活动概览
以人为中心的AIGC技术探讨论坛
- 探讨AIGC技术前沿
- 多位领域专家主旨报告
- 促进学术交流合作
- 推动AIGC技术发展
- 提供交流学习平台
活动信息依据公开来源整理，以主办方最新公告为准。如时间、地点、票价有变动，平台会更新并保留变更记录。报名前请通过原始来源核对。
活动详情
中国生物特征识别大会（Chinese Conference on Biometric Recognition, CCBR）是由中国图象图形学学会（CSIG）、中国人工智能学会（CAAI）、中国科学院自动化研究所主办的国内生物特征识别领域的学术盛会，CSIG生物特征识别专委会（筹）负责会议的具体组织工作。
第十九届中国生物特征识别大会（CCBR 2025）将于2025年11月21-23日在南昌举行，由南昌航空大学、江西财经大学联合承办，中国图象图形学学会生物特征识别专业委员会(筹)、中国图象图形学学会青年工作委员会、中国图象图形学学会视觉大数据专业委员会、IEEE Beijing Section Biometrics Council Chapter、中国图象图形学学会南昌会员活动中心、江西省公共安全科技创新联合会协办。
目前谭铁牛院士、赫然研究员、郑方教授、郑伟诗教授、钱建军教授、李哲蚂蚁数科、Ajay Kumar Professor、Anoop M. Namboodiri Professor已接受大会邀请并作主旨报告。
大会分论坛
多模态大模型前沿论坛
声纹识别论坛
智能数字人论坛
面部生物特征识别论坛
行为生物特征识别论坛
以人为中心的AIGC论坛
视觉基础模型论坛
走向通用行人重识别论坛
生物特征安全及隐私论坛
手部特征识别论坛
女科学家论坛
生物特征识别中的微视觉计算论坛
生物特征识别产业应用论坛
眼部特征识别论坛
静脉识别论坛
生物特征识别前沿交叉论坛
“看见心跳”——远程光电容积描记（rPPG）前沿论坛
以人为中心的AIGC论坛
以人为中心的AIGC论坛是一个专注于探讨人工智能生成内容（AIGC）技术及其应用的学术交流平台，本次论坛聚焦于该领域的创新突破，邀请了五位在相关领域具有深厚造诣的专家。华中科技大学的王兴刚教授将从扩散模型和自回归模型两个角度围绕高效可控图像生成展开探讨，介绍研究团队近期最新研究成果VA-VAE和LightningDiT（CVPR 2025 Oral），DiG（CVPR 2025）和ControlAR（ICLR 2025）。西安电子科技大学的王楠楠教授将从架构设计、推理步数和参数量化三个方面，探索图像生成模型中神经网络规模压缩和稳定训练方法，实现绿色低碳的大模型轻量化技术。南京理工大学的舒祥波教授将围绕多样化场景下的人体行为理解任务展开探讨，重点介绍课题组近年来在边云协同中的模型预训练与微调、全局模型聚合次优性优化、客户端数据无损浓缩、运动学信息高效学习、以及全局模型训练策略改进等方面的研究进展与技术方案。北京大学的余肇飞教授将介绍团队在脉冲视觉传感器原理、脉冲神经网络在时空信息处理中的应用等方面的研究进展，并讨论以神经形态视觉为代表的“类人感知计算”如何成为连接人类与AIGC系统的重要桥梁。北京航空航天大学的盛律教授将分享利用扩散模型先验构建高精度、可编辑三维视觉内容的系列工作，并进一步介绍面向精准具身感知任务的学习框架，借助高精度的三维物体和可编辑三维场景构造海量数据，有效提升具身智能体对复杂动态具身感知任务的学习效率。期待本次论坛能够为与会者提供一个交流和学习的平台，促进专家学者之间的深入合作和学术交流，推动以人为中心的AIGC技术的进步和发展。
王兴刚
华中科技大学教授
简介：王兴刚，华中科技大学电信学院教授，主要从事视觉表征学习、多模态基础模型、自动驾驶等领域研究，谷歌学术引用4.5万次，H-index 84。担任Image and Vision Computing期刊共同主编，IEEE TPAMI副编辑，CVPR、ICCV、NeurIPS、AAAI等顶会领域主席。入选了国家万人计划青年拔尖人才、中国科协青年人才托举工程。获湖北青年五四奖章、CSIG青年科学家奖，CVMJ最佳论文奖，MIR期刊最高引用论文奖等。
报告题目：图像生成中的高效可控表征学习方法
报告摘要：图像视频生成等AIGC技术近年来取得了飞速的发展，其基本范式主要有两种：扩散模型和自回归模型。本次报告将从扩散模型和自回归模型两个角度围绕高效可控图像生成展开探讨，介绍三个工作：（1）VA-VAE和LightningDiT（CVPR 2025 Oral）通过将视觉分词器的潜在空间与预训练视觉基础模型对齐，显著提升高维潜在空间中扩散模型的重建-生成性能与训练效率，在ImageNet 256上以1.35的FID达到SOTA，并实现超过21倍的收敛加速。（2）DiG（CVPR 2025）将门控线性注意力（GLA）引入扩散模型以实现亚二次复杂度，在保持生成质量的同时显著提升高分辨率图像生成的训练与推理效率。（3）ControlAR（ICLR 2025）提出了一种面向自回归图像生成模型的高效控制框架，通过轻量控制编码器与基于条件解码的token级融合机制，显著提升AR模型在边缘、深度、分割等空间控制下的生成质量与可控性，性能超越现有可控扩散模型如ControlNet++。