赫然 简介

赫然，博士，中国科学院自动化研究所模式识别国家重点实验室研究员，中国科学院特聘研究员，IAPR Fellow。从事模式识别应用基础研究，依托信息理论探索多媒体数据的内容压缩、交换、表示和生成机理，提出了轻量卷积神经网络架构(LightCNN)、表象最优传输模型和信息瓶颈解耦模型等，并应用到计算机视觉、生物特征识别、深度合成和人工智能安全，获得XXX生成竞赛冠军，所研制的图像表示和生成技术在华为、美团、京东等取得应用。出版信息理论学习专著1部；在IEEE TPAMI(影响因子: 17.86)第一作者发表论文5篇，研究工作获IAPR ICPR Best Scientific Paper Award(2020)、IEEE SPS Young Author Best Paper Award(2020)、IAPR/IEEE ICB Honorable Mention Paper Award(2019)和北京青年优秀科技论文一等奖(2015)，受到国家自然科学基金优秀青年科学基金、北京自然科学基金杰出青年科学基金和中科院青年促进会优秀会员等项目资助。权威期刊《Pattern Recognition》和《自动化学报》编委、国际会议NeurIPS2021等Area Chairs。

报告摘要

          视觉是人类感知外部世界的主要途径，视觉数据合成主要依托认知机理感知图像和视频数据的内容或表观，进而由深度生成模型进行学习与拟合；它通过对图像和视频数据进行重组、渲染或再生，进而创造出在内容或表观上完全不同的数据。近年来生成模型和合成技术取得很大进展，在特定条件下特定人物的合成已接近真人，广泛应用到影视文娱领域、并对公共安全提出挑战；多媒体合成与鉴别作为一组“攻”与“防”的耦合技术, 引起了学术界与工业界的广泛关注。本报告对多媒体合成与鉴别的发展进行梳理与阐释，针对适用场景与技术特点, 分别对人物换脸、表情驱动和深度鉴别等基本概念、发展历程进行梳理与分析，并从深度生成模型角度分析多媒体合成的行业需求以及对人工智能安全的影响。