学术讲座

主讲人简介：

  李兵，中国科学院自动化研究所多模态人工智能系统全国重点实验室研究员、博士生导师、中国科学院自动化研究所学位委员会委员、多模态超级智能安全北京市重点实验室副主任；是国家优秀青年科学基金项目获得者，北京市杰出青年科学基金项目获得者，中国科学院“青年学习标兵”，中国科学院青年促进会优秀会员；长期从事多模态人工智能与安全、网络多模态内容安全、智能成像、智能政务服务等方向的研究，在IEEE TPAMI/IJCV等人工智能国际权威期刊和ICCV、CVPR、Neurips等国际权威会议上发表论文100余篇，出版专著4部，授权发明专利30余项，曾获国家自然科学二等奖、北京市技术发明一等奖、中国自动化学会技术发明一等奖、中国航空学会自然科学一等奖等；主持科技创新2030-“新一代人工智能”重大项目、国家自然科学基金联合基金重点、北京市自然科学基金重点项目、中国科学院先导课题等纵项目20余项；主持国家互联网应急中心、国家铁路集团、江苏省铁路集团、华为、腾讯、新浪、OPPO等企事业单位委托横向项目20余项；指导学生获ACCV2022马颂德最佳应用论文奖（通讯作者）、ICCV2019 VATEX Video Captioning国际视频描述比赛中英文双料冠军；担任中国人工智能学会智能服务专委会委员、中国仿真学会视觉计算与仿真专委会委员、黑龙江省数字经济研究会会长、国际SCI期刊IEEE Trans. On CSVT 编委；主持研发的多模态内容安全相关核心技术已服务于国家某重大工程，主持研发的系统和产品服务于数字政府、交通、教育、安全、网信、公安等领域100多家单位，多次在实战中发挥重要作用，并得到了相关领导的重要批示，取得了显著的经济与社会效益。

内容简介：

  图像作为连接物理世界与数字世界的关键媒介，其视觉质量影响了下游系统的可靠性和视觉应用的性能。从物理场景到数字图像的转换过程中面临多种扰动和失真。图像成像阶段将捕捉到的光信号转化为电信号；电信号进入图像信号处理器（ISP），通过一系列复杂计算，对原始成像进行初步校正与质量增强。为满足不同的下游视觉任务的需求，成像过程的优化方法和策略是不一样的。本报告将分享研究团队近年来在智能成像领域的相关工作，重点探讨面向不同任务的智能成像方法，主要包括：下游任务驱动的高效ISP参数优化、高效自动白平衡（颜色恒常性计算）、以及受限训练样本下的鲁棒图像质量评估。

主办单位：计算机学院、教务处