CCIG邀你参加！大模型时代的图像图形技术创新与产业实践

作者：笔触狂放9 | 2024-06-02 13:52:39

踩

ccig2024会议

会议简介

CCIG 2024

中国图象图形大会（CCIG 2024）将于2024年5月24日-26日在陕西省西安市曲江国际会议中心召开，主题为“图聚智生，象合慧成”，由中国图象图形学学会主办，空军军医大学、西安交通大学、西北工业大学承办，陕西省生物医学工程学会、陕西省图象图形学学会、南京理工大学协办，陕西省科学技术协会支持。

于起峰院士、郑海荣院士、焦李成教授、王大轶研究员、虞晶怡教授将莅临CCIG 2024，并作大会主旨报告，百余位国内知名学者以及企业专家齐聚西安，开启“最强大脑”，为大家带来一场精彩的学术盛宴。同期将举办25场学术论坛、7场特色论坛和2场企业论坛，以及海报展示。大会同时设置数百平米展区作为成果展示和交流研讨的空间，预计2500人参会。

此次大会将面向开放创新、交叉融合的发展趋势，为图像图形相关领域的专家学者和产业界同仁，搭建一个展示创新成果、展望未来发展，集高度、深度、广度三位于一体的交流平台。

论坛基本信息

论坛名称：大模型时代的图像图形技术创新与产业实践

组织单位：北京百度网讯科技有限公司

论坛简介

在AI大模型时代，图像图形技术的创新与产业实践显得尤为重要。百度技术论坛聚焦“大模型时代的图像图形技术创新与产业实践”，邀请百度AI专家、知名高校学者共同探讨图像图形技术在大模型背景下的最新发展和实践应用。与会者将有机会深入了解计算机视觉、智能无人系统视觉感知、3DGS、3D场景编辑、OCR以及数字人等技术在产业领域应用的最新成果。本论坛期望通过分享AI大模型在图像图形领域的产业实践，为学术界和产业界搭建开源开放的交流平台，共同推动图像图形技术在大模型时代的发展。

论坛主席

王井东

百度计算机视觉首席科学家

王井东，百度计算机视觉首席科学家。加入百度之前，曾任微软亚洲研究院视觉计算组首席研究员。研究领域为计算机视觉、深度学习及多媒体搜索。他的代表工作包括高分辨率神经网络（HRNet）、基于transformer attention的图像语义分割网络OCRNet、以及基于近邻图的大规模最近邻搜索（NGS，SPTAG）等。他曾担任过许多人工智能会议的领域主席，如 NerIPS、CVPR、ICCV、ECCV、AAAI、IJCAI、ACM MM等。他现在是IEEE TPAMI和IJCV的编委会成员。他是IEEE/IAPR 会士、ACM杰出会员、加拿大工程院院士。

论坛讲者信息

张鼎文

西北工业大学自动化学院教授

报告题目：无人系统视觉感知初探

报告摘要：智能无人系统技术是指将人工智能技术与无人系统相结合，实现系统的自主性、智能化和自动化。智能无人系统技术可以应用于各个领域，例如无人车辆、无人飞行器、手术机器人等，在推动产业升级和国防安全方面具有重大意义。视觉感知技术被誉为无人系统之“眼”，通过对传感器采集的图像/视频进行处理与分析，视觉感知系统可以实现目标检测与跟踪、环境感知与地图构建等功能，为无人系统完成各项智能化任务提供坚实基础。在过去的二十年中，神经网络和图像/视频分析技术得到了突飞猛进的发展，然而，现有方法主要针对实验室受控环境下的视觉数据进行研究，在面对无人系统所工作的真实、开放环境时，仍面临重大挑战。本次报告将聚焦无人系统视觉感知领域的核心挑战，分享团队在该领域的初步探索，并对该领域未来的研究方向进行了分析和展望。

个人简介：张鼎文，西北工业大学自动化学院教授、博导，国家优秀青年科学基金获得者、科睿唯安“全球高被引科学家”，2015赴美国卡耐基梅隆大学进行为期2年的访问研究，致力于建立面向开放环境下、具备动态学习能力的新一代计算机视觉学习框架。迄今为止，作为第一作者/通讯作者在领域内国际重要期刊及会议发表学术论文60余篇，其中包含T-PAMI, IJCV, IEEE SPM, T-IP, CVPR, ICCV, Science China: Information Science等，曾入选中国博士后创新人才计划、AI 华人青年学者榜单, 获吴文俊人工智能优秀青年奖、2021 IEEE TCSVT最佳论文奖、中国图象图形学学会优秀博士论文奖等奖励。担任中国图象图形学学会青年工作委员会副秘书长、中国图象图形学学会优博俱乐部副主席，任IEEE TMM、TCSVT、PR等刊物（客座）编辑。

