首届八大高校联合实验室联席技术峰会分论坛盛况回顾篇（一）

导语：2019年7月11日，由腾讯高校合作主办，以“连接产学最强大脑，探索科技创新突破”为主题的“首届八大高校联合实验室联席技术峰会"在深圳腾讯总部滨海大厦举办。本届大会吸引了来自八大高校联合实验室及全面合作平台的40余位高校实验室主任、核心团队老师以及来自腾讯公司100余位研发人员参与，同时腾讯内部线上参与大会人数高达800余人次。

7月11日下午，首届八大高校联合实验室联席技术峰会通过五场技术分论坛有效地连接腾讯技术团队与高校联合实验室之间更深一步的技术碰撞。论坛技术方向覆盖计算机视觉与多媒体、自然语言处理、机器学习、大数据、基础平台技术与云计算等多个前沿领域。50余位来自高校及腾讯的专家、学者介绍了来自实验室及团队的最新研究现状，分享技术痛点并就合作点进行交流和探讨，近80多位腾讯研发人员参会听取技术分享。

//////////

分论坛一：计算机视觉与多媒体

计算机视觉与多媒体技术分论坛分享嘉宾分别为西安交通大学袁泽剑教授、清华大学袁春副教授、中科院计算所蒋树强研究员、北京大学施柏鑫研究员、中科院计算所韩琥副研究员、清华大学穆太江助理研究员、清华大学姚鑫博士、腾讯优图实验室X-Lab总监戴宇榮、腾讯AI Lab计算机视觉中心专家研究员吴保元、腾讯视频视频智能研发负责人黄嘉文、腾讯信息流与QQ广告策略开发技术负责人李学凯、腾讯互娱内容推荐中心内容研发高级研究员俞一鹏、腾讯微信多媒体内核中心视觉技术团队高级研究员何健（排名不分先后）。本场论坛由清华大学袁春副教授主持。

西安交通大学袁泽剑教授

西安交通大学袁泽剑教授分享主题为“从视觉到语言—基于注意力机制的图像内容语言描述方法”的报告。主要讲述深度网络在抽取图像特征与语义特征获得的成功，在图像识别、视觉目标检测与分割等方面取得的突破性进展。

清华大学袁春副教授

清华大学袁春副教授分享主题为“图像理解和视频生成”的报告。报告内容涉及随机视频预测，是采用VAE 变分自编码进行视频帧的预测及视频帧预测面对的挑战，并在报告中提出了一种解扰表达随机视频帧预测方法，已取得较好的视频预测效果。

中科院计算所研究员蒋树强

中科院计算所研究员蒋树强分享主题为“图像/视频语言描述与食品图像识别”报告。报告介绍图像/视频产生全局/局部语言描述的研究现状和课题组最新进展。食品是人类生命生活的必需品，食品图像/视频是用户上传和分享的重要视觉媒体内容之一，报告还介绍利用多模态信息进行食品图像识别的最新研究进展。

中科院计算所副研究员韩琥

中科院计算所副研究员韩琥分享主题为“由表及里智慧生物感知”报告。报告从由表及里智能生物感知中多模态互补特征学习、多任务学习及微弱视觉信号建模等角度，总结由表及里智能生物感知在这几方面的研究发展以及汇报在多任务属性学习、弱监督图像分类以及医学影像分析等方面的工作进展。

清华大学穆太江助理研究员

清华大学穆太江助理研究员分享主题为“可视媒体处理的工作进展”的报告。报告汇报清华大学计算机系可视媒体研究中心在机器人、可视媒体语义理解与内容生成等方面工作进展，包括机器人的场景重建与语义理解，人像分割与人像合成、图像/视频的美学评价与编辑等。

北京大学施柏鑫研究员

北京大学施柏鑫研究员分享主题为“基于光度法和偏振法的高精度三维建模”的报告。该报告介绍如何利用主动式和被动式的光照变化来挖掘真实场景中蕴含的、与主流二维传感器可获取的像素数比肩的高分辨率三维信息。通过介绍最新的光度立体视觉和偏振恢复三维技术的进展，希望对下一代三维相机的设计和开发提供一些参考。

清华大学姚鑫博士

清华大学姚鑫博士分享主题为“面向移动边缘的视频智能分析”的报告。报告阐述随着5G和物联网技术的发展，视频数据的产生和计算有向边缘设备（物联网智能节点、个人智能设备等）转移的趋势。而由于节点数量多、数据量大且分布不均匀、网络传输成本较大及隐私问题，传统的中心式机器学习算法不再适用。姚鑫博士所在团队以联合学习为基本框架，重点研究了联合学习训练速度较慢、边缘节点与全局目标不一致、全局模型到边缘节点的迁移适配等问题。

━ ━ ━ ━ ━

━ ━ ━ ━ ━

分论坛一：计算机视觉与多媒体技术交流现场

//////////

分论坛二：自然语言处理

自然语言处理的技术分论坛分享嘉宾分别为哈尔滨工业大学秦兵教授、清华大学刘知远副教授、中科院计算所冯洋副研究员、中科院计算所罗平副研究员、腾讯AI Lab自然语言处理中心专家研究员涂兆鹏、腾讯微信模式识别中心基础技术负责人李鹏、腾讯广告自然语言处理及用户建模技术负责人王莉峰、腾讯云大数据及人工智能产品中心AI语义团队研发负责人蒲昊、腾讯微信搜索中心数据质量团队高级研究员徐进（排名不分先后）。本场由清华大学刘知远副教授主持。

