汇聚科技“她”力量—IEEE WIE科技创新论坛直播预约

王涌天，现任北京理工大学光学与应用计算机科学特聘教授，北京市混合现实与先进显示研究中心创始主任。王涌天教授是北京图象图形学学会（BSIG）理事长，中国图象图形学学会（CSIG）副理事长，中国计算机联合会（CCF）和中国光学工程学会（CSOE）的理事会成员，中国光学学会监事，IET、SPIE和OSA成员。国家信息技术标准化委员会VR和AR标准工作组组长，科技部高技术中心云计算和大数据专项总体专家组副组长。

刘越，北京理工大学光电学院教授、博士生导师，北京图象图形学学会常务理事、秘书长，北京市混合现实与新型显示工程技术研究中心副主任。兼任中国计算机学会虚拟现实专业委员会常委、人机交互专委会常委；中国系统仿真学会3D教育与装备专业委员会副主任；中国人工智能学会智能交互专业委员会副主任；中国图象图形学学会理事、副秘书长、成像探测与感知专业委员会副主任、三维成像与显示专业委员会副主任；目前主持国家重点研发计划项目、国家自然科学基金重点国际（地区）合作项目等多项课题的研究工作，已发表论文100余篇，申请专利50余项，研究成果“交互式显示关键技术及应用”曾荣获2014年度教育部发明奖一等奖和2017年度国家发明奖二等奖各一项。

杜军平，北京邮电大学计算机学院教授、CAAI会士、CCF会士、北京邮电大学校学术委员会委员、计算机应用技术中心主任。研究领域为跨媒体大数据智能处理、社交网络挖掘与搜索等。主持国家自然科学基金重大项目、国家重点研发计划项目、国家自然科学基金重点项目、国家自然科学基金重大国际合作项目等。在IEEE TPAMI、IJCAI、TKDE、ICDE、ACM MM、CVPR、TNNLS等国际重要刊物和国内外学术会议上共发表论文600余篇，包括SCI论文170篇，申请和授权国家发明专利40项。作为主要完成人获国家技术发明奖二等奖、教育部技术发明奖一等奖、北京市科学技术二等奖、吴文俊人工智能自然科学奖二等奖等。担任《IEEE Transactions on Neural Networks and Learning Systems》、《CAAI Transactions on Intelligent Technology》、《智能系统学报》期刊编委等。

马楠，工学博士，北京工业大学教授，博士生导师，智能感知与自主控制教育部工程中心副主任，中国人工智能学会副秘书长、北京图象图形学学会常务理事和女科技工作者委员会主任，北京市中青年骨干教师，担任《智能系统学报》等国内外学术期刊编委、CVPR等多个国际会议、期刊审稿人，研究方向为交互认知、机器视觉、无人驾驶、知识发现与智能系统。先后以第一完成人获得中国图象图形学学会科技进步一等奖、中国电子学会科学技术奖【技术发明类】二等奖，主持多项国家自然科学基金、北京市自然科学基金项目、北京市智能制造与机器人技术创新专项等国家、省部级项目，承担北汽、东风悦享、云迹科技等企业委托智能交互项目9项；带领团队多次在国际、国内智能驾驶、人工智能重要比赛中获冠军，获第二届中国“AI+”创新创业大赛总决赛特等奖；人才培养方面获第六届全国教育科学研究优秀成果奖二等奖、北京市教学成果一等奖等；主编专著和教材4部；主讲《智能交互技术》课程在中国大学MOOC开设八轮次，共计一万余人选课。

张曼，北京邮电大学研究员、博士生导师，主要研究方向为计算机视觉、模式识别，已主持和参与国家重点研发计划、国家自然科学基金等25项国家和省部级科研项目的研发工作，以第一作者和通信作者在国际知名期刊和会议（IEEE TPAMI、TIP、AAAI等）发表学术论文30 余篇。曾获得北京市青年骨干、北京市科技新星、北京市三八红旗奖章的等奖项。现任IEEE WIE 北京分会主席、北京图象图形学学会理事、中国人工智能学会模式识别专委会副秘书长、北京市青联十二届委员。

董晶，中国科学院自动化研究所智能感知与计算研究中心研究员、硕士生导师。主要从事计算机视觉、生物特征识别、多媒体内容取证与安全等AI前沿方向的技术研究，已在国际权威期刊及学术会议上发表学术论文60余篇，申请发明专利30余项，其中已授权18项中国专利含3项美国专利。主持或主要参与了国家863计划、973计划，科技支撑计划、重点研发计划、国家自然科学基金等20余项国家和省部级科研项目。现为IEEE/CCF/CSIG高级会员；中国科学院青年创新促进会会员；IEEE亚太区执委（2017-2022）、IEEE信号处理协会全球会员发展主席（2022-2024）；中国人工智能学会(CAAI)理事、杰出会员；中国图象图形学学会(CSIG)理事、副秘书长、女工委秘书长。担任IAP《Newsletter》主编， Elsevier 《Journal of Information Security and Application》国际期刊副主编。曾获第10届全国信息隐藏暨多媒体信息安全大会优秀论文奖、2015国际通信及信号系统大会最佳论文奖、2016年度IBM学院奖、2018年度国际模式识别大会最佳科技论文奖、2019年度中国人工智能学会杰出贡献奖、2020年度CSIG石青云女科学家奖、2021年度CSIG科技奖二等奖、2021年度吴文俊人工智能科学技术科普奖、2022年度中国发明协会发明创新一等奖。

