自2013年中國電子學(xué)會(huì)成功地舉辦了4屆“全國圖形圖像處理技術(shù)應(yīng)用大會(huì)暨中國全國圖形圖像處理工程師年會(huì)”，會(huì)議受到廣大參會(huì)代表的好評(píng)。為此，中國電子學(xué)會(huì)擬于2017年11月繼續(xù)在北京舉辦“2017年全國圖像圖形處理技術(shù)應(yīng)用大會(huì)暨2017中國圖像圖形處理工程師年會(huì)”，本次會(huì)議較幾屆大會(huì)報(bào)告內(nèi)容更加豐富,更加集中，旨在進(jìn)一步加強(qiáng)圖像圖形處理技術(shù)應(yīng)用領(lǐng)域中企業(yè)之間、高校與企業(yè)之間、研發(fā)工程師與應(yīng)用工程師之間的交流和溝通，有力推動(dòng)圖像圖形處理技術(shù)的進(jìn)步與應(yīng)用水平的長足進(jìn)展，以滿足各個(gè)行業(yè)的發(fā)展需求?，F(xiàn)就有關(guān)事項(xiàng)通知如下：

一、大會(huì)主題：拓寬研發(fā)思路? 提高應(yīng)用能力

二、時(shí)間地點(diǎn)：2017年11月17?19日?? 17日?qǐng)?bào)到? 地點(diǎn)：北京

三、大會(huì)組織機(jī)構(gòu)：

主辦單位： 中國電子學(xué)會(huì)

媒體支持：中國圖象圖形學(xué)報(bào) 、 太赫茲科學(xué)與電子信息學(xué)報(bào)、模式識(shí)別與人工智能

四、大會(huì)主席： 張勇東? 中科院計(jì)算所

五、大會(huì)交流形式

1.特邀演講：大會(huì)將邀請(qǐng)國內(nèi)圖像圖形處理技術(shù)領(lǐng)域的著名專家，就圖像圖形處理技術(shù)的應(yīng)用和最新動(dòng)態(tài)做特邀報(bào)告。

2.宣傳展示：邀請(qǐng)圖像圖形技術(shù)相關(guān)科研單位和高新技術(shù)企業(yè)，宣傳展示他們?cè)趫D像圖形技術(shù)領(lǐng)域的研究成果、新產(chǎn)品和市場化內(nèi)容。

3.大會(huì)發(fā)表的新成果、新產(chǎn)品、新技術(shù)及研究報(bào)告

六、擬邀請(qǐng)大會(huì)報(bào)告

1.題 ?目：待定

報(bào)告人：陳定佳? 北京快手公司

2.題 ?目：網(wǎng)絡(luò)空間視覺內(nèi)容理解 ??

? 報(bào)告人：操曉春??? 中國科學(xué)院信息工程研究所研究員

摘? 要：互聯(lián)網(wǎng)絡(luò)的發(fā)展和普及達(dá)到空前規(guī)模，促進(jìn)社會(huì)繁榮的同時(shí)也帶來安全風(fēng)險(xiǎn)。反動(dòng)、虛假、不良的媒體內(nèi)容充斥于網(wǎng)絡(luò)空間，存在識(shí)別難、時(shí)效差、耗費(fèi)多三大現(xiàn)實(shí)挑戰(zhàn)。團(tuán)隊(duì)提出運(yùn)用“兼視則明、道法自然”的思想，探索協(xié)同多源信息、建模自然統(tǒng)計(jì)特征和運(yùn)用細(xì)粒度層次化的表述方法，建立了一套視覺有害內(nèi)容協(xié)同檢測與識(shí)別框架。

3.題? 目：Visual Question Answering with deep learning

? 報(bào)告人：俞? 俊??? 杭州電子科技大學(xué)教授??

