2022年11月4日，“CSIG图像图形中国行”来到了深圳北理莫斯科大学，本次活动由中国图象图形学学会主办，深圳北理莫斯科大学工程系承办。深圳北理莫斯科大学工程系程杞元、贾云得教授主持会议，深圳北理莫斯科大学校长李和章致辞。北京大学田永鸿教授、深圳大学黄继武教授、中国科学院自动化所徐常胜研究员及大连理工大学卢湖川教授受邀作报告，本次会议得到了广泛关注，吸引了来自校内100余位师生前来参会。

    来自大连理工大学的卢湖川教授首先代表中国图象图形学会向深圳北理莫斯科大学承办此次活动表示了感谢，并对学会的发展进行了全面的介绍。随后，他在此次会议上作了题目为“一网通吃：跟踪与分割大一统”的报告。报告指出：通用人工智能（AGI）实现1个网络完成多个不同的任务，可以更好的挖掘模型特性、泛化能力，是未来发展趋势。该报告介绍了其团队围绕多任务通用视觉模型Unicorn，实现的单目标跟踪(SOT)与分割(VOS)，多目标跟踪(MOT)与分割(MOTS)四个任务的大一统。

    来自深圳大学的黄继武教授进行了题为“图像取证”的报告。报告首先针对现代生活中通过功能强大的图像编辑工具，普通用户可以很方便地对图像内容进行变换或篡改，以此生成伪造图像而不为人们的视觉所感知这种现状进行分析。随后从多媒体取证的研究背景开始，介绍图像取证所关心的问题并探讨了深度学习应用到图像取证领域所面临解决的问题。最后，以实验室在伪造篡改图像定位方面的工作为例子，介绍了应对这些挑战上的一些研究情况。

    来自中国科学院自动化研究所的徐常胜研究员带来了题为“视频理解中的关系学习研究”的报告。报告介绍到视频理解是一个融合视频底层特征信息和高层语义信息的过程，并服务于用户的不同需求。高效的视频理解技术可以使计算机智能地完成各种视频相关的任务，如视频监控、视频娱乐等。报告的核心内容是围绕如何设计有效的关系学习方法来进行视频理解展开。自底向上地重点研究了视频中的三种关系结构信息：首先针对视频中的物体层面，研究了物体表观中的结构化关系建模；接着以物体为纽带，深入挖掘了视频中的物体-语义关系信息，从而实现了视频高层语义的自动提取；最后，探索了视频语义-用户兴趣之间的关系，完成了视频的个性化服务。

    来自北京大学深圳研究生院的田永鸿教授带来的报告题目为“神经形态视觉：计算视觉与脑科学的深度融合”。报告指出：自2012年ImageNet竞赛中提出AlexNet模型以来，深度学习与计算视觉的紧密结合已经接近十年，取得了大量有价值的技术突破。然而，计算视觉仍不能解决很多领域的挑战性难题，同时基础模型的颠覆性革新日益减少。基于“摄像机的生物学原型是视网膜”这一事实，我们应该学习生物视网膜的结构和机制，重新审视适合新型应用的视觉成像理论和信息表示处理方法。我们称这一计算视觉与脑科学深度融合的领域为神经形态视觉（neuromorphic vision）。报告详细介绍了神经形态视觉的概念、相关研究问题和一些最新进展。

会上，深圳北理莫斯科大学贾云得教授、陆耀教授、程杞元教授、北京大学田永鸿教授、深圳大学黄继武教授、中国科学院自动化所研究员徐常胜研究员、大连理工大学卢湖川教授等专家学者、与会师生围绕“计算机视觉技术”进行了相关研讨与交流。“CSIG 图像图形中国行”在深圳北理莫斯科大学取得了圆满的成功。