报告题目：长短期知识协同驱动的视觉持续感知
报告人：周嘉欢
报告时间：9月28日 9:00-10:30
报告地点：计算机楼107教室
报告摘要：近年来，随着预训练技术的不断发展，利用海量的图像、视频、3D等数据预训练得到的通用视觉模型受到了广泛关注。在实际应用中，随着时间推移，预训练视觉模型将持续处理新场景、新任务中不断获得新数据，如何在保证预训练视觉模型对新数据感知学习能力的同时，维持其对已知旧场景、旧任务、旧数据的处理性能，是一个亟需解决的重要问题。近年来，视觉持续感知技术成为应对上述挑战的有效范式，其旨在保证预训练视觉模型在动态变化的环境中不断学习新知识的同时，避免对旧知识的灾难性遗忘。其核心难点是如何实现短期学习得到的新知识和长期积累的旧知识的持续协同、增强与融合。本报告聚焦长短期知识协同驱动的视觉持续感知方法，将介绍我们最新发表于TPAMI 2025、ICCV 2025、ICML 2025、ICLR 2025、CVPR 2025等工作及其实际应用。报告主要内容包括三个方面：（1）针对短期知识难获取的挑战，讨论跨样本鉴别性知识挖掘等方法；（2）针对长期知识难巩固的挑战，讨论冲突知识选择性巩固等方法；（3）针对长短期知识难协同的挑战，讨论长短期知识对齐等方法。
报告人简介：周嘉欢，北京大学王选计算机研究所研究员、助理教授、博士生导师，国家高层次青年人才，北京大学小米博雅青年学者。2013年本科毕业于清华大学自动化系，2018年博士毕业于美国西北大学计算机科学专业。主要研究方向为计算机视觉、多模态学习、机器学习等，已发表Nature子刊、CCF-A和IEEE Trans论文六十余篇，包括Nature Communications、Nature Synthesis、IEEE TPAMI、IJCV、IEEE TIP、IEEE TIFS、CVPR、ICCV、ICML、ECCV、ICLR、AAAI、ACM MM等领域内顶级期刊和会议论文。主持包括国家自然科学基金优秀青年科学基金项目（海外）、国家自然科学基金面上项目、某基础加强技术领域基金、全国重点实验室开放基金、多项校企合作项目等。担任CCF-CV、CSF-VCS专委会委员，国际期刊Machine Vision and Applications编委、国际会议CVPR、ICML、NeurIPS、ICLR、ICME、ICPR领域主席，AAAI程序委员会委员。曾获北京大学青教赛（理工科）二等奖（2024年）、北京大学青教赛（理工科）最受学生欢迎奖（2024年）、北京大学“杨芙清-王阳元院士奖教金优等奖”（2025年）。
