中国图像图形学会青年科学家会议是由中国图像图形学会青年工作委员会发起的学术会议。会议面向国际学术前沿与国家战略需求，致力于支持图像图形领域的优秀青年学者，为青年学者提供学术交流与研讨的平台，促进青年学者之间的交流与合作创新。会议同时邀请产业界专家与青年学者做深入交流，鼓励图像图形领域的“产学研” 深度合作。
第二十二届中国图像图形学会青年科学家会议将于2026年8月3日至6日在昆明云安会都酒店举办，由中国图像图形学会主办，昆明理工大学、云南师范大学、云南大学、中国图像图形学会青年工作委员会联合承办，AutoDL 协办。大会参会人数预计将超过2000人，其中包括300多位国家级人才。会议将聚焦于图像图形领域前沿和热点，涵盖重要的研究领域和研究方向，各类高水平报告将超过200场，将是一场精彩纷呈的学术盛宴。
会议网址：
http://youth.csig.org.cn/CSIG2026/index.html
中国科学技术大学
常晓军，中国科学技术大学讲席教授，国家级高层次人才，中国科学院海外引进杰出人才，民盟盟员，澳大利亚研究理事会青年研究奖获得者。主要从事具身智能、多模态大模型及类脑多模态大模型等方面的研究。主持包括国家自然基金区域联合基金，科技部新一代人工智能重大专项等在内的国家级科研项目十余项。相关科研成果发表在IEEE Transactions on Pattern Analysis and Machine Intelligence（T-PAMI）、International Journal of Computer Vision（IJCV）等国际顶级期刊以及CCF A类会议上共计150多篇，Google Scholar引用次数超过2万次，其中21篇论文入选ESI高被引/热点论文。2019年至2024年连续入选科睿唯安高被引科学家，入选爱思唯尔2024“中国高被引学者”榜单。担任IEEE TCSVT、IEEE TNNLS、ACM TOMM等国际顶级期刊的副主编，并在多个CCF A类国际会议中担任领域主席（Area Chair），积极参与国际学术社区建设与服务。
清华大学
黄高，清华大学长聘副教授，博导。研究领域为人工智能基础模型及算法，在Nature Machine Intelligence、IEEE TPAMI等期刊、会议发表论文200余篇，总引用10.5万余次，代表作DenseNet单篇引用逾6万次。获教育部、CAAI、CSIG自然科学一等奖、CVPR Best Paper和NeurIPS Best Paper Runner-Up、MIT TR35、AI 2000人工智能最具影响力学者；担任IEEE TPAMI等国际期刊编委和多个人工智能顶级会议领域主席。
上海交通大学
杨学，上海交通大学自动化与感知学院长聘教轨助理教授，主持国自然及上海市青年基金项目，曾入选第十届中国科协青年人才托举工程、中国计算机学会优博、上海市启源青年学者，并连续两年入选爱思唯尔中国高被引学者名单和连续三年入选全球前2%顶尖科学家榜单。研究方向为多模态大模型、空间智能和遥感影像解译。在CCF-A类顶级期刊和会议上发表70余篇论文，包含一篇最具影响力AAAI21论文榜首、CVPR2026最佳论文候选、遥感期刊年度最佳论文，谷歌学术引用累计超过1.2万次，并担任ICLR/AAAI/NeurIPS顶级会议领域主席。
沈春华
浙江大学
Multi-Modal Models for Embodied Intelligence with Geometry-Aware Generation and Reasoning
报告摘要
This talk presents our advances in bridging multi-modal models with embodied intelligence by focusing on 3D/4D scene construction and generation, reinforcement learning-based visual reasoning, and geometry-aligned video synthesis. We first introduce methods for accurate 3D representation and 4D dynamic scene reconstruction from multi-modal inputs. We then leverage reinforcement learning to enable robust reasoning over images and videos for sequential decision-making. To improve physical consistency, we explicitly inject camera pose information into video generation frameworks, producing geometrically aligned and spatially coherent outputs. These contributions enhance the perception, reasoning, and generation capabilities of embodied systems, supporting more reliable and realistic interactions in dynamic environments.