摘? 要：Visual question answering (VQA) is challenging because it requires a simultaneous understanding of both the visual content of images and the textual content of questions. The approaches used to represent the images and questions in a fine-grained manner and questions and to fuse these multi-modal features play key roles in performance. In this talk, I will introduce a Multi-modal Factorized Bilinear (MFB) pooling approach to efficiently and effectively combine multi-modal features, which results in superior performance for VQA compared to other bilinear pooling approaches. For fine-grained image and question representation, we develop a ‘co-attention’ mechanism using an end-to-end deep network architecture to jointly learn both the image and question attentions. Combining the proposed MFB approach with co-attention learning in a new network architecture provides a unified model for VQA. Experimental results demonstrate that the single MFB with co-attention model achieves new state-of-the-art performance on the real-world VQA dataset.

4.題? 目： Multi-modal Learning towards Micro-video Analytics

? 報(bào)告人：聶禮強(qiáng)??? 山東大學(xué)

摘? 要： Bite-sized videos enforcing the shorter-is-better strategy, are taking the social media world by storm with the rising of the micro-video sharing services, like Vine, Snapchat, and Viddy. Micro-videos can benefit lots of commercial applications, such as brand building. Despite their value, the analysis and modeling of micro-videos is non-trivial due to the following reasons: 1) micro-videos are short in length and of low quality; 2) they can be described by multiple heterogeneous channels, spanning from social, visual, and acoustic to textual modalities; and 3) there are no available benchmark dataset. In this research, we build a large-scale dataset and attempt to solve two sub-problems of micro-videos: venue category estimation and popularity prediction. We jointly learn the optimal latent common space from multi-modalities, whereby the popularity or venue category of micro-videos can be better identified. From the common latent spaces found, we then develop a tree-guided multi-task multi-modal learning model to estimate the venue category, and a novel transductive multi-modal learning method to predict the popularity of micro-videos. We validated the effectiveness of the models on our collected dataset. The data and codes have been released to facilitate other researchers. This talk presents our current research and future work towards leveraging micro-videos for better social media analytics.

5.題? 目：視覺檢索中的重排序方法

? 報(bào)告人：白翔 華中科技大學(xué)??

摘? 要：視覺檢索是計(jì)算機(jī)視覺領(lǐng)域的一個(gè)重要研究方向，廣泛應(yīng)用于多媒體數(shù)據(jù)挖掘、安防監(jiān)控與刑偵、醫(yī)學(xué)影像分析等。傳統(tǒng)基于內(nèi)容的圖像檢索系統(tǒng)在排序和索引過程中僅考慮了樣本兩兩之間的相似性度量；與之不同的是，重排序方法（Re-ranking）充分利用了樣本的上下文信息及數(shù)據(jù)間潛在的流形結(jié)構(gòu)，因此它常常能在初始排序的基礎(chǔ)上顯著地提升檢索精度。本報(bào)告將介紹本課題組在重排序方法及其計(jì)算機(jī)視覺領(lǐng)域應(yīng)用的最新研究進(jìn)展。我們的重排序方法可以分為兩大類：基于擴(kuò)散模型的方法和基于向量空間的方法；這些方法在圖像檢索、3D形狀檢索、行人重識(shí)別等計(jì)算機(jī)視覺任務(wù)中均獲得了很好的應(yīng)用效果，相關(guān)研究成果發(fā)表在重要國際會(huì)議（CVPR, ICCV, AAAI, BMVC等）和國際期刊（IEEE TIP, IEEE TMM等）。

6.題? 目： 待定

? 報(bào)告人：查正軍??? 中國科技大學(xué)

7.題? 目：人工智能芯片初探

? 報(bào)告人：程? 健??? 中科院自動(dòng)化所

? 摘? 要：近年來，以深度神經(jīng)網(wǎng)絡(luò)為代表的人工智能方法在計(jì)算機(jī)視覺、語音識(shí)別等領(lǐng)域取得了巨大成功。然而，深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)非常復(fù)雜，一方面給傳統(tǒng)通用處理器的運(yùn)算帶來巨大壓力；另一方面，隨著移動(dòng)應(yīng)用和物聯(lián)網(wǎng)的普及，高效低耗也成為芯片設(shè)計(jì)需要考慮的關(guān)鍵因素。本報(bào)告將介紹近年來芯片設(shè)計(jì)面臨的一些挑戰(zhàn)，人工智能芯片發(fā)展現(xiàn)狀和未來趨勢。同時(shí)，也將分享本人課題組在這方面做的一些最新工作進(jìn)展

