一、活动简介

“CSIG图像图形中国行”是由中国图象图形学学会（CSIG）主办的学术活动，旨在推动图像图形学科的普及，加强各高校研究所以及企业间的交流。自2017年4月起，CSIG图像图形中国行活动成功举办了100余期，线上线下参会人数累计数万人次，受到业界好评。本次“CSIG图像图形中国行-福州大学站”由CSIG机器视觉专委会、福州大学计算机与大数据学院、CSIG厦门会员活动中心联合承办。

本次研讨会很荣幸邀请到林宙辰教授、彭绍亮教授、颜波教授、覃京燕教授、黄海平教授、曹刘娟教授、张丹教授、雷印杰教授、张乐教授、姚权铭教授等多位著名学者，采用线下学术会议的形式进行，热忱欢迎感兴趣的老师和同学前来参加，与专家互动交流。

  

主办：中国图象图形学学会（CSIG）

承办：CSIG机器视觉专委会、福州大学计算机与大数据学院、CSIG厦门会员活动中心

时间：2025年12月12日 至 2025年12月13日

地点：福州大学科技园一楼报告厅

 

 

二、会议主席

林宙辰 教授

个人简介：林宙辰，北京大学博雅特聘教授，智能学院副院长，研究领域为机器学习和计算机视觉。在人工智能核心期刊和会议上发表论文360余篇，出版中英文专著5本，谷歌引用数为4.1万余次。曾多次担任多个业内顶级会议的领域主席和资深领域主席，包括CVPR、ICCV、ICML、NIPS/NeurIPS、AAAI、IJCAI和ICLR，曾任ICPR 2022程序共同主席、IEEE Transactions on Pattern Analysis and Machine Intelligence（IEEE TPAMI）编委，现任ICML董事会成员、IEEE TPAMI副主编、International Journal of Computer Vision和Optimization Methods and Software编委。曾获2024年度中国自动化学会、2023年度中国人工智能学会和2020年度中国计算机学会的科学技术奖自然科学一等奖及第二届“祖冲之奖”年度突出成果奖（均排名第一）。中国图象图形学学会（CSIG）机器视觉专委会原主任、中国自动化学会模式识别与机器智能专委会副主任，CSIG、AAIA、IAPR和IEEE会士，国家杰青，科技部科技创新2030-“新一代人工智能”重大项目负责人。

 

 

卢孝强 教授

个人简介：卢孝强，福州大学副校长，国家杰出青年科学基金获得者，全球高被引学者，全球前2%顶尖科学家。智能感知与通信技术国家地方联合工程研究中心主任、空间数据挖掘与信息共享教育部重点实验室主任。长期从事智能光学感知等方面研究，完成多项国家重大航天工程载荷研制任务，获湖北省自然科学一等奖，教育部自然科学二等奖，中国科学院优秀导师奖。

三、特邀专家

彭绍亮 教授

个人简介：彭绍亮，湖南大学“岳麓学者”二级教授，教育部长江学者，2024和2025年斯坦福全球前2%顶尖科学家（人工智能），国家超级计算长沙中心副主任，中央军委科技委立项专家组成员、国家科技部/工信部/教育部会评专家、人工智能学会终身会员、中国计算机学会理事、CCF计算机应用和生物信息专委副主任。从事大数据、生物信息、人工智能、区块链等技术研究。出版学术专著9部，在Nature Machine Intelligence等期刊发表学术论文300余篇，论文引用1.1万余次。获2019年国家科技进步二等奖，2019年湖南省技术发明一等奖（排名第一），2021年CCF技术发明二等奖（排名第一），2018年CCF自然科学二等奖（排名第一）。