论坛讲者简介
Chunhua Shen has been a University Chair Professor at Zhejiang University since 2022, where he serves as Deputy Director of the State Key Laboratory of CAD&CG and leads research in artificial intelligence, machine learning, and computer vision. Prior to joining Zhejiang University, he spent nearly two decades in Australia, holding key positions including: Principal Applied Scientist at Amazon Australia, Full Professor at the University of Adelaide and the Australian Institute for Machine Learning, and Chief Investigator at the Australian Centre for Robotic Vision, National ICT Australia (NICTA), and the Australian National University.
He earned his BSc and MSc from Nanjing University, an MPhil from the Australian National University, and a PhD from the University of Adelaide, Australia. His research centers on computer vision, statistical machine learning, and multi-modal models, with influential contributions to anchor-free object detection (e.g., FCOS) and deep learning fundamentals. As a highly cited scholar, his Google Scholar citations exceed 100,000 as of May 2026, with an H-index of 152. Several of his research outputs, including image parsing and object detection technologies, have been successfully deployed on tens of millions of mobile devices and applied in autonomous driving scenarios. His honors include the Australian Research Council Future Fellowship (2012) and the Chang Jiang Scholars Distinguished Professorship (2022).
程明明
南开大学
从个性化生成到视觉统一模型
报告摘要
自ChatGPT后，自然语言任务向生成模式的统一处理，为通用人工智能的发展提供了新思路。在视觉领域，如何统一多样化的感知与生成任务，并充分利用视觉数据中的通用知识，成为关键挑战。由于视觉任务形式复杂且不统一、信息密度低，且缺乏结构化标注，现有统一模型通常仅能处理十余种任务。为此，我们提出一种通用任务表示方法，将图像与文本在时空维度进行关联，并基于五种元任务构建了覆盖130多种视觉任务的大规模预训练数据集，从而显著提升了任务的密集性与任务间的相关性。通过该数据集对文生图模型进行微调，我们开发出视觉统一模型 VisualCloze。该模型不仅能够统一处理多种图像理解与生成任务，还展现出对未见任务的Few-Shot乃至Zero-Shot泛化能力，为构建通用视觉模型迈出重要一步。
论坛讲者简介
程明明，南开大学二级教授，卓越工程师学院执行院长，媒体计算团队学术带头人。主持承担了国家杰出青年科学基金、优秀青年科学基金项目、科技部重大项目课题等。他的主要研究方向是人工智能、计算机视觉和计算机图形学，在SCI一区/CCF A类刊物上发表学术论文100余篇（含IEEE TPAMI论文40余篇），h-index为100，论文谷歌引用7万余次，单篇最高引用5千余次，多次入选全球高被引科学家和中国高被引学者。技术成果被应用于华为、国家减灾中心等多个单位的旗舰产品。获得教育部自然科学一等奖2项、其他省部级科技奖2项。培养的4名博士生获得省部级优秀博士论文奖。现担任天津市视觉计算与智能感知重点实验室主任、中国图象图形学学会副秘书长、天津市人工智能学会副理事长和顶级期刊IEEE TPAMI, IEEE TIP和《中国科学：信息科学》编委。
刘 伟
上海交通大学
基于多模态大模型的视觉感知理解
报告摘要