?8題? 目：視頻多目標(biāo)語義信息提取與壓縮

報(bào)告人：林巍峣? 上海交通大學(xué)

摘? 要：視頻中的目標(biāo)（如行人等）是描述視頻內(nèi)容的關(guān)鍵，因此對(duì)于視頻目標(biāo)的語義信息提取十分重要。此外，隨著目標(biāo)語義信息的不斷豐富，語義信息的數(shù)據(jù)量也變得越來越大，給視頻內(nèi)容分析與處理帶來挑戰(zhàn)。在本次報(bào)告中，將主要介紹我們?cè)谝曨l多目標(biāo)語義信息提取及壓縮中的最新成果。首先，我們將介紹我們?cè)诙嗄繕?biāo)檢測與跟蹤方面的工作，利用超平面匹配的一體化多目標(biāo)檢測與跟蹤算法，實(shí)現(xiàn)對(duì)視頻中目標(biāo)位置、軌跡等語義信息的壓縮與編碼。其次，我們將介紹我們目標(biāo)行為識(shí)別、行為檢測方面的工作，上述工作實(shí)現(xiàn)了目標(biāo)行為語義的有效提取。最后，我們將介紹我們提出的時(shí)空關(guān)聯(lián)位置及軌跡壓縮技術(shù)，實(shí)現(xiàn)對(duì)語義信息的壓縮及編碼。

9.題? 目：感知視頻編碼：從視覺感知到編碼優(yōu)化

報(bào)告人：陳震中，武漢大學(xué)教授

摘? 要： 近年來，隨著寬帶網(wǎng)絡(luò)的普及以及各式移動(dòng)網(wǎng)絡(luò)和設(shè)備的飛速發(fā)展，各類視頻應(yīng)用以及用戶的快速增加，視頻數(shù)據(jù)量也呈現(xiàn)爆炸性增長，如何高效壓縮傳輸視頻并且提升視頻服務(wù)的用戶體驗(yàn)顯得神秘嘉賓重要。視頻編碼技術(shù)經(jīng)歷了多年的發(fā)展，形成了H.264/AVC,HEVC/H.265等一系列標(biāo)準(zhǔn)，編碼效率的進(jìn)一步提高遇到了極大的瓶頸和挑戰(zhàn)。隨著對(duì)人類視覺系統(tǒng)的研究和了解，如何結(jié)合人類視覺系統(tǒng)特性優(yōu)化視頻編碼技術(shù)顯得神秘嘉賓重要。本報(bào)告將匯報(bào)報(bào)告人在視覺感知建模、感知視頻編碼優(yōu)化等方面的相關(guān)工作，探討如何結(jié)合視覺感知機(jī)理將智能化視覺信息處理引入視頻編碼技術(shù)中，優(yōu)化視頻主觀質(zhì)量，改善用戶體驗(yàn)。