报告题目：多模态大数据驱动下的开源AI大模型应用

报告摘要：通用人工智能大模型的能力应该像人类一样，感知多模态环境、规划任务、执行动作（如使用工具/软件），实现人机共生，并最终完成特定任务。2024年12月26日，DeepSeek发布V3国产大模型并开源，从中国掀起了全球人工智能开源大模型的科技浪潮，推动治理模式从经验驱动向大数据智能驱动转型。DeepSeek以“低成本+高性能+开源”模式打破技术垄断，为地方政府和企事业单位建设自主可控的AI基础设施提供新路径。国家超算长沙中心联合长沙数字集团于2025年2月14日发布首个城市级应用CS-DeepSeek，实现长沙城市管理、社会服务、运行安全等多领域多行业的垂直模型和场景应用。3月13日，全国首个“超智融合”国产DeepSeek基础教育大模型，在长沙长郡中学、珺琟教育集团同步上线，人工智能与基础教育等垂直领域深度融合迈入新阶段。7月18日发布首款国产超智融合"艺术领域多模态大模型"，构建了首个艺术领域学业、就业、创业、消费、社交、灵感一站式AI平台。

 

颜波 教授

个人简介：颜波，复旦大学计算与智能创新学院教授，博士生导师，教育部长江学者。现任复旦大学计算与智能创新学院学术委员会副主任、计算机科学与技术一级学科负责人和博士后流动站站长、复旦大学-江南造船“船舶+AI联合实验室”主任、上海市图像图形学学会副理事长。主要研究领域包括：计算机视觉、科学智能和智能制造等。以通讯作者在Nature Methods、Nature Biomedical Engineering、Nature Photonics、IEEE Trans.等国际期刊和CVPR、ICCV、IJCAI等CCF A类会议发表论文100余篇。先后获得国家优秀青年科学基金、国家自然科学基金联合重点基金／面上基金／青年基金、华为基金和中船集团等多项省部级项目和企业合作项目的资助。项目相关成果在品牌旗舰手机、公安系统、三甲医院和船舶制造等得到了较好应用，取得良好社会经济效益。曾获2024年度全国颠覆性技术创新大赛优胜奖和2020年度教育部自然科学二等奖。

报告题目：AI4S新引擎：融合知识的AIGC加速范式变革

报告摘要：随着大模型技术的持续突破，生成式人工智能（AIGC）展现了强大的能力。本报告将主要介绍团队在AIGC如何加速科学研究的范式变革上取得的探索成果，具体包括：使用AIGC的重建能力，重建高质量的图象和视频，实现面向人眼“看的清”；使用AIGC的编辑能力，编辑图象和视频的特征图，实现人机“交互好”；使用AIGC的衍生能力，生成高质量的合成数据，解决数据的长尾问题，实现面向模型“训的好”，相关成果在智能制造和智慧医疗等领域得到了较好应用。

 

 

覃京燕 教授

个人简介：覃京燕，北京科技大学智能科学与技术学院副院长，教育部长江学者，科技部全国十大杰出青年设计师，北京市青年教学名师，教育部美育和工业设计教指委委员，中国美协数字艺术艺委会委员。负责人工智能与创新设计等3门国家一流课程，获奖70多项，多篇ESI高被引论文，中国知网高被引学者TOP1%，《中国大百科全书》分支副主编。

报告题目：视觉思维下的AI美学审美计算

报告摘要：报告探索数实生态文明之下，视觉思维、视觉文化、视听语言对于AI美学内涵的拓展，科学猜想文学幻想艺术创想生命冥想之下的审美计算，其东西方文化差异、数智文明与自然文明的互鉴互文对于审美意识与计算方法的影响，以及量子思维决定计算思路、信息架构与LLM大语言模型的审美计算的底层逻辑思考。

 

 

黄海平 教授

个人简介：黄海平，中山大学教授，博士生导师，2011年获得中科院理论物理所博士学位，曾获得JSPS博士后资助（东京工业大学计算智能系），曾任日本理化学研究所（RIKEN）脑科学中心研究科学家（2017年获RIKEN杰出研究奖），提出了感知机学习的孤岛解猜想且被数学家严格证明[E. Abbe, S. Li and A. Sly, FOCS 2021]，回国后曾主持国家自然科学青年基金B类、C类和面上项目，著有英文专著《神经网络的统计力学》（德国施普林格出版社和高等教育出版社2022年联合出版），作为主要人员参与编写中国学科前沿（人工智能基础研究）发展战略丛书。

