写在前面

  今年 VALSE 2023 的举办地刚好在博主目前就读学校的所在地，江苏无锡，欢迎各方学者前来参会。先预告下，今年的确是大模型的主场了，ChatGPTA、AGI 等等百花齐放。

  会议持续3天（6月10-12日），7个特邀报告，12个APR报告，20场Workshop，186篇左右的顶会顶刊Poster。报告对比去年更多了，论文少了10几篇。

每篇博文的内容太多消化不了，请移步以下链接分别浏览：

• [VALSE2023无锡线下参会个人总结6月10日-1]
• [VALSE2023无锡线下参会个人总结6月11日-2]
• [VALSE2023无锡线下参会个人总结6月12日-3]

  PS：2023 年每周一篇博文阅读笔记，主页更多干货，欢迎关注。有问题私信或者留言都可，笔者看到后第一时间回复，期待 5 千粉丝有你呦 ~

会场照片

6月10日会议日程安排

  第一天没有 Workshop 的，所以大家都是同时看的一场报告。

大会主旨报告：

高文：特征编码与数字视网膜

高老师的报告主要围绕人眼中的视网膜如何与计算机视觉联系、编码等进行讲解，具体的可以搜索下卢老师相关文章，下面是一些现场的PPT照片。

整个报告就是 PPT 做的很深，但是高老师讲的内容还是容易理解的。PS：高老师并未来到现场，采用提前录屏的方式进行。

焦李成：下一代深度学习的思考与若干问题

从焦老师的报告开始就精彩起来了，分别从深度学习的起源和理论方面讲解现在、之后深度学习还有哪些亟待解决的问题。如果是在读博士，应该能读懂一些东西。其中模型的可解释性部分可以看下区间我的博客 VALSE2022天津线下参会个人总结8月22日-1，特邀报告2和3都涉及到模型的可解释性问题，需要了解相关知识的欢迎查看。

陈熙霖：计算机视觉-从孤立到系统性方法

陈老师一眼看上去就是位和蔼可亲的老师，PPT 所讲的内容也是切合实际。从一开始的计算机视觉引入，到目前计算机视觉的发展趋势：合久必分，分久必合（合的阶段：直接利用GPV模型去做下游任务）。未来一定是大模型的天下，也能够催生更多的产业应用。另一个重要的点是模型算法复杂度的思考：通用模型倾向于简单化，而专用模型可能进一步复杂化。最后两页的PPT非常重要，更多的是提问与回答，很多启示。

企业宣讲环节（一）

  图森未来和华为，其中图森做自动驾驶的，方向不是太符合，所以没咋拍 PPT，于是接下来华为的：

捅破天！

这次上台演讲的是华为诺亚方舟实验的成员，前面几张PPT都是实验室的产出成果，看的出来非常厉害，接下来两张PPT是华为目前所面临的一些难点问题，感兴趣的朋友可以关注下。

年度进展评述（一）

吴建鑫：神经网络模型轻量化设计

吴老师的主页：https://cs.nju.edu.cn/wujx/index.htm，有模型轻量化方向的强烈建议关注下！
这次会议的进展回顾提纲和所涉及的论文：https://cs.nju.edu.cn/wujx/paper/RefinedFileInfo.html，能看出来是位非常严谨的老师。

刘烨斌：基于 NeRF 的三维视觉

这个不懂，欢迎关注我的一位小伙伴：杀生丸学AI，他的方向是 NeRF。我这里就只放出一些PPT，感兴趣的可以关注 杀生丸学AI。

张兆翔：类脑智能

  这个当时应该是去干饭了，没拍到，[!尴尬]。

夏勇：医学影像检测与分割

  夏老师有点事情没到现场，由他的博士后学生报告。

大会特邀报告

朱军：扩散概率模型的前沿进展

  这是下午的报告，不懂，拍了两张PPT。

王井东：CV 大模型 VIMER

章国锋：基于隐式神经表示的三维重建、渲染与定位

刘偲：开放视觉感知

刘偲老师在2020年的时候就听过她的报告，当时做的指代分割。去年在天津上作了人工智能+艺术 的 workshop 报告以及优秀学生论坛的主席，基本上相当于 21-22 年发表论文的一个总结了。今年给我们讲的是开放视觉感知，很有意思。

企业宣讲

OPPO：罗俊：OPPO影像主张及技术创新的机遇与挑战

AutoDL：余佳：破解用卡难复现难新方案

  和去年一样的标题，换人了，上新了新机器，确实牛批，价格学生都可以承受。官网指路：AutoDL。

年度进展评述（二）

侯淇彬：开放域目标检测/识别

开放域的问题是在之前目标检测与识别基础上衍生而来的，因为目前的这些基础任务很难再去设计新的模型结构了，只能在之前的方向上加限定条件。

今年没怎么大谈预训练了，这个坑估计被占满了。

王利民：视频动作分析与识别

最后一页PPT是论文链接，放不出来，手打下：

• VideoMAE code & mode
  https://github.com/MCG-NJU/VideoMAE
  https://github.com/OpenGVLab/VideoMAEv2
  https://github.com/OpenGVLab/InternVideo
  https://github.com/OpenGVLab/Ask-Anything
• Temporal and spatial action detection code
  https://github.com/MCG-NJU/AdaMixer
  https://github.com/MCG-NJU/STMixer
  https://github.com/MCG-NJU/PointTAD
  https://github.com/MCG-NJU/BasicTAD
• 实验室主页：
  Multimedia Computing Group, Nanjing University
  OpenGVLab

胡瀚：视觉自监督学习

基本上能发现一些自监督后续的趋势（也快卷不动了，😅）。

程塨：遥感目标检测

  程老师的主页：https://gcheng-nwpu.github.io/

邓伟洪：人脸感知计算

  邓老师开玩笑说，这年头怎么还有人在研究人脸的？答案就在汇报里面，具体可查看邓老师主页。

邓成：多模态融合感知

  由其学生代为报告。

涉及到的论文篇数很多，四个多模态方向：融合、预训练、感知（具体任务）、生成。时间有限，理解起来也比较深奥，需要花时间读读这些论文。

魏哲巍：图表示学习

图神经网络方向，不懂。

刘成林：文档智能

文档智能也是涉及到多模态，刘老师的演讲报告内容很丰富，需要的建议关注下刘老师组。

写在后面

  第一天的任务量很多，确实大部分没太听懂。短时间内输出大量内容，只得讲个大致提纲，具体还得落实到论文上。