VALSE 2025专题论坛 | 多模态认知计算

VALSE 2025专题论坛 | 多模态认知计算

广东.珠海 2025年6月6-8日

“多模态认知计算”是人工智能领域的前沿研究方向，旨在模拟人类多感官联觉机制，通过多模态关联、跨模态生成和多模态协同等任务，提升机器的认知能力。其核心目标是以多通道数据实现信息量的最大化，涵盖多模态学习机制、通用多模态学习及多模态自主学习等关键问题。该研究为机器感知与决策提供了更高效、智能的解决方案，广泛应用于人机交互、智能医疗、自动驾驶等领域。本次Workshop作为第四届多模态认知计算专题会议，汇聚全国高校和科研院所的资深专家，分享最新研究成果与实践经验，推动产学研用深度融合与协同创新。

胡迪 中国人民大学

胡迪，现任中国人民大学高瓴人工智能学院副教授，博导。主要研究方向为机器多模态感知、交互与学习，以主要作者在TPAMI/ICML/CVPR/CoRL等人工智能顶级期刊及会议发表论文60余篇，代表性工作如视音指代分割与问答；平衡多模态学习理论，机制与方法；面向物体操纵的动态视听触交互算法等。作为副主编出版本科教材一部。曾入选 CVPR Doctoral Consortium；荣获2020中国人工智能学会优博奖；荣获2022年度吴文俊人工智能优秀青年奖；入选第七届中国科协青托计划、微软铸星学者等。所指导学生获百度奖学金 (全球10人)。担任AAAI、IJCAI Senior PC等，主办/协办多场国际顶级会议的多模态学习讲习班 (Tutorial)。

刘武 中国科学技术大学

刘武，中国科学技术大学特任教授，博士生导师，入选国家级青年人才计划。在重要国际会议和期刊上发表论文 100 余篇，曾获得 IEEE T-MM、IEEE MM 和 IEEE ICME 等最佳论文奖，以及 CAAI 吴文俊人工智能科技进步特等奖、天津市科技进步特等奖、ACM 中国新星奖、中科院优秀博士论文奖等，入选了《麻省理工科技评论》亚太区“35 岁以下科技创新 35 人”，北京市科技新星计划，中关村论坛-AI100青年先锋，斯坦福全球前 2%顶尖科学家榜单等，并担任了 IEEE T-MM Associate Editor，IEEE ICME 2022 和 ACM MM Asia 2021 技术委员会主席，2025 年中国多媒体大会组织委员会主席，IET Fellow 评审委员会委员等。

赵健 中国电信人工智能研究院

赵健，中国电信人工智能研究院 (TeleAI)多媒体认知学习实验室 (EVOL)主任、资深研究科学家，隶属李学龙教授 (中国电信集团CTO、首席科学家、中国电信人工智能研究院院长)团队，2019年博士毕业于新加坡国立大学 (导师：颜水成教授)，主要从事临地安防、AI治理方面的研究工作。 共发表CCF-A类国际期刊和会议论文41篇，其中，一作代表作包括T-PAMI 2篇 (影响因子：20.8)、IJCV 3篇 (影响因子：11.6)、CCF-A类会议ACM MM (唯一最佳学生论文奖，1/208，2018)等，第一发明人授权国家发明专利5项。谷歌学术被引超4900次，H指数40，I-10指数68。 入选了国资委央企科技领军人才班首期学员 (班长、学员临时党支部书记)、中国科协及北京市科协“青年人才托举工程”，主持国自然面上、军口部委某类型等项目7项。相关技术成果服务于多个国家重要部门，同时也在中国电信等7个科技领军企业得到应用，产生了显著效益。曾获中国人工智能学会吴文俊人工智能优秀青年奖 (2023)、中国人工智能学会吴文俊人工智能自然科学奖一等奖 (2022，排2，中国智能科学技术最高奖)、新加坡模式识别与机器智能协会 (PREMIA)2019 Lee Hwee Kuan奖 (排1)，8次在国内外重要科技赛事中夺冠。 担任北京图象图形学学会理事、国际知名期刊《Pattern Recognition》编委等。

演讲嘉宾：谢洪涛 中国科学技术大学

报告题目：大模型时代下的场景文本检测、识别与编辑

专家简介：谢洪涛，中国科学技术大学教授、博士生导师，国家杰青、优青，中科院青促会优秀会员。从事人工智能和多媒体内容安全方向的研究，以第一或通讯作者在国际一流期刊和会议上发表学术论文100余篇，担任ACM TOMM等四个国际著名期刊编委。主持科研项目10余项，含国家重点研发计划“网络空间安全治理”重点专项项目1项、国家自然科学基金联合重点项目2项。获2023年度国家技术发明奖二等奖，2019年度国家自然科学奖二等奖，2022年度教育部技术发明奖一等奖，2021年度中国专利奖优秀奖，2018年度中国电子学会自然科学奖一等奖，2022年度中国图象图形学学会青年科学家奖。