报告题目：迈向物理可解释人工智能的可能路径

报告摘要：当前以深度学习为主要技术路线的人工智能发展需要大数据和大算力，这与自然智能的工作原理截然不同。那么，从物理学原理溯源，基于能量的模型设计需要重新审视，本报告将结合物理学、AI和大脑动力学的启发介绍课题组最近发现的一条可能路径。

 

 

林宙辰 教授

个人简介：林宙辰，北京大学博雅特聘教授，智能学院副院长，研究领域为机器学习和计算机视觉。在人工智能核心期刊和会议上发表论文360余篇，出版中英文专著5本，谷歌引用数为4.1万余次。曾多次担任多个业内顶级会议的领域主席和资深领域主席，包括CVPR、ICCV、ICML、NIPS/NeurIPS、AAAI、IJCAI和ICLR，曾任ICPR 2022程序共同主席、IEEE Transactions on Pattern Analysis and Machine Intelligence（IEEE TPAMI）编委，现任ICML董事会成员、IEEE TPAMI副主编、International Journal of Computer Vision和Optimization Methods and Software编委。曾获2024年度中国自动化学会、2023年度中国人工智能学会和2020年度中国计算机学会的科学技术奖自然科学一等奖及第二届“祖冲之奖”年度突出成果奖（均排名第一）。中国图象图形学学会（CSIG）机器视觉专委会原主任、中国自动化学会模式识别与机器智能专委会副主任，CSIG、AAIA、IAPR和IEEE会士，国家杰青，科技部科技创新2030-“新一代人工智能”重大项目负责人。

报告题目：Conda: Column-Normalized Adam for Training Large Language Models Faster

报告摘要：Large language models (LLMs) have demonstrated impressive generalization and emergent capabilities, yet their pre-training remains computationally expensive and sensitive to optimization dynamics. In this work, we propose Column-Normalized Adam (Conda), a novel optimizer that bridges the strengths of both Adam and Muon. Conda projects updates into an orthogonal subspace and applies column-wise second moment normalization based on the projected gradients, thereby achieving both improved spectral conditioning and maintaining coordinatewise adaptivity. This design alleviates the spectral pathologies of Adam while preserving its fast convergence behavior. Extensive experiments on the LLaMA and GPT-2 series show that Conda consistently outperforms AdamW, Muon, and other baselines in pre-training. Remarkably, on the LLaMA series, Conda achieves 2∼2.5× the convergence speed of AdamW, measured in both training steps and training time. Further ablations demonstrate its robustness under diverse training setups. These results collectively highlight Conda as an effective and broadly applicable optimizer for large-scale LLM training.

 

 

曹刘娟 教授

个人简介：曹刘娟，厦门大学教授、博士生导师，现任厦门大学信息学院副院长，福建省工程中心主任。‌国家自然科学基金青年科学基金A类项目入选者、中组部万人计划青年拔尖人才、福建省杰青、AI华人女性青年学者、获2023中国图象图形学学会石青云女科学家奖、第二十八届运盛青年科技奖等荣誉。长期致力于高效视觉感知研究，研究成果以一作/通讯在IEEE TPAMI、IJCV、CVPR、ICCV等国际顶级期刊会议上发表论文70余篇。主持国家级纵向科研项目多项，包括国家自然科学基金联合基金重点项目、面上项目、重要国防项目等，主持华为/腾讯/百度等头部企业项目多项。相关科研成果以第一完成人获2020年福建省科技进步一等奖和2023年厦门市科技进步一等奖。

