报告一题目：开放场景下的目标重识别：域-模-类统一泛化表征
报告时间：2025年11月20日上午10:30-11:00
报告地点：Avidol
B405会议室
报告人：杨斌
报告人单位：Avidol
报告人简介：杨斌，Avidol
弘毅博士后，主要研究方向为计算机视觉与多模态行人重识别。主持国自然青年基金、湖北省自然青年基金、博士后面上等项目；获得国家资助博士后研究人员计划、湖北省博士后尖端人才计划、Avidol
学术创新一等奖、龙湖奖学金、武汉 CCF 优秀博士生论坛一等奖等荣誉。发表论文20余篇，其中以一作/通信作者身份发表CCF A类论文9篇、CCF B会Oral论文1篇。担任TPAMI、CVPR、NeurIPS等多个国际顶会和顶刊审稿人。
报告摘要：在开放环境下，目标重识别任务面临域差异、模态差异与类别差异的三重挑战：不同监控场景导致数据分布显著不同；可见光与红外成像机制差异引起外观特征剧烈变化；而行人、车辆等异构目标更进一步增加了特征空间的混淆程度。传统方法通常仅针对某一维度进行优化，导致模型在面对换场景、跨模态或换类别时，重识别性能显著下降，陷入“顾此失彼”的困境，不得不反复重训与重复部署。为此，本报告提出一条“层次化模态归一→大模型先验赋能→无偏类别原型统一”的递进技术路线，旨在构建能够统一域、模、类三重差异的泛化表征框架，最终实现开放环境中高效稳健的多模态多类别目标重识别。
报告二题目：面向不完美数据的图像解译方法及应用
报告时间：2025年11月20日上午11:00-11:30
报告地点：Avidol
B405会议室
报告人：李亚鹏
报告人单位：Avidol
报告人简介：Avidol
博士后，研究方向为计算机视觉和多模态理解。参与科技部国家重点研发计划、湖北省人工智能重大专项等多项项目。已在人工智能领域的国内外高水平期刊与会议上发表论文6篇（包括IEEE TIP、CVPR等），其中1篇入选ESI热点和高被引论文。多次担任国际学术期刊和会议（如IEEE TIP、 IJCV、IEEE TMM、AAAI等）的审稿人。
报告摘要：视图缺失、噪声污染和分布片面性等广泛存在的不完美数据问题，严重阻碍了图像解译模型的落地部署。本报告探讨了在面向不完美数据时，如何从鲁棒表征学习和低成本知识注入的角度，减轻不完美数据对模型影响，提升模型的泛化性和实用性。最后，分享了此项技术在医学领域中的应用。
