获湖北省技术发明一等奖、中国图象图形学学会石青云女科学家奖、中国医学科技奖青年科学技术奖，ISMAR 最佳论文提名奖；指导学生获得中国国际互联网+金奖、银奖国内外权威竞赛奖项10余次；担任中国图象图形学学会杰出会员，IEEE-TMI和IEEE-TVCG期刊编委，CCF A 类会议CVPR、MICCAI 领域主席， IEEE BISP 技术委员会委员、CSIG 青工委副秘书长、CCF 多媒体技术专委会副秘书长等职务，获评IEEE-TMI 2020-2021、2022-2023和2023-2024杰出审稿人。

周瑜，华中科技大学电子信息与通信学院教授，博士生导师。主要研究方向为工业视觉。已发表高水平学术论文50余篇，包括IJCV，TIP，CVPR, ICCV，ECCV，《中国科学: 信息科学》等权威期刊及会议。主持或参与国家自然科学基金项目、科技部“新一代人工智能”重大项目，湖北省重大科技创新项目等十余项。获首届中国图象图形学学会高等教育教学成果奖一等奖（第一完成人）、“互联网+”、“挑战杯”等竞赛国赛金奖4项。担任CSIG视频图像通信专委会委员，CSIG武汉会员活动中心执行委员。