VALSE Webinar 20230712-16期 总第316期 类脑视觉算法研究与应用

报告嘉宾：顾实 (电子科技大学)

报告题目：Approximation and Adaption for Obtaining High-performing SNNs

报告嘉宾：王林 (香港科技大学 (广州))

报告题目：基于生物感知驱动相机的视觉智能研究

报告嘉宾：顾实 (电子科技大学)

报告时间：2023年07月12日 (星期三)晚上20:00 (北京时间)

报告题目：Approximation and Adaption for Obtaining High-performing SNNs

报告人简介：

顾实，美国宾夕法尼亚大学 (UPenn)博士，清华大学本科，现任电子科技大学计算机科学与工程学院教授，数字智能与认知研究组主任、脑与认知实验室主任，曾入选2017年国家青年特聘专家， 同年入选福布斯中国“30岁以下30人“榜单。主要研究方向为计算神经科学与类脑人工智能，当前主要研究兴趣是基于人工智能的脑认知表达和调控模型。计算神经科学方面，提出并发展了脑网络上的控制理论分析，拓展了脑系统发育过程中的认知调控系统成熟化理论，相关研究发表在Nature Communications和PNAS等国际期刊上。类脑人工智能方面，建立了传统人工神经网络向脉冲神经网络转换的误差分析模型，并建立了与之相应的高效转换算法，极大地降低了转换算法的延迟，相关研究发表在ICLR、ICML，NeurIPS等人工智能国际会议上。

个人主页：

https://guslab.org

报告摘要：

Spiking Neural Networks (SNNs), a class of deep neural networks that mimic the neuron-spiking behavior observed in biological systems, have gained increasing attention in recent years because of their temporal dynamics and potential for highly efficient computation. Our talk will unfold across two distinct, yet interrelated dimensions. Initially, we concentrate on methods of transforming traditional Artificial Neural Networks (ANNs)into high-performing SNNs. We will analyze the composition of errors during the conversion and discuss the efforts in dealing with each type of error. The second part of our discourse will shed light on strategies for training high-performing SNNs from scratch. While direct training of SNNs has historically posed unique challenges due to the inherent non-differentiability of spike events, we will cover how surrogate gradients can relieve the issue and how to deal with the bias introduced by the surrogate gradients. This talk seeks to provide valuable insights into the ongoing advances in SNNs, specifically catering to researchers and practitioners who are keen on harnessing the potential of this paradigm-shifting technology.

报告嘉宾：王林 (香港科技大学 (广州))

报告时间：2023年07月12日 (星期三)晚上20:30 (北京时间)

报告题目：基于生物感知驱动相机的视觉智能研究

报告人简介：

王林博士目前为香港科技大学 (广州)信息枢纽人工智能学域助理教授、香港科技大学计算机科学与工程系联署助理教授，本科事务主任及视觉学习与智能系统实验室负责人。博士毕业于韩国科学技术院 (KAIST；QS Top40)并凭借出色的研究成果，于2021年被KAIST授予“最佳博士研究奖”。同时被CVPR 2021评为“优秀审稿人”并受邀参加“博士论坛”。博士期间，曾在英国帝国理工学院访学并与3D视觉知名学者T.-K. Kim教授开展合作研究。博士及博后期间参与韩国国家及公司研发项目10余项。在近年来，在CVPR、ICCV、ECCV、IEEE TPAMI、IEEE TIP、Pattern Recognition、IEEE RA-L等顶尖学术会议及期刊发表论文40余篇。担任计算机视觉、机器人、图形学等10余个国际著名学术会议及期刊 (如CVPR、ICCV、ECCV、IEEE TPAMI、IJCV、IEEE TIP、IEEE RAL、ICRA、IROS、IEEE T-ITS、NeurIPS、AAAI、Siggraph Asia)的学术委员会委员，并两次获得韩国机器视觉协会所授予的“最佳论文奖”。担任深圳锐思科技专家顾问、广州市元宇宙专家库成员、云从科技项目评审专家库成员等。曾获得国家青年基金、CCF-腾讯犀牛鸟基金学者等荣誉。长期从事类脑及生物驱动的机器视觉、三维视觉、智能系统 (XR，机器人)、视觉与人机交互等方面的研究，有着丰富的研究经验及成果。

个人主页：

https://vlislab22.github.io/vlislab/

报告摘要：

事件相机是受生物启发 (类脑)的传感器，异步捕捉每个像素的强度变化，并产生编码时间、像素位置和极性 (符号)的事件流。与传统的基于帧的相机相比，事件相机具有许多优势，如高时间分辨率、高动态范围、低延迟等。事件相机能够在具有挑战性的视觉条件下捕捉信息的能力，有潜力克服传统计算机视觉和机器人算法的局限性。近年来，深度学习已被引入到这个新兴领域，并激发了挖掘其潜力的积极研究。视觉学习与智能系统实验室 (VLIS LAB)长期从事基于生物驱动传感器机器视觉的研究。本报告旨在分享近年来VLIS LAB在此研究领域的进展和成果。本报告重点分享以下内容：1) 事件相机成像与表征原理；2) 基于事件引导的视频重建及修复；3) 基于事件的视觉场景理解及3D视觉。最后，本报告探讨此新兴领域的发展前景及困境，并提供了新的视角，以激发更多的研究。

主持人：贾旭 (大连理工大学)

主持人简介：

贾旭，大连理工大学人工智能学院长聘副教授，辽宁省智能感知与理解人工智能重点实验室骨干成员，博士毕业于比利时鲁汶大学，师从Tinne Tuytelaars教授和Luc Van Gool教授，曾在Google Research，商汤科技，华为诺亚方舟实验室等从事研究工作。主要研究方向包括类脑视觉、视觉内容增强与生成、领域自适应和持续学习等。近年来在CVPR、ICCV、NeurIPS、TPAMI、TIP等计算机视觉和机器学习领域顶级会议及期刊发表论文40余篇, Google Scholar引用6500余次，申请国内外专利10余项。主持并参与国家自然科学基金、科技部科技创新2030重大项目以及华为等企业合作项目若干项。

个人主页：

https://stephenjia.github.io/ 

特别鸣谢本次Webinar主要组织者：

主办AC：贾旭 (大连理工大学)

协办AC：郑乾 (浙江大学)、余肇飞 (北京大学)