赵晨

百度资深研发工程师

报告题目：3DGS在产业应用中的关键挑战与进展

报告摘要：3D高斯泼溅技术因其优秀的渲染效果和实时渲染能力，近期广受学术界和工业界的关注。在本次报告中，我们将从产业落地的视角讨论3DGS这一新的3D表征形式的关键挑战与进展。报告涵盖3DGS内容生产、编辑、驱动及移动端实时渲染解决方案等完整Pipeline构建中的技术点，分享我们对这一新表达形式的思考及相关工作进展。

个人简介：百度资深研发工程师，百度视觉技术部3D内容生成及渲染团队负责人，专注于计算机视觉与图形学技术在数字孪生、自动驾驶、导航导览及数字人等方面的融合性突破及落地应用探索，曾参与并主导Dumix AR平台、虚拟形象解决方案、大场景视觉定位系统、特效视频SDK等多项技术产品研发，发表多篇相关论文，申报相关专利达70+项，并已落地手机百度、百度地图、全民小视频、Apollo智慧座舱等，服务上亿用户。

吕鹏原

百度资深研发工程师

报告题目：大模型驱动下的OCR技术革新与前沿应用

报告摘要：在产业数字化转型和智能化升级的浪潮中，OCR技术始终扮演着举足轻重的角色。随着大模型和大数据的崛起，OCR技术的演进和应用前景正迎来前所未有的变革。本报告聚焦产业应用，深入剖析大模型时代下百度OCR的技术革新，以满足大规模用户和大数据场景下的多元化需求。我们也将首次揭秘百度OCR技术向实用级文档图像多模态理解迈进的大模型研发，包括其关键技术突破与产品应用尝试。百度OCR团队一直致力于研发前沿且实用的AI技术，打造覆盖多行业的OCR引擎，并推出多款普惠用户的文档智能产品，助力数字化时代的飞跃发展。

个人简介：视觉技术部OCR基础技术负责人。他的研究领域主要聚焦于场景OCR和文档图像多模态理解大模型等方向，曾在TPAMI、CVPR、ECCV、ICML等顶级期刊会议发表多篇学术论文。相关技术落地于百度智能云，百度拍照搜索、百度网盘，小度词典笔等重要产品线。

周航

百度资深研发工程师

报告题目：数字人驱动及3D生成技术进展

报告摘要：使用语音等模态信息输入，对人像的面部和动作进行驱动，是构建数字人的重要方式。本次演讲会介绍百度视觉技术部在数字人驱动方面的前沿进展，展示工业界该方面的最新技术成果，并介绍一种简单高效的3D内容生成的方案。

个人简介：周航，百度资深研发工程师，上海市浦东新区明珠计划菁英人才，负责视觉技术部数字人算法研发。博士毕业于香港中文大学，发表顶会论文30余篇，谷歌学术引用2200余次，在音视频多模态内容生成和数字人语音驱动，形象生成方面有丰富的研究和落地经验。

刘偲

北京航空航天大学教授

报告题目：图文自适应源驱动的3D场景编辑

报告摘要：本报告旨在解决图文自适应源驱动的3D场景编辑，并详细介绍了一种名为CustomNeRF的3D场景编辑框架。该框架对文本源驱动和图像源驱动的3D场景编辑进行了统一，并针对现有方法难以准确修改待编辑区域以及编辑后的结果存在多面问题这两个缺点，分别提出了局部-全局迭代编辑的训练方案以实现前景区域精准修改并保持背景不变，以及类引导正则化以利用生成模型中的类先验来实现不同视角间的一致性保持。

个人简介：刘偲，北航教授，国家优青。担任中国图象图形学学会理事、副秘书长。主持企业创新发展联合基金重点支持项目，担任科技创新2030—重大项目课题负责人。研究方向是具身智能和智能感知。发表CCF-A类论文80余篇（含TPAMI 13篇）。Google Scholar引用1.3万余次。获国家科技进步二等奖(9/10)、中国图象图形学学会自然科学奖一等奖（1/5）、CCF-腾讯犀牛鸟专利奖、吴文俊人工智能优青奖、石青云女科学家奖。获CCF-A类会议ACM MM最佳论文奖两次，获十余项CCF-A类会议竞赛冠军。

论坛安排