报告题目：多媒体内容深度合成与鉴别技术进展

报告摘要：在AI技术的加持下，当下多媒体内容深度合成技术已成为机器学习和计算机视觉等领域的逐渐热门的话题之一，近年来已获得广泛关注，随着其相关应用的纷纷落地并被广泛应用，已带来越来越多的个人隐私和数据安全的隐患。本报告重点关注数字人像伪造与鉴伪的AI研究，结合深度合成的实际应用需求，介绍多媒体“伪造”与“鉴别”、相互博弈和相互促进的独特机制，通过研究深度伪造与鉴伪的机理、机制和线索梳理，展开多媒体应用的相关前沿探讨，并介绍其相关研究的技术进展与发展趋势。

许倩倩，中国科学院计算所研究员，博士生导师，基金委优秀青年基金获得者。CCF杰出会员，IEEE/CSIG/高级会员，担任CSIG青工委副秘书长、CSIG多媒体专委会副秘书长、CAAI深度学习专委会副秘书长。研究领域为数据挖掘和机器学习，共发表CCF-A类期刊/会议论文70余篇（其中TPAMI 12篇）。先后获得：吴文俊人工智能自然科学奖一等奖，CAAI最佳青年科技成果奖，CSIG石青云女科学家奖，吴文俊人工智能优秀青年奖，ACM中国SIGMM新星奖, CAAI优秀博士学位论文，中科院百篇优秀博士学位论文等奖励。担任国际期刊TMM、T-CSVT、ACM TOMM和Multimedia Systems编委，CCF-A类国际会议ACM MM领域主席，AAAI和IJCAI SPC。

报告题目：X-Curve：性能曲线优化算法研究

报告摘要：主流人工智能方法大多采用准确率作为单一性能评价指标，并据此进行算法设计。该指标决策阈值固定，仅能适应特定监管需求。而在实际网络空间内容风险监管过程中，对于不同领域的监管力度具有明显差异。针对现有模型学习算法对特定指标的依赖性，突破基于静态目标函数的模型优化框架，本报告将介绍团队提出的基于X-Curve的模型优化框架，该框架以AUROC、AUPRC、AUTKC、OpenAUC等性能曲线为模型优化准则，综合考虑不同阈值下的模型性能，从而保证模型在复杂应用场景下的可靠性。

付莹，北京理工大学教授，博士生导师。2009年获西安电子科技大学电子信息工程专业学士学位，2012年获清华大学自动化专业硕士学位，2015年博士毕业于东京大学信息科学与技术专业。2016年加入北京理工大学计算机学院，2017年入选国家级高层次人才计划。主要从事计算机视觉、计算摄像、图像/视频处理等相关领域研究，已在IEEE TPAMI、IJCV、TIP等国际期刊和ICCV、CVPR、ICML等国际会议发表论文40余篇，曾获得ICML2020，PRCV2019最佳论文奖。

报告题目：暗光图像视频增强

报告摘要：从低信噪比的暗光图像视频中重建清晰数据是底层视觉研究中的一项重要任务，其在遥感、生物光学、诊断医学等领域有着广泛的应用。图像视频增强质量很大程度上取决于所采用的噪声模型以及图像先验的准确性，本次报告将从成像传感器的物理特性出发，构建图像视频空时先验，突破传统成像系统的限制，在暗光成像相关应用中展示其优越性能。

王卫苹，北京科技大学计算机与通信工程学院教授，德国洪堡大学访问学者。北京图象图形学学会女科技工作者委员会秘书长，北京物联网学会理事/秘书长，中国图象图形学学会委员，中国人工智能学会智慧医疗专委会委员，中国自动化学会智能自动化专业委员会委员，中国神经科学学会类脑分会专委会委员。智能系统学报客座编辑，MMR期刊科学编辑。IEEE Transactions on Neural Networks and Learning System、IEEE Transactions on Cybernectics、Neural Networks等知名国际SCI期刊审稿专家。主要研究方向包括：人工智能、阿尔茨海默病机理及早期预警与干预、脑认知机理、复杂网络。主持与重点参与国家自然科学基金、国际联合基金重点项目、科技部国际合作项目、重点研发计划子课题、博士后基金、广东省创新发展项目及横向课题等项目30余项。发表SCI等高水平科技论文90余篇，获得软著与专利10余项，获得河南省科技进步二等奖，中国通信学会最佳论文奖等奖项。

报告题目：阿尔茨海默病患者脑网络机制研究及在早筛和干预方面的应用

报告摘要：阿尔茨海默病（AD）起病隐匿且无特效药对其治疗，为走出重治疗轻预防的误区，基于脑影像数据研究NC、临床前期、MCI、AD各阶段人群的脑网络机制，对临床前期患者精准预警和个性化脑功能重塑，使其不向AD阶段发展变得至关重要。首先，从多尺度分析各阶段人群脑网络的动态变异性，挖掘AD脑网络机制和临床前期患者多模态普适性诊断指标可为其早期预警打下基础。基于特异性个体的跨模态数据模拟BOLD信号时空演化动力学特性，研究特异性个体病情动态演化规律，则可预测疾病进展和病情转折关键点。进而研究对AD临床前期患者建立干预靶点精准定位方法，实现多脑区协同自适应牵制调控，提高AD临床前期患者的早期识别率和干预成功率。