报告人：潘文雯 副教授 （杭州电子科技大学）

报告题目：深度学习下的高自由度视觉语义分割

报告人简介：杭州电子科技大学计算机学院特聘副教授。2018年在西安交通大学计算机科学与技术专业获得学士学位，2023年在浙江大学获得工学博士学位。研究方向为人工智能、计算机视觉、多模态学习等。近年来在IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI)、IEEE Transactions on Neural Networks and Learning Systems (TNNLS)、IEEE Conference on Computer Vision and Pattern Recognition (CVPR) 等重要期刊和会议上发表和录用高质量学术论文多篇。研究特色是高自由度下的视频语义分割，涉及多模态的融合检测，开放环境下的细粒度物品分割等。

报告摘要：新一代人工智能发展规划中提出，当前下一代人工智能研究的五个重点目标为大数据人工智能、跨媒体人工智能、群体人工智能、混合增强人工智能，以及自主人工智能。同时，不同领域、不同模态的海量数据随着移动互联网、物联网、大数据等技术的升级被不断积累。为此，跨模态模型随之变得更有前景。人们借助视、听、语等手段达到对事物的整体感知，而视觉智能的重要基础理论就是借助生物的视觉信号表达与处理机制，结合听觉、语言和其他媒体通道把物理环境信息转换成数据模型，再经过综合整理后产生整体感知信息，并依据其结果制定行为。通用智能要攻克标注中的模糊干扰，认知中的语义关联对齐，以及感知中的泛化与迁移等瓶颈问题。语义关联在感知过程中主要依赖数据，以统计意义上的共现为主要依据，但其对齐受到数据复杂性、冗余性和多变性的桎梏，取决于数据知识解耦和文法结构的指导和约束；泛化迁移在认知中面临不同领域丰富多样、类别模态缺失的重大挑战，难以应对域偏移导致的分布不一致问题。而标注中的噪声，则会带来灾难性性能下降的现象。报告以当前分割方法的瓶颈为切入点，介绍并分析深度学习下的高自由度分割模型。