为推动青年教师在科研道路上的交流协作与思想碰撞，中北大学计算机科学与技术学院邀请优秀青年博士来我院进行《青年教师学术交流会》，定于4月14日下午（下周一）14：30-17：00，地点：中北大学计算机科学与技术学院527会议室。

   交流人员信息：

王金鹏，中南大学计算机学院教授，独立PI。于2024年获得新加坡国立大学博士学位, 导师为NRF Fellow，Mike Zhengshou。本科和硕士毕业于中山大学。在CVPR、TPAMI、NeurIPS、ICCV、ECCV等以一作/共一身份发表CCF-A类会议，JCR-1区期刊共13篇。 Github 5000+ Star。工程经验丰富，有多年的大模型预训练经验 (1000GPUs, 10B sample level)。曾入选新加坡AISG奖学金，2022 CVPR Ego4D Challenge第一名等。受邀担任IEEE TPAMI、CVPR、ICLR等国际顶级期刊与会议的审稿人。

     报告题目及报告简介：《以视觉为中心的多模态大模型相关研究》多模态大模型取得显著进展，但当前模态分离范式在处理图文交错数据时仍面临三大挑战：1）强制分离图文导致理解与生成任务割裂，结构复杂、生成效果差；2）依赖固定分词器限制了多语言能力与鲁棒性；3）高质量图文交错数据匮乏。为此，我们提出“以视觉为中心”的新范式：以视觉语义空间统一处理图文，实现深度理解与生成。该方法具备三大优势：去除分词器依赖、提升多语言和噪声鲁棒性；高效捕获多模态信息、减少文本负担；融合理解与生成任务、促进跨任务迁移。

马龙，大连理工大学助理研究员，硕博均毕业于大连理工大学软件学院，长期从事恶劣环境视觉感知理论与方法研究。截至目前，已发表 IJCV、CVPR等CCF推荐A 类/JCR-Q1论文 30 余篇，其中第一/通讯作者论文10篇。Google Scholar引用2800余次，单篇最高引用超过850次。曾获得辽宁省自然科学学术成果奖一等奖、CCF 推荐 C 类会议 PRCV 2022 最佳海报奖、2023年度中国图象图形学报年度优秀论文奖。入选中国图象图形学学会博士学位论文激励计划提名奖、大连市青年科技之星、ACM优博（大连）。获得国资计划B档、中国博士后面上基金等项目资助。受邀担任IEEE TPAMI、IEEE TIP、IJCV、NeurIPS、ICML、CVPR等国际顶级期刊与会议的审稿人。

       报告题目及简介：《面向恶劣成像环境的鲁棒视觉感知》近年来，面向恶劣成像环境的视觉感知作为深化人工智能关键技术与拓宽行业领域应用边界的重要基础研究，已逐渐成为热点方向。本报告聚焦成对数据获取难与多变场景适应难两项关键挑战，围绕学习方法设计开展面向恶劣成像环境的鲁棒视觉感知研究。提出知识与数据相结合的无监督学习系列方法，助力高效视觉增强技术发展；设计以视觉增强服务于语义理解为核心的联合任务优化系列方法，为鲁棒语义理解提供理论支撑；最后通过潜在的医学领域分析对未来可能的落地应用进行了展望。

冯钰新，将于2025年6月获得中山大学博士学位， 师从周凡教授，预就职于西安电子科技大学杭州研究院，主要研究方向为恶劣环境下的视觉复原和增强。目前在TPAMI、TCSVT、CVPR、IJCAI、ICME等国际权威期刊和会议上发表学术论文12余篇。曾获得中山大学汪淑钧奖学金、研究生国家奖学金等多项荣誉。受邀担任IEEE TPAMI、 IEEE TCSVT、 IEEE TMM、 IEEE TIM、Information Fusion、Pattern Recognition、ICME等多个顶级国际期刊和会议的审稿人。报告题目及简介：《雾霾降质场景的跨域泛化去雾模型研究》针对当前基于深度学习的单幅图像去雾模型在实际场景中普遍存在的跨场景泛化能力不足问题，本研究聚焦于提升模型对不同雾霾浓度、大气光照条件及场景结构的鲁棒性。首先从物理成像机理出发，揭示雾霾退化过程的域间差异本质。其次，在数据表征层面，通过域不变特征学习和动态自适应策略设计缓解数据分布偏移导致的性能衰减。最后，通过分层结构化模型压缩与Bilevel自适应优化策略的协同设计，在保持模型轻量化特性的同时，显著提升模型在未知场景下的稳定泛化能力，从而实现去雾质量与计算效率的均衡优化。