报告题目：面向高效可控的三维场景智能：从重建到交互式生成

报告摘要：随着三维视觉技术在数字孪生、XR交互、自动驾驶与影视内容创作等领域的广泛应用，对高质量、高效率与高可控的三维场景建模能力提出了更高要求。本次报告围绕三维视觉中的“重建—感知—生成”三大关键任务，介绍课题组在构建高效一致、可交互、可生成的三维视觉系统方面的最新研究进展。在三维重建方面，针对几何重建与图像渲染任务之间的目标冲突，课题组提出基于高斯基元贡献度的任务解耦机制，结合密度控制与几何更新模块，实现统一模型中的高质量重建与高保真新视角合成。在场景感知方面，课题组围绕三维语义理解的开放性与效率挑战，提出多项面向不同任务粒度的无监督感知策略，显著提升语义建模的速度、准确性与泛化能力。在可控生成与编辑方面，联合建模文本引导下的相机轨迹与三维场景分布，提出高斯驱动的多视角扩散生成方法，实现结构一致的三维场景建模。

 

 

张丹 教授

个人简介：张丹，浙江工业大学教授，长期致力于网络化无人系统集群控制领域研究，作为项目负责人主持国家基金联合重点、国家基金优秀青年（现青B）、国家重点研发计划子课题、浙江省尖兵计划、浙江省杰出青年基金等项目20余项。近年来，在Springer出版社出版英文专著2部，发表Automatica和IEEE TAC等IEEE汇刊论文100余篇，26篇论文入选ESI高被引，7篇进入热点行列。获得了浙江省自然科学一等奖、中国自动化学会自然科学二等奖、中国自动化学会科技进步二等奖、中国人工智能学会优秀青年奖、IEEE ICCAR国际会议最佳论文奖等奖励，入选了浙江省钱江人才、香江学者、浙江省高校领军人才、科睿唯安全球高被引学者、爱思唯尔中国高被引学者等荣誉。受邀担任了IEEE Trans. Instrumentation and Measurement、ISA Transactions等在内的7个国际SCI期刊副编辑/领域编辑，以及IEEE ICIEA等5个国际学术会议的TPC/PC等。

报告题目：网络化机器人系统攻击检测与安全协同控制

报告摘要：随着人工智能、分布式系统和网络通信等技术的进步，以及机载硬件的显著改进，机器人的集群控制受到了国内外工业界和学术界的高度关注和蓬勃发展。随着集群规模的扩大和网络开放程度的不断提升，网络安全威胁问题日益突出，如何实现网络化多机器人系统的攻击检测和安全协同控制受到了广泛关注。本报告将介绍研究团队近年来的最新研究成果，包括移动机器人攻击检测、复杂攻防对抗过程的多模态建模、有限时间安全协同控制等。

 

 

雷印杰 教授

个人简介：雷印杰，四川大学教授，国家级青年人才、四川省杰青、四川省千人计划。主要研究方向为“多模态认知计算”。近年来，主持了包括国家自然科学联合基金重点项目、国家重点研发计划课题、国防基础科研重点项目、四川省杰出青年科学基金等三十余项国家级、省部级及企业委托科研项目。在人工智能等领域的国内外顶级学术会议和期刊上发表学术论文100余篇，包括IEEE TPAMI、TIP、CVPR、ICCV、ECCV等，并申请了三十余项国家发明专利。先后担任CVPR、ICCV、ECCV、ACM MM、ECCV、AAAI、WACV等人工智能领域国际知名学术会议的领域主席（AC）、高级程序委员会委员（SPC）。

报告题目：多模态视觉驱动的场景理解与生成

报告摘要：作为连接物理环境与智能体行动的桥梁，“复杂动态场景感知与理解”与“跨模态可控视觉生成”等关键瓶颈的突破，是促进机器人认知决策、智能控制的关键。围绕上述目标，多模态协同表征技术通过统一表征、关联与融合复杂场景的异构数据，实现机器人视觉感知精度的突破性提升，是当前重要研究方向。本报告聚焦于课题组在多模态机器视觉领域的原创性探索，构建多模态视觉驱动的场景理解与生成技术体系，系统性阐述了在目标定位、图像分割、场景描述与图像生成等视觉任务中的研究成果和创新突破点。同时，面向未来发展趋势，报告进一步探讨了多模态智能体、多模态具身智能与复合多态机器人的潜力路径，旨在为该领域的技术创新与产业发展提供思路指引。

