活动预告 | 【第四届（2026）上海计算机视觉大会】 从多模态认知到物理智能：大模型前沿论坛

上海计算机视觉大会是由上海市计算机学会计算机视觉专业委员会发起的人工智能领域高水平学术会议。大会前三届已先后在上海海事大学、上海交通大学、复旦大学/上海创智学院成功举办，受到国内计算机视觉与人工智能领域专家学者的广泛关注与积极响应。第四届（2026）上海计算机视觉大会将于2026年6月12日至14日在上海举行，由上海市计算机学会、同济大学主办，上海市计算机学会计算机视觉专业委员会、同济大学计算机科学与技术学院承办，中国图像图形学会青年工作委员会、中国人工智能学会智能融合专业委员会、ACM中国上海分会、陕西省计算机学会计算机视觉技术专业委员会协办。

大会已邀请3位院士及50余位国家级高层次人才，共同分享计算机视觉与人工智能领域的最新研究进展、关键技术突破与前沿发展趋势。大会采用线上线下相结合的形式举办，致力于搭建开放共享的高水平学术交流平台与产学研合作平台。截至目前，已吸引眸深智能、联想、合合信息、奇富科技、是石科技、西井科技、魔芯科技、美团、云眼视界、未来创意实验室等10余家企业参与赞助。

本次大会聚焦人工智能与计算机视觉领域的前沿热点问题和核心关键技术，紧密对接国际学术发展前沿与国家重大战略需求，积极推动学术创新、技术转化与产业融合，进一步提升上海在人工智能领域的学术影响力与创新引领能力。

 论坛基本信息

论坛名称：从多模态认知到物理智能：大模型前沿论坛

会议时间：2026年6月12日14:00

会议地点：上海国际汽车城瑞立酒店浦江厅

 组织机构

主办单位：

上海市计算机学会、同济大学

承办单位：

上海市计算机学会计算机视觉专业委员会

同济大学计算机科学与技术学院

协办单位：

中国图像图形学会青年工作委员会

中国人工智能学会智能融合专业委员会

ACM中国上海分会

陕西省计算机学会计算机视觉技术专业委员会

 论坛简介

本论坛聚焦多模态大模型、三维智能、视觉-语言-动作模型、复杂场景理解与具身智能等前沿方向，汇聚国内外人工智能领域知名专家，围绕大模型从感知理解、内容生成到自主决策和物理世界交互的关键技术展开深入交流。论坛将探讨多模态基础模型在三维空间构建、医学智能、无人系统、低空经济和开放环境智能体等场景中的创新进展与应用潜力，旨在推动视觉、语言、动作、空间与决策模型的深度融合，助力上海打造具有全球影响力的人工智能创新策源地。

 论坛讲者

报告题目：三维空间的智能构建与绘制

报告摘要：近年来，人工智能技术发展迅猛，证明了利用神经网络来表达和学习逼近复杂对象的巨大潜力，所涌现的强大端到端推理能力将多模态内容生成提升到了前所未有的高度，有力推动了计算机视觉、计算机图形学和人工智能的融合，为交互三维图形技术的跨越式发展提供了变革性机会。本报告将重点介绍我们在三维场景的智能重建生成和实时全局神经绘制方面的探索性研究进展，展现了挖掘利用神经网络的强大全局连续参数化表达来解决图形系统所需的三维建模和仿真计算的能力。这些AI原生建模仿真技术的突破，不仅能为用户提供高度沉浸的感知体验和操控，也能为具身智能的演化持续提供有效训练数据，从而为人机物三元空间交互融合及其高效能软硬件系统的研发提供有效解决方案。

个人简介：鲍虎军，浙江大学教授，主要从事计算机图形学和混合现实的研究。所领导的团队曾获国家创新研究群体科学基金的资助，并承担了虚拟现实和混合现实两项973计划项目的研究，在三维景物高效建模和物理仿真、实时空间定位注册和高保真绘制呈现、多模态自然交互的理论、方法和系统方面取得了重要创新突破，主持研发了端云协同的混合现实和具身仿真训练等软件平台，实现战略应用和产业化。部分成果分别获国家自然科学二等奖1项和省部级科技一等奖4项。

报告题目：复杂场景下多模态智能理解

报告摘要：我们的世界正因多样化的数据源而日益互联，如何理解来自视觉、语言、深度等多种模态的复杂场景，已成为人工智能的核心课题。本报告将探讨多模态智能——即机器如何融合并推理不同感知输入，从而实现对环境的感知、理解与交互。我们将介绍该领域在模型架构、融合策略、应用以及多模态基础模型方面的最新进展，展示这些研究如何不断突破机器感知与认知的边界。最后，将讨论构建具备跨模态学习、鲁棒性、上下文感知以及类人理解能力系统所面临的挑战与机遇。