哈尔滨工业大学秦兵教授

哈尔滨工业大学秦兵教授分享主题为“机器智能中的情感计算”的报告。秦兵教授从社交媒体数据出发，对近年来情感计算研究的趋势进行总结，分别从情感分类、隐式情感分析、情感原因发现、个性化情感、跨领域情感及情感生成等六个维度阐述情感计算的研究进展以及目前哈尔滨工业大学研究团队开展的情感计算方面工作。

清华大学刘知远副教授

清华大学刘知远副教授分享主题为“知识指导的自然语言处理”的报告。他提到近年来深度学习技术席卷自然语言处理（NLP）各大领域，作为典型的数据驱动方法，深度学习面临可解释性不强等难题，如何将人类积累的大量语言知识和世界知识引入深度学习模型，是改进NLP深度学习模型性能的重要方向，同时也面临很多挑战。

中科院计算所冯洋副研究员

中科院计算所冯洋副研究员分享的是“面向应用的神经机器翻译研究”的报告。在实际应用中，机器翻译系统需要在保证翻译质量的基础上，对翻译请求进行快速响应，以及能够应对不同领域的翻译文本。报告介绍了针对上述需求提高翻译质量、翻译速度以及领域自适应方面的研究进展。

中科院计算所罗平副研究员

中科院计算所罗平副研究员分享的主题为“CV + NLP = 智能文本：应用、差距与展望”的报告。罗平研究员指出过去一二十年的IT化发展，解决了各类文档的电子化存储的问题，但电子化存储并不等于机器可阅读，后续的各类文本智能应用仍依赖于蕴含在富格式文档中的结构化数据。他介绍了富格式文档中抽取结构化数据的框架，揭示出这是一个CV和NLP交叉的领域；同时，介绍企业中的前沿文本智能应用，并指出当前技术与工业应用的差距和展望。

分论坛二：自然语言处理技术交流现场

//////////

分论坛三：机器学习

机器学习技术分论坛分享嘉宾分别为南京大学詹德川副教授、中科院计算所庄福振副研究员、清华大学韩矞助理研究员、清华大学沈哲言博士、腾讯AI Lab机器学习中心总监黄俊洲、腾讯AI平台部游戏AI研发中心总监付强、腾讯微信数据中心总监陈川、腾讯互娱数据挖掘应用中心复杂网络负责人程序、腾讯互娱AI研究中心算法研究负责人郑规、腾讯微信搜索中心数据质量团队高级研究员唐亚腾、 腾讯音视频实验室音频技术中心高级研究员王燕南（排名不分先后）。本场论坛由南京大学詹德川副教授主持。

南京大学詹德川副教授

南京大学詹德川副教授分享主题为“适于移动环境的多模态学习进展”的报告。提出目前值得注意的在移动设备上和移动环境中，出于模态数据失效、计算能力受限以及用户隐私方面的考虑，需要对采样受限、资源受限以及分享受限的多模态学习方法进行研究。

中科院计算所庄福振副研究员

中科院计算所庄福振副研究员分享主题为“迁移学习算法研究及其应用”的报告。报告指出为了保证训练得到的分类模型具有高准确性和可靠性，传统机器学习假设用于学习的训练样本与新的测试样本满足独立同分布条件，而且必须有足够可利用的训练样本才能学习得到一个好的分类模型。然而，标记足够多的训练样本不仅费时耗力，而且测试数据往往来自其他领域且具有不同的数据分布，这给传统机器学习算法研究带来了巨大的挑战。

清华大学韩矞助理研究员

清华大学韩矞助理研究员分享主题为“图神经网络算法及其应用”的报告。该报告简单回顾一下图卷积网络（GCN）并探讨如何提高GCN在图数据上的表示学习能力。研究发现几个巧妙、简单的方法可以有效的提高GCN的表示能力，该方法可以等价表示为图注意力网络（GAT），其有效性在多个超大规模数据集上得到验证。

清华大学沈哲言博士

清华大学沈哲言博士分享主题为“因果学习：面向可解释性和稳定性的学习新范式”的报告。在一些如医疗、金融等对风险相对敏感且需要决策的领域，传统的黑盒模型无法让人感到满意。着眼于模型的可解释性和稳定性，沈哲言博士所在团队将因果推理的思想引入到机器学习当中，在充分挖掘问题背后的因果性关联而不仅仅是相关性关联后，其方法可以在不断变化的场景当中保持模型的稳定性，并为决策制定等实际应用提供有效的辅助。

腾讯AI Lab机器学习中心总监黄俊洲

腾讯AI Lab机器学习中心总监黄俊洲分享主题为“深度图学习最新研究和应用进展”的报告。本次分享介绍了AI Lab在深度图学习方向的最新研究进展以及相关模型在安全风控和医药等领域的落地应用。

━ ━ ━ ━ ━

分论坛三 机器学习技术交流现场

相关报道回顾：

腾讯八大高校联合实验室齐聚深圳，首届联席技术峰会开启产学合作大平台