主席致辞&深度学习与大模型时代下的工业缺陷检测

屈桢深 教授、Applied Sciences 客座编辑 

哈尔滨工业大学

面向开放世界的可解释、可持续AIGC伪造检测

洪晓鹏 教授

哈尔滨工业大学

基于隐式神经表示的视频编码研究

张新峰 副教授

中国科学院大学

无GPU的轻量级种蛋智能筛选系统研究

焦文华 教授

中国矿业大学

屈桢深 教授

哈尔滨工业大学

屈桢深，哈尔滨工业大学教授，博士生导师。研究方向包括视觉感知、工业检测、智能无人系统。主持或作为分系统负责人参与国家大科学工程、国家重大科技攻关项目、国家重点专项、自然科学基金面上项目等多项，在相关领域领域取得一系列国内领先研究成果。发表学术论文50余篇，授权发明专利20余项。获省部级科技进步一、二等奖各一项，省技术发明二等奖一项，SHAFT奖教金一项。

报告题目：深度学习与大模型时代下的工业缺陷检测

报告简介：传统的异常检测工作由人工质检员完成，但随着制造业生产复杂度与规模的不断提升，这种检测方式的效率与灵活性逐渐不足。深度学习的出现为机器视觉领域带来了革命性变革，然而该技术依赖大规模、多样化的异常标注样本数据集，这类数据集在实际工业场景中却十分稀缺。本文梳理了基于深度学习和大模型的异常检测方法的最新进展，例如检测/分割方法、迁移学习、生成对抗网络等技术，旨在解决工业场景下缺陷数据匮乏的难题。进一步探讨了大规模预训练视觉模型的集成应用——借助这类模型从多样化数据集中学习到的特征表示，能够加速工业缺陷检测方案的研发进程。研究表明，这类预训练模型具备适配或集成至特定工业领域的潜力，可有效降低检测方案对大规模数据采集的依赖。最后，本文结合电子、制药及汽车行业的实际异常检测应用案例，对上述方法的有效性进行了验证。

洪晓鹏 教授

哈尔滨工业大学

洪晓鹏，哈尔滨工业大学教授，博士生导师，IEEE资深会员。斯坦福大学年度前2％顶尖科学家，德国达堡论坛特邀讲者。担任CSIG情感计算与理解专委常务委员和副秘书长，黑龙江省计算机学会学术工作委员会副主任。担任CVIU、IVC 等国际主流期刊编委， AAAI、IJCAI、ACM MM等主流国际会议领域主席。目前的研究领域包括多模态目标感知、深度连续学习和AI生成检测等。已在顶级国际和国内刊物和国际会议上发表文章100余篇，2次获得领域内国际权威期刊和会议的优秀论文奖，6次带队获得国际评测冠军。作为负责人主持了国家重点研发计划课题与子课题、国家自然科学基金、芬兰信息学会博士后基金等10余个项目，相关工作详见美国《麻省理工技术评论》等技术媒体专文报道。

报告题目：面向开放世界的可解释、可持续AIGC伪造检测

报告简介：本报告将围绕AIGC生成模型快速演进背景下传统内容检测方法逐步失效的问题，探讨了面向开放世界的可解释、可持续AIGC伪造检测范式。首先构建大规模、多类型的合成伪造数据集，并提出了联合检测与定位的多任务模型，在此基础上引入持续学习视角，应对生成模型不断更新所带来的分布漂移等问题。最后拓展至连续、可组合的概念生成，对如何理解生成机制进行探讨。

张新峰 副教授

中国科学院大学

张新峰，中国科学院大学副教授，博士。研究方向包括视频编码、质量评估与视频增强处理。在国际会议和期刊上发表学术论文200余篇，获得5项期刊/会议的最佳论文奖，承担包含国家自然科学基金、重点研发课题等在内的多项国家级项目，担任 IEEE TIP 和 TCSVT 的副编辑。

报告题目：基于隐式神经表示的视频编码研究

报告简介：随着技术的发展，视频编码正面临性能瓶颈，深度学习技术的出现为突破视频编码性能提供了可能。近期视频压缩领域的进展引入了基于隐式神经表示 (INR) 的方法，与传统方法及基于深度学习的方法不同，INR方法从全局视角优化网络参数，能有效捕捉整个视频序列的全局依赖关系和特征，展现出更优的压缩潜力。本次报告将介绍以往视频编码框架中的主要问题，并分享我们在视频隐式表示编码方面的研究进展。

焦文华 教授

中国矿业大学

焦文华，毕业于北京大学，获得通信与信息系统博士学位，现任中国矿业大学计算机科学与技术/人工智能学院教授、博士生导师、交叉学科教授委员会副主任。获国家级领军人才、江苏省双创人才、山东省泰山产业领军人才等荣誉。原美国贝尔实验室杰出研究员 (DMTS)。主要研究方向为机器视觉、透明地质、智能矿山等。在透明/半透明品、高反光、吸光品工业瑕疵领域的研究成果广泛应用于福耀玻璃、玲珑轮胎、辰欣药业、华大基因、奇瑞汽车的光学质检产线中。授权发明专利50余项，其中美国发明专利3项。在 IEEE TNNLS、 EAAI 等高水平期刊发表SCI索引论文20余篇，EI索引论文60余篇。

报告题目：无GPU的轻量级种蛋智能筛选系统研究

报告简介：本次报告将介绍无GPU的图像分类算法，实现资源受限场景下的快速训练和推理，满足种蛋孵化现场进行快速模型迭代和智能筛选系统的要求。

Time to First Decision

Acceptance to Publication