0
2025年12月17日，由深圳市科學技術協會指導，深圳市人工智能學會主辦，深圳市人工智能學會青工委和中山大學·深圳承辦的“機器視覺技術沙龍”在中山大學深圳校區工學園1-134會議室成功舉辦。活動匯聚了來自高校與企業的多位專家學者，圍繞機器視覺領域的前沿理論、關鍵技術與應用趨勢展開深入交流與研討，旨在加強學術界與產業界之間的溝通協作，推動前沿技術在深圳的實際應用探索。本次沙龍緊扣新一代人工智能與新質生產力發展方向，聚焦機器視覺技術從傳統感知范式向可控視覺生成、多模態推理與交互式視頻建模等新階段的演進路徑，吸引了來自高校、科研機構及相關領域的研究人員積極參與，現場交流充分、研討氛圍濃厚。
參會人員合影
本次活動由中山大學教授金枝博士主持。學會始終圍繞“推動人工智能前沿理論創新與關鍵技術突破、促進人工智能與實體經濟深度融合”的宗旨持續開展學術交流與產業對接工作，已逐步形成覆蓋機器視覺、多模態智能、大模型應用等方向的學術與產業協同網絡。未來，學會將繼續發揮平臺紐帶作用，依托深圳豐富的應用場景和產業基礎，促進學術界與產業界的深度交流合作，加快機器視覺前沿技術在粵港澳大灣區的落地應用與創新發展。
金枝博士主持活動
在報告環節，北京大學長聘副教授、博士生導師張健博士以《最優化視角下的可控視覺生成》為題，從最優化建模的視角系統闡述了可控視覺生成的理論基礎與關鍵技術，深入分析了生成過程中的約束建模與控制機制，指出圖像重建、圖像編輯等多類視覺任務在本質上均可統一為“可控視覺生成”這一范式，并可通過引入不同形式的約束條件實現對生成內容的精確操控。同時，報告還探討了相關方法在多種視覺生成任務中的應用潛力及未來研究方向。
張健博士作主題報告
字節跳動算法研究員趙世杰博士以《推理式多模態大語言模型在質量評價中的應用以及原理》為題。報告圍繞多模態大語言模型在圖像質量評價領域的最新進展，介紹了一種基于強化學習的圖像質量理解方法 Q-Insight。該方法在僅依賴少量評分與退化標注的情況下，實現了對圖像質量的有效評估與退化感知，并通過聯合建模多項任務提升整體評價性能。趙研究員表示，Q-Insight 的提出為圖像質量評價從單一數值打分邁向具備推理能力的質量理解提供了新的研究思路與技術路徑。
趙世杰博士作主題報告
阿里巴巴算法專家牟沖博士作題為《基于 MLLM 引導的視覺統一編輯框架》的專題報告，介紹了多模態大模型在視覺內容編輯中的引導作用及相關框架設計思路，并分享了其在多模態內容創作中的應用前景。報告中提到的 T2I-Adapter 方法，通過引入輕量級適配機制，在不改變原有生成模型結構的情況下，實現了對生成結果的有效控制。牟博士認為，該類方法在數字內容生產、智能制造和虛擬現實等領域具有較高應用潛力，有助于降低技術應用門檻，推動前沿算法加快向實際生產工具轉化。
牟沖博士作主題報告
香港大學博士研究生余濟聞以《可控、可泛化且具備記憶能力的交互式視頻世界模型》為題作報告，重點圍繞交互式視頻生成中“動作控制”“場景泛化”與“長期記憶建模”等關鍵問題展開闡述。報告以GameFactory和Context-as-Memory等研究工作為例，介紹了在開放場景下實現動作可控生成以及提升長視頻時序一致性的最新進展，并分析了相關方法在虛擬環境構建、智能體訓練和游戲內容生成等方向的應用潛力。相關研究為構建具備持續演化能力的生成式視頻與虛擬世界模型提供了有益探索。
博士研究生余濟聞作主題報告
在前沿論文研討環節，中山大學·深圳與北京大學深圳研究院的研究生分別分享了機器視覺與多模態智能領域的代表性研究論文，并圍繞研究動機、技術路線、實驗設計及未來發展方向展開深入交流與討論。研討主題涵蓋三維場景重建、理解與編輯技術，以及二維圖像的一體化增強與多視角編輯等方向。參會學生積極互動、踴躍提問，現場學術討論氛圍熱烈而深入。
前沿論文研討
最后，沙龍進入總結階段。與會專家一致認為，機器視覺技術正處于由單點算法突破向系統化、工程化應用加速演進的關鍵階段。依托完善的產業體系、豐富的應用場景和良好的創新生態，深圳具備推動前沿機器視覺技術加快落地的獨特優勢。通過持續以真實需求牽引技術發展、以工程實踐促進成果轉化，有望進一步釋放機器視覺技術對實體經濟和新興產業的支撐作用。本次機器視覺技術沙龍的成功舉辦，為學術界與產業界搭建了高水平的交流平臺，對推動機器視覺技術創新應用、服務深圳先行示范區建設和新質生產力培育具有積極而深遠的意義。
雷峰網版權文章，未經授權禁止轉載。詳情見轉載須知。