演讲嘉宾：魏云超 北京交通大学

报告题目：视觉智能推理

专家简介：魏云超，北京交通大学二级教授，教育部长江学者。曾在NUS、UIUC、UTS从事研究工作，主要研究方向包括面向非完美数据的视觉感知、多模态数据分析与推理、生成式人工智能等，发表TPAMI、CVPR等顶级期刊/会议论文100多篇，Google引用超26000次。入选AI 100、MIT TR35 China、百度全球高潜力华人青年学者、《澳大利亚人》TOP 40 Rising Star，获世界互联网大会领先科技奖、教育部自然科学奖一等奖、ImageNet目标检测冠军及多项CVPR竞赛冠军等奖励。主持国自然重大研究计划重点项目、国家重点研发计划青年科学家项目、北京市自然科学基金海淀联合基金重点项目等10余项。担任计算机学院科研副院长、“视觉智能交叉创新”教育部国际联合实验室副主任、“科幻音视频智能处理”北京市重点实验室副主任等职务。

演讲嘉宾：梁小丹 中山大学

报告题目：“慢思考”在多模态基础模型与具身智能中的探索

专家简介：梁小丹，中山大学教授，博导，国家万人计划青年拔尖人才，教育部U40人才。研究方向为具身智能和多模态大模型。在Google Scholar上被引用超过30,000次。现任《Image and Vision Computing》与《Neural Networks》期刊副主编，并担任CVPR、ICML、ICCV、NeurIPS、ICLR、ECCV、ACM MM等顶级会议领域主席，曾担任CVPR 2023监察委员会主席，组织ICML 2023"AI for Math"研讨会。获得过ACM中国新星提名奖、阿里巴巴达摩院青橙奖、中国图象图形学学会-石青云女青年科学家奖、吴文俊人工智能优秀青年奖、中国科协青年人才托举工程、中国图象图形学学会科学技术一等奖、CCF优秀博士学位论文奖、ACM中国优秀博士学位论文奖等荣誉。

演讲嘉宾：沈为 上海交通大学

报告题目：视觉语言的细粒度对齐

专家简介：沈为，现任上海交通大学人工智能研究院教授，博士生导师，国家自然科学基金优青获得者。曾任约翰霍普金斯大学计算机系助理研究教授。研究方向为计算机视觉、深度学习与医学图像处理。在人工智能领域的顶级学术会议和期刊上发表论文80余篇，总学术引用1万多次，出版人工智能教材《动手学计算机视觉》一部。指导博士生论文获得医学图像处理顶级国际会议MICCAI 2023青年科学家奖。担任人工智能领域顶级国际会议ICML 2025、NeurIPS 2023/2024/2025、ICCV 2025、CVPR 2022/2023领域主席、SCI一区期刊Pattern Recognition编委，上海计算机学会计算机视觉专委副主任。

演讲嘉宾：王正 武汉大学

报告题目：视觉隐匿感知与对抗

专家简介：王正，武汉大学教授，计算机实验教学中心 (网络安全国家级虚拟仿真实验教学中心)主任，入选国家级人才计划青年项目 (海外)，“武汉英才”产业领军人才。曾任新加坡国立大学高级访问学者、东京大学助理教授，荣获中国留日同学会最优秀青年学者奖、ACM武汉新星奖。主要研究方向为多媒体内容分析、社会安全治理等，在CCF-A类期刊和会议发表论文90余篇。指导学生获得“挑战杯”黑科技专项赛道全国一等奖、中国国际大学生创新大赛全国银奖。现任CCF-A类期刊 IEEE Transactions on Image Processing 编委。

演讲嘉宾：徐文超 香港科技大学

报告题目：多模态学习中的模态竞争及解决方案

专家简介：徐文超，中国香港科技大学综合系统与设计系助理教授，研究方向为边缘计算、多模态学习、无线网络等。在IEEE TMC、CVPR、NeurIPS、ICLR、Proceedings of the IEEE等期刊和会议上发表论文100余篇；担任IEEE TCCN、Springer PPNA等多个国际期刊编委，以及ICML、CVPR等国际会议区域主席。曾获得诺波特维娜综述奖、IEEE Globecom等会议最佳论文奖。