个人简介：韩军功，清华大学自动化系，兴华讲席教授(长聘)，国家海外高层次人才，国家信息研究中心‘类脑智能技术’交叉创新群体负责人。2024年9月回国，回国前任英国谢菲尔德大学（Top 100）计算机学院讲席教授。研究方向涵盖多模态感知、类脑机器学习与具身智能，推动3项人工智能技术实现产业化，音视频检索成果获CSI创新奖并助力企业斩获艾美奖。论文被引4.1万次，一作单篇最高被引超2100次，连续入选全球前2%科学家及0.05%高被引学者，CSRankings人工智能方向英国学者（曾）排名第六（谢菲尔德大学第一）。现任多本IEEE Transactions副主编，主持2项国家自然科学基金重点项目，BMVC 2025大会主席，欧洲科学与艺术院院士，国际模式识别学会（IAPR）会士。

报告题目：迈向物理智能：视觉-语言-动作技术现状与趋势

报告摘要：人工智能正迎来从感知智能向行动智能的范式变革。视觉-语言-动作（Vision-Language-Motion）作为连接数字认知与物理世界的关键纽带，已成为驱动通用人工智能落地的核心引擎。报告将系统梳理该领域的技术演进脉络。在此基础上，报告重点展望动作在具身智能领域中的演进趋势，阐述动作如何作为核心驱动力，赋能智能体在非结构化环境中实现自主决策，完成从数字智能向物理智能的关键跨越。

个人简介：邓成，二级教授，博士生导师，国家级人才，享受国务院政府特殊津贴，现任河海大学党委委员、常委、副校长。主持国家级和省部级科研课题30余项。近五年在国际顶级期刊和ICML、NeurIPS、ICLR、KDD、CVPR、ICCV、AAAI、IJCAI等CCF-A类国际会议上发表论文200余篇；Google Scholar总引用超12000次，连续多年入选中国高被引学者榜单和全球前2%顶尖科学家榜单。研究成果获国家自然科学二等奖1项、陕西省科学技术一等奖5项。

报告题目：YOHO：深度学习新模式探索

报告摘要：面对数据资源极端受限的场景，即仅有一张或一组输入图像，我们提出You-Only-Have-One(YOHO)深度学习新模式，其特点是摒弃海量训练数据，通过对一张/一组需要处理图像的高度拟合，专注于每个个体的极致发掘，从根本上解决了泛化难题。报告将分享我们近期在几个重要场景中基于YOHO框架取得的成果，包括基于内镜图像的食道早癌病灶精准分割、生成式医学图像超分及临床下游任务、以及生命科学领域中的大分子三维重构。

个人简介：曾兵：IEEE Fellow、国家特聘专家。1993-2013年于香港科技大学电子与计算机工程系历任助理教授、副教授、教授。2013年加入电子科技大学，任信息与通信工程学院教授，2017-2022年任电子科大格拉斯哥学院院长。研究领域为图像视频处理、多媒体通信、计算机视觉以及人工智能。

报告题目：开放环境下智能无人机决策规划

报告摘要：随着低空经济战略的持续推进与具身智能技术的飞跃发展，无人机在众多关键领域的应用场景日益丰富，正成为推动新质生产力的重要力量。智能感知、多模态大模型与自主控等关键技术赋予了具身智能体环境理解、自主规划与高效执行能力，正在重塑无人机的功能边界。本报告聚焦低空经济背景下无人机自主导航问题，围绕大模型驱动的无人机智能体、短距离细粒度规划导航、基于全局地图、对话增强的长距导航等前沿方向，为具身智能驱动下自主无人机的发展提供新的解决方案。

个人简介：刘偲，北京航空航天大学人工智能学院教授、副院长，中国图象图形学学会理事、副秘书长。主持国家自然科学基金优青项目、企业创新发展联合基金重点支持项目等多个项目，担任科技创新2030-重大项目课题负责人。曾获中国图象图形学学会自然科学奖一等奖（1/5）、国家科技进步二等奖、国防技术发明一等奖。主要从事具身智能与多模态内容理解的研究工作，发表CCF-A类论文100余篇，Google Scholar引用22000余次。多次担任ICCV、CVPR、ECCV、ACM MM、NeurIPS等国际顶级会议领域主席（AC），担任IEEE T-PAMI、T-MM、IEEE T-CSVT、CVIU编委（AE）。

