本期热点讨论

💙 计算机视觉算法存在哪些病态性？

💙自然降质、对抗样本、后门三者有何异同？

💙 纯数据驱动的计算机视觉算法是否既能具有对烟雨雾霾等复杂扰动的鲁棒性？

💙 是否存在裨益计算机视觉任务的正向扰动？

本周四(11月30日)19:00，《追AI的人》系列直播第33期邀请了中山大学网络空间安全学院院长操晓春教授分享《“病态的”的计算机视觉算法》。

直播详情

直播主题：《“病态的”的计算机视觉算法》

直播时间：2023年11月30日(周四)19:00

直播地点：微信搜索“阿里巴巴AI治理中心”视频号，B站搜“AAIG课代表”。

议题简介

大部分计算机视觉算法的输入为连续或者稠密的图像数据，输出为人类可以理解的类别、位置、深度等离散或者稀疏语义空间。由于定义域和值域集合的基数不一致，这些计算机视觉算法不满足well-posed问题的第三个条件，是经典的ill-posed问题。

纯数据驱动的计算机视觉算法是否既能具有对烟雨雾霾等复杂扰动的鲁棒性？又能避免的dedicated对抗扰动?是否存在裨益计算机视觉任务的正向扰动？我们团队正在探索的这些问题的答案，本报告将简述部分进展。

💛【课程大纲】：

1、计算机视觉算法的病态性

2、自然降质、对抗样本、后门的异同

3、自然降质图像的鲁棒算法

4、对抗样本的攻击与防御

5、欺骗人类的人脸隐私保护算法

6、裨益计算机视觉任务的正向扰动

讲师简介

操晓春

操晓春，中山大学信息学部副主任、网络空间安全学院院长，国家杰出青年/优秀青年基金获得者。主要从事人工智能基础研究和网络空间内容安全应用研究；发表ACM/IEEE 汇刊100余篇，CCF-A类期刊及会议长文文章160余篇；Google引用21000余次，H-index 65；获得省部级一等奖和二等奖各1项。

现兼任TPAMI的Associate Editor、TIP的Senior Area Editor、电子学报的编委，曾兼任TMM和TCSVT的的Associate Editor，10余次兼任NeurIPS/ICCV/CVPR/IJCA等会议的Area/Track Chairs。指导博士生获得中国电子学会优博、CCF优博、中科院优博论文3篇次；指导的研究生有4人入选国家级人才计划。

追AI的人是什么？

《追AI的人》系列直播是一档由阿里巴巴人工智能治理与可持续发展研究中心(AAIG)联合高校和产业界发起的AI治理交互栏目。重点关注并分享人工智能新技术、AI治理新观点、可持续发展新风向。目前联合高校、律所等多家单位举办了32期直播，吸引全国超100万人次实时观看。