本次报告将从三项多模态视觉相关研究展开介绍。第一，针对CLIP受文本编码器限制、仅适配短文本对齐的缺陷，我们提出Fix-CLIP模型，将词元上限由77拓展至248，实现精细化图文匹配，在图文检索任务中性能超越同期同类算法。第二，面向多模态智能体复杂视觉推理存在观测偏差、忽略执行反馈的痛点，本文提出V-ABS行动观测驱动束搜索框架，搭配熵自适应加权算法，并依托80k+自建微调数据集优化推理路径，该方案适配开源与闭源模型，在主流基准测试中取得最优结果。第三，为解决现有深度估计算法缺失对象级信息、鲁棒性薄弱的问题，我们创新性结合SAM模型提出RoSAMDepth框架，通过特征增强与区域约束策略优化自监督深度估计效果，综合性能位居行业前列。
论坛讲者简介
刘伟现为上海交通大学自动化与感知学院长聘教轨副教授、博士生导师，入选国家高层次青年人才、上海市海外高层次人才和上海市浦江人才。刘伟博士近年来主要研究多模态大模型和基于深度学习的计算机三维视觉任务包括三维重建、深度估计、三维检测等。他已主持多项国家级和上海市科委项目，并于华为等企业存有广泛的项目合作，相关成果发表学术论文八十余篇，现担任国际期刊Transactions on Image Processing期刊编委（Associate Editor）。
范 琦
南京大学
从视频生成到长时稳定的世界模型
报告摘要
近年来，多模态生成模型推动视频生成从短视频合成走向长时序、可交互的世界模拟。随着生成时长增加，模型不仅要保证局部画面质量，还需在持续演化过程中维持稳定一致的场景结构与内容状态。本报告围绕长视频生成与视觉世界建模这一主线，介绍如何从整体上规划长视频的演化过程，在生成过程中及时修正逐步累积的偏差，并将历史场景中的空间结构压缩为可持续利用的隐式记忆，从而支持超出有限上下文范围的长期一致生成。这些工作旨在推动视频生成模型从视觉内容生成进一步走向能够长期维持空间与内容一致性与稳定性的视觉世界模型。
论坛讲者简介
范琦，南京大学智能科学与技术学院副教授，紫金学者，博士生导师，国家高层次青年人才。范琦博士毕业于香港科技大学，主要研究方向为计算机视觉和世界模型，近年以通讯作者和第一作者身份在计算机视觉顶级会议和期刊（CVPR、ECCV、ICCV、ICLR、IJCV等）发表学术论文近三十篇。近两年主持国家人才项目、部委人才项目、国自然、省自然青基、CCF基金、企业横向等项目，主持项目经费累计超千万。
钟志航
上海交通大学
从原始视频到多模态空间智能：大模型时代的3D数据自动化构建
报告摘要
空间智能正在成为多模态大模型与三维视觉交叉中的重要方向。围绕“大模型时代 3D 视觉还能做什么”这一问题，本报告将介绍我们在空间数据自动化构建方面的探索。我们提出 Holi-Spatial，首次尝试从原始视频流出发，构建一条端到端、全自动的空间数据生成管线，将高保真 3D Gaussian Splatting 重建、开放词汇感知、2D-to-3D 实例 Lifting 与场景级 refinement 有机结合，在无需 3D 传感器和人工逐场景标注的条件下，自动生成兼具几何结构与多层语义监督的空间数据。基于该管线，我们进一步构建了 Holi-Spatial-4M 数据集，为空间智能的数据规模化提供了一条新路径，并验证了其对 3D grounding 与 spatial reasoning 等任务的显著增益。进一步地，报告还将延伸至 SpaceDG，探讨空间智能在模糊、低照度等非理想视觉观测下的鲁棒性问题。通过这两项工作，我们希望说明：在大模型时代，3D视觉的重要价值并未减弱，而是在向空间智能的多模态数据引擎与真实世界能力支撑进一步演化。
论坛讲者简介
钟志航，副教授、博士生导师，上海市海外人才引进计划青年项目获得者。曾任职于浦江国家实验室，作为核心成员参与研发的“书生·浦动”系统已服务于巴黎奥运会、汤尤杯、中网等国际重大赛事，并在CCTV5等主流媒体平台多次播出与报道，相关成果获2025年度“上海设计100+”全球竞赛AI创新设计奖（行业应用）。
钟志航于2023年毕业于东京大学计算机科学系，获博士学位；2018年毕业于浙江大学机械电子工程系（竺可桢学院混合班），获荣誉学士学位。求学期间曾获东京大学系长学术奖（全系每年1名博士）、国家优秀自费留学生奖学金B类（全球50名、日本领区2名）、日本学术振兴会青年科学家Fellowship（JSPS DC）等多项荣誉。
研究方向涵盖空间智能体、神经渲染与计算摄影等领域，在国际顶级计算机视觉和机器学习会议（CVPR、ECCV、ICCV、ICML）及期刊（TPAMI、IJCV）发表论文近30篇，文章多次获得Oral、Spotlight，以及CVPR 2026 Award Candidate的认可。
大会注册链接：
http://youth.csig.org.cn/CSIG2026/views/dhzc.html
不同级别的赞助企业可享受不同的企业权益，各项如涉及赞助单位顺序，均以钻石、铂金、金牌、银牌赞助以及单项合作企业顺序排序，同一级别的排序将综合考虑赞助确定时间和历史赞助总额。
李华锋 昆明理工大学 lhfchina99@kust.edu.cn
雷印杰 四川大学 yinjie@scu.edu.cn
END
编辑：朱磊
审定：赵才荣
CSIG青工委