Activities
2017年7月17日-18日，由中國自動化學會主辦，自動化學報編輯部、中國科學院自動化研究所復雜系統(tǒng)管理與控制國家重點實驗室承辦的第1期智能自動化學科前沿講習班在中國科學院自動化研究所成功舉辦。
.png)
本期是中國自動化學會首次舉辦的講習班活動，以“生成式對抗網(wǎng)絡(luò)GAN技術(shù)與應用”為主題，邀請了學術(shù)界和工業(yè)界從事該領(lǐng)域前沿研究工作的8位學者，全面介紹GAN技術(shù)與應用的研究進展，并探討相關(guān)技術(shù)的發(fā)展趨勢。本期講習班為從事生成式對抗網(wǎng)絡(luò)技術(shù)與應用研究的科研人員提供了在短時間內(nèi)快速了解前沿和最新研究并與同行探討交流的平臺，來自全國31個科研機構(gòu)和高校的研究人員參加了此次活動。
7月17日上午，中國科學院自動化研究所王飛躍教授為大家?guī)砹酥v習班的第一個報告“生成式對抗網(wǎng)絡(luò)GAN的研究進展與展望”，介紹了GAN的基本思想，綜述當前GAN的理論和應用發(fā)展情況，從構(gòu)造“數(shù)據(jù)-知識”閉環(huán)的角度，對如何結(jié)合GAN與平行學習等新思想、AI技術(shù)的發(fā)展及其對社會的影響等問題進行了探討。隨后，國立臺灣大學（位于中國臺北）李宏毅教授講述了“二次元動漫人物頭像生成”，從結(jié)構(gòu)學習談起，介紹了結(jié)構(gòu)學習與GAN的聯(lián)系，詳細介紹了使用GAN生成動漫頭像的過程，包括動漫頭像的獲取、GAN結(jié)構(gòu)的設(shè)計、模型的訓練以及提升模型性能的技巧等，最后介紹了GAN在自然語言處理領(lǐng)域的應用和一些研究成果，以及所面臨的困難及挑戰(zhàn)。
7月17日下午，哈爾濱工業(yè)大學左旺孟教授以“多領(lǐng)域視覺數(shù)據(jù)的轉(zhuǎn)換、關(guān)聯(lián)與自適應學習”為主題，結(jié)合圖像轉(zhuǎn)換、圖像編輯、多領(lǐng)域視覺數(shù)據(jù)關(guān)聯(lián)與領(lǐng)域自適應學習等應用問題，介紹了生成式對抗網(wǎng)絡(luò)的進展及其在圖像轉(zhuǎn)換、屬性關(guān)聯(lián)及領(lǐng)域自適應方面的應用，探討多領(lǐng)域視覺數(shù)據(jù)在數(shù)據(jù)層、特征層和決策層聯(lián)合利用的可行方案。中科院自動化所王坤峰副研究員做了“GAN與平行視覺”的報告，首先指出傳統(tǒng)視覺研究方法在數(shù)據(jù)獲取、模型學習與評估上存在不足，產(chǎn)生了虛實互動的平行視覺方法，詳細介紹了平行視覺的概念、框架、理論和技術(shù)，以及平行視覺在智能車輛和智能監(jiān)控方面的研究成果；然后介紹了平行視覺的重要分支——平行圖像，以及實際圖像“小數(shù)據(jù)”→平行圖像“大數(shù)據(jù)”→特定“小知識”的技術(shù)流程；在此基礎(chǔ)上，詳細介紹了典型的GAN模型，包括從GAN到BEGAN（圖像生成）、SimGAN（圖像改善）、CycleGAN（圖像轉(zhuǎn)換）等，總結(jié)了GAN的研究進展以及與平行視覺的結(jié)合點，指出今后的研究方向。
7月18日上午，University of Central Florida的Guojun Qi教授作了“The Landscape of Regularized Generative Adversarial Networks： Algorithms, Theory and Generalizability”的報告，介紹了一種新穎的損失敏感GAN網(wǎng)絡(luò)—LS-GAN，分析了LS-GAN得到的生成樣本密度和真實樣本密度的一致性，證明了LS-GAN可以解決梯度消失問題，并給出了無監(jiān)督LS-GAN擴展到基于給定條件生成樣本的條件模型及其應用。微軟亞洲研究院的秦濤主管研究員作了“從單智能體學習到多智能體學習：GAN，對偶學習等”的報告，從協(xié)同式多智能體學習、競爭式多智能體學習、協(xié)同和競爭共存式多智能體學習三方面，闡述了微軟亞洲研究院關(guān)于多智能體學習的最新研究，討論了對偶學習如何提高學習效率，包括從未標記數(shù)據(jù)中學習（雙向無監(jiān)督學習）、從已標記數(shù)據(jù)中學習（雙向監(jiān)督學習）和推理（雙向推理），并介紹了對抗神經(jīng)機器翻譯的相關(guān)工作。
7月18日下午，華東師范大學的孫仕亮教授以“概率多視圖多標簽學習與自編碼變分推理”為題目，首先回顧多視圖學習的代表性方法，然后針對一類具體的問題——多視圖多標簽分類，介紹研究進展。針對多視圖多標簽分類問題，介紹了目前的經(jīng)典做法以及伯努利混合模型，并提出了基于潛變量的條件混合模型。為了解決新模型的推理與學習問題，提出了基于自編碼變分推理和隨機優(yōu)化的訓練算法。最后，用具體實驗結(jié)果對各種相關(guān)方法的性能進行了對比。上海交通大學倪冰冰副教授以“面向圖像序列的生成技術(shù)及應用初探”為題目，介紹了對抗生成網(wǎng)絡(luò)運用于序列數(shù)據(jù)所面臨的主要技術(shù)難點與挑戰(zhàn)，提出面向圖像序列的生成技術(shù)的基本概念、原理、與技術(shù)路線。其次，介紹了序列生成技術(shù)的幾項最新的應用實例，即基于景深序列的風景畫生成技術(shù)、基于骨架序列的人物運動視頻生成技術(shù)、面向多人互動的運動視頻生成技術(shù)，詳細討論這些算法的優(yōu)劣，并探索未來可能的算法改進方向。
8位講者的精彩報告結(jié)束后，參會者踴躍提問，并與同行們進行交流討論。
歡迎繼續(xù)關(guān)注智能自動化學科前沿講習班后續(xù)課程！
《自動化學報》編輯部 供稿
