2024年12月3日下午，西南石油大學(xué)計算機與軟件學(xué)院邀請李文教授在明理樓B306教室以視覺遷移學(xué)習(xí)與應(yīng)用為主題，為我院研究生作學(xué)術(shù)報告。

李文是電子科技大學(xué)教授、博士生導(dǎo)師、國家海外高層次人才計劃入選者。主要研究方向為計算機視覺與遷移學(xué)習(xí)，專注于開放場景下的視覺模型泛化性難題，提出多個有影響力的跨領(lǐng)域的目標檢測、語義分割等計算機視覺算法模型，在T-PAMI、IJCV、CVPR、ICCV、ECCV等在內(nèi)的領(lǐng)域重要國際期刊和國際會議論文100余篇，Google Scholar的總引用次數(shù)10000余次。

在講座中，李文教授探討了視覺遷移學(xué)習(xí)的核心問題與應(yīng)用前景。他首先強調(diào)了人工智能交互中感知與生成的重要性，指出在真實開放環(huán)境下，視覺數(shù)據(jù)的分布差異給感知模型的泛化能力帶來了巨大挑戰(zhàn)。

接著，他詳細闡述了面向圖像感知的遷移學(xué)習(xí)，通過衡量源域（訓(xùn)練數(shù)據(jù)）和目標域（測試數(shù)據(jù)）的分布差異，并在模型學(xué)習(xí)中減少這種差異，有效提升模型的泛化性能。從泛化性誤差來看，遷移學(xué)習(xí)可以從數(shù)據(jù)、模型和標簽三個層面遷移。

此外，他還介紹了面向視頻生成的遷移學(xué)習(xí)，特別是如何無監(jiān)督地挖掘和遷移視頻中的結(jié)構(gòu)信息，提出了可變錨點模型、動作隱式學(xué)習(xí)模型以及同時關(guān)注結(jié)構(gòu)信息與非結(jié)構(gòu)信息的動作優(yōu)化模型等創(chuàng)新方法。

講座結(jié)束后，現(xiàn)場師生與李文教授圍繞源域、目標域等概念，目標域數(shù)據(jù)的重建，結(jié)構(gòu)型數(shù)據(jù)的處理，大模型訓(xùn)練與小任務(wù)微調(diào)，擴散模型，以及如何使用Transformer提取運動信息等議題展開了熱烈而深入的討論。李文教授耐心解答了師生們的疑問，并分享了自己的見解和經(jīng)驗。

此次講座不僅為西南石油大學(xué)師生提供了與頂尖學(xué)者面對面交流的機會，更激發(fā)了大家對視覺遷移學(xué)習(xí)與應(yīng)用領(lǐng)域的濃厚興趣和深入思考。

主辦單位：計算機與軟件學(xué)院

科學(xué)技術(shù)發(fā)展研究院