 论坛嘉宾

个人简介：陶建华，中国计算机学会会士，中国人工智能学会会士，享受国务院特殊津贴专家，清华大学自动化系教授。中科院自动化所模式识别国家重点实验室副主任，中科院特聘研究员、国家杰出青年基金获得者、国家万人计划科技领军人才，中科院脑科学与智能技术卓越创新中心核心骨干。

个人简介：沈复民，电子科技大学教授、博士生导师，教育部长江学者特聘教授，民进中央青工委委员、四川省十四届人大代表、四川省特聘专家，吴文俊人工智能自然科学一等奖获得者。长期从事计算机视觉、多媒体计算等人工智能核心领域的研究，发表国际重要学术期刊/会议论文100余篇，获得引用1.4万余次，入选爱思唯尔计算机领域“2020、2021、2022、2023、2024中国高被引学者”，连续两年获得信息检索最高会议ACM SIGIR最佳论文荣誉奖；推动科技成果转化，带领团队自主研发了业界首款多模态人工智能操作系统——OSMAGIC码极客，将人工智能系统的研发效率提升60%。

 论坛主席

个人简介：赵生捷，国际欧亚科学院院士、国家级海外高层次人才、原同济大学软件学院院长、同济大学计算机科学与技术学院教授、智慧城市感知与规划重大工程软件技术教育部工程研究中心主任。持有中国科学技术大学无线电电子学本科学位、中国航天科工集团第二研究院电子与计算机工程硕士学位、美国著名的工科大学德克萨斯A&M大学电子与计算机工程博士学位。美国贝尔实验室技术学院院士、科学中国人2014年度人物奖获得者。人工智能、城市空间计算、无线通信等前沿领域的资深专家，主持国家自然科学基金委重点项目、国家“十二五”重大专项新一代宽带无线移动通信网项目、国家“十三五”重点研发计划物联网与智慧城市关键技术与应用专项项目、国家“十四五”重点研发计划城镇可持续发展关键技术与装备”专项项目等国家级项目。以第一完成人获2020年上海科技进步奖一等奖和2022年度教育部技术发明一等奖，及IEEE2025年国际计算机视觉与模式识别会议CVPR（CCF-A类会议）超可见光谱感知挑战赛三项冠军。

个人简介：张宇伦，上海交通大学计算机学院，任长聘教轨副教授，入选国家海外高层次青年人才，上海市海外高层次青年人才。本科、硕士、博士分别就读于西安电子科技大学、清华大学、美国东北大学。博士毕业后，在苏黎世联邦理工学院做博士后。我的主要研究方向是计算机视觉和机器学习，具体包括图像/视频复原与合成，模型压缩，计算成像，多模态计算，大语言模型等。在计算机视觉，机器学习，多媒体，人工智能等领域的顶级国际期刊和会议上发表学术论文100余篇，包括TPAMI,CVPR,ICCV,ECCV,ICLR,NeurIPS,ICML等。论文Google学术引用36000余次，一作论文单篇最高引用7400余次。获得2015年IEEE VCIP最佳学生论文奖，2019年IEEE ICCV RLQ Workshop最佳论文奖，全球AI华人新星百强（2021年），连续5年入选斯坦福“全球前2%顶尖科学家”榜单（2021-2025年），入选2024-2025爱思唯尔“中国高被引学者”，作为指导老师，与团队获得第十九届“挑战杯”主体赛全国特等奖。近年来担任顶级会议CVPR,ICCV,ECCV,ICLR,NeurIPS,ICML,ACM MM,IJCAI,AAAI等会议领域主席。

个人简介：丁恒辉，复旦大学青年研究员，博导，入选国家海外高层次青年人才、上海市海外高层次青年人才、复旦新工科人才、小米青年学者，获华为火花奖，任上海市计算机学会副秘书长。2016年于西安交通大学获学士学位，2020年于新加坡南洋理工大学获博士学位。曾在TikTok AI Lab、MMLab NTU、ETH Zurich担任研究员/博士后。主要从事计算机视觉、多模态、场景理解、AIGC、世界模型等研究。过去5年内共发表论文100多篇，包括90多篇CCF-A类论文和10多篇CCF-B类论文。担任IEEE TIP期刊编委、Pattern Recognition期刊编委，担任多个国际顶级会议的Area Chair或Senior Area Chair，如CVPR、NeurIPS、ICML、ICLR、ECCV、AAAI、ACM MM等。

 论坛议程

 会议注册

赞助单位（名单更新中）