 

 

张乐 教授

个人简介：张乐，电子科技大学教授，博士生导师，国家千人计划（青年项目）入选者。博士毕业于新加坡南洋理工大学，曾在美国伊利诺伊大学新加坡高级研究中心及新加坡科技研究局（A*STAR）从事博士后研究工作。长期致力于非理想条件下稳健、鲁棒、隐私友好与高效的智能信号处理方法研究。发表Proceedings of the IEEE以及IEEE TPAMI等学术论文100余篇，总引用超1.3万次。曾获IEEE 国际会议最佳论文奖2项、IEEE/CCA Journal of Automatica Sinica“诺伯特·维纳综述奖”，并荣获IEEE杰出领导奖及2024年度中国图象图形学学会（CSIG）科技进步一等奖。自2019年起连续入选斯坦福大学全球Top 2%科学家榜单及终身影响力榜单。主持科技部重点研发计划及基金委重点国合等国家级科研项目。现任Neural Networks资深执行编辑、IEEE TNNLS副编辑。

报告题目：从本地低维训练轨迹和全局知识迁移探索异构联邦学习中的泛化性

报告摘要：随着人工智能在医疗、金融、交通等领域的深入应用，数据隐私与安全日益成为制约模型协同训练的关键瓶颈。联邦学习作为一种分布式学习范式，在保护数据隐私的同时，支持多方协同建模，但其在异构数据与异构模型场景下面临泛化性不足的挑战。本报告将从本地训练轨迹与全局知识迁移两个维度出发，系统分析异构联邦学习中泛化性弱化的内在机理，并介绍动态分层子空间约束与低秩引导的层选择策略，以提升模型在特征倾斜与标签倾斜场景下的适应能力。我们还将探讨非线性约束机制与对偶相互学习框架，进一步推动异构联邦学习向更高效、更鲁棒的方向发展。

 

 

姚权铭 教授

个人简介：姚权铭，清华大学电子工程系副教授，国家青年人才计划入选者。主要研究方向为机器学习方法与原理，特别是在科学智能中的应用与大模型的理论基础。发表论文100余篇，包括Nature 子刊 / JMLR / IEEE TPAMI / ICML / NeurIPS / ICLR等，总被引1.4万余次。长期任职机器学习三大会议ICML、NeurIPS、ICLR领域主席，担任Neural Network资深编委、Machine Learning和IEEE TPAMI编委。荣获国际神经网络学会早期成就奖、蚂蚁首届Intech科技奖、人工智能学会优秀青年奖；受邀在AAAI和IJCAI上做早期成就报告。指导清华大学和全国挑战杯特等奖、北京市优秀学士论文、并获评清华大学刘冰奖。

报告题目：面向垂直领域的拓扑学习技术

报告摘要：本报告围绕拓扑学习在垂直领域中的应用展开，系统介绍了拓扑学习的概念、演进趋势及其在垂直领域中的关键问题与解决方案。首先阐述了拓扑在数据科学中的普遍性与重要性，特别是在垂直领域（如生物医学、金融、法律等）中，小数据、强知识背景下的拓扑学习策略。随后，重点介绍了研究团队在拓扑学习领域的系列工作，包括面向知识图谱的自动评分函数设计方法、高效知识推理图神经网络、基于双过程理论的LLM-GNN协同推理框架，以及面向多智能体协作的自适应SOP驱动框架。在应用层面，报告以药物相互作用预测为例，详细展示了拓扑学习在生物医学领域的实际应用，包括应对数据稀疏性、分布变化等挑战的方法。最后，报告展望了拓扑学习在智能体协作、推理扩展、任务建模等前沿方向的发展潜力，并指出在金融、材料设计、气候科学等垂直领域中仍存在广阔的研究空间。

 

四、会议日程（2025年12月13号）

 

五、联系方式

承办方联系人：

王老师 电话：18344939872   邮箱：shipingwangphd@163.com

主办方联系人：

王老师 电话：010-82544754   邮箱：info@csig.org.cn