10.題? 目：視頻編碼技術(shù)的演進(jìn)：從高效壓縮到智能分析

報(bào)告人：馬思偉??? 北京大學(xué)信息科學(xué)技術(shù)學(xué)院教授

摘? 要：傳統(tǒng)視頻編碼的壓縮對(duì)象主要是影視節(jié)目，目標(biāo)是以較低的存儲(chǔ)空間或傳輸帶寬為人們提供較好的觀看質(zhì)量。而隨著視頻應(yīng)用的普遍展開，如視頻監(jiān)控、無人駕駛等生成大量非以觀看為目的的視頻內(nèi)容，更注重的是在前端采集時(shí)能夠?qū)σ曨l內(nèi)容進(jìn)行即時(shí)的分析理解，后期還能對(duì)海量的視頻內(nèi)容進(jìn)行更高效的檢索管理等，此時(shí)傳統(tǒng)編碼方法的不足已十分凸顯。在此背景下出現(xiàn)了視覺特征編碼等技術(shù)，用以輔助滿足視頻分析需求。同時(shí)隨著前端采集技術(shù)的進(jìn)步，如深度、點(diǎn)云等視覺數(shù)據(jù)類型，作為輔助數(shù)據(jù)也正在改變視頻內(nèi)容的表示形式，進(jìn)而影響視頻編碼算法甚至整個(gè)編碼框架的設(shè)計(jì)。本報(bào)告將對(duì)近期視頻編碼從面向高效壓縮到智能分析的演進(jìn)過程中一些特色技術(shù)進(jìn)行介紹。 ?

11.題? 目： High Coherence Image Retargeting And Its Applications

報(bào)告人：顏? 波??? 復(fù)旦大學(xué)計(jì)算機(jī)科學(xué)技術(shù)學(xué)院教授

摘? 要：In this talk, we will introduce our recent work in image retargeting. In addition, we elaborate on other applications extended from retargeting techniques, which have not been discussed before. We show how to apply the retargeting techniques in other fields to solve their challenging problems, and reveal that retargeting technique is not just a simple scaling algorithm, but a thought or concept, which has great flexibility and is quite useful. We believe this talk can help researchers to solve the existing problem of media retargeting and bring new ideas in their works.

12.題? 目：單像素紅外成像技術(shù)及其應(yīng)用

報(bào)告人：索津莉??? 清華大學(xué)自動(dòng)化系,副教授、博士生導(dǎo)師

摘? 要：紅外成像具有非常重要的應(yīng)用價(jià)值，然而現(xiàn)有紅外相機(jī)受限于紅外面陣傳感器的發(fā)展水平，其成像質(zhì)量和產(chǎn)品成熟度方面遠(yuǎn)遠(yuǎn)不及可見光譜段，因此性能受限、價(jià)格昂貴。相反，新興的單像素成像方法采用空間光調(diào)制和單個(gè)光電二極管進(jìn)行成像，具有譜段寬、成本低、靈敏度高等一系列優(yōu)點(diǎn)，在紅外成像方面具有很大的發(fā)展前景。單像素成像是一種新興的成像方法，吸引了來自光學(xué)、信號(hào)處理、計(jì)算機(jī)應(yīng)用等學(xué)科的廣泛關(guān)注和大量投入。近年來，單像素成像快速發(fā)展，在成像的速度、分辨率方面取得了顯著的研究進(jìn)展。本報(bào)告將對(duì)單像素成像的發(fā)展歷史、基本機(jī)制進(jìn)行介紹，展示該領(lǐng)域的最新研究進(jìn)展，并探討可能的產(chǎn)業(yè)化應(yīng)用。

13.題? 目：數(shù)據(jù)驅(qū)動(dòng)的人體運(yùn)動(dòng)仿真技術(shù)

? 報(bào)告人：夏時(shí)洪? 中國科學(xué)院計(jì)算技術(shù)研究所研究員

摘? 要：報(bào)告主要介紹人體運(yùn)動(dòng)仿真研究相關(guān)的應(yīng)用案例，以及對(duì)于其中關(guān)鍵問題研究的新進(jìn)展，特別是數(shù)據(jù)驅(qū)動(dòng)的人體運(yùn)動(dòng)仿真成果。

七、參會(huì)人員

1.國內(nèi)外知名企業(yè)研發(fā)和工程技術(shù)人員

2.國內(nèi)外大、專院?？蒲屑夹g(shù)人員

3.行業(yè)組織、研究機(jī)構(gòu)、應(yīng)用工程單位等

4.新聞媒體代表

收費(fèi)標(biāo)準(zhǔn)：1980元/人，會(huì)議期間食宿統(tǒng)一安排，費(fèi)用自理。