本網(wǎng)訊：（程學勤  圖文報道）10月31日下午，我院學術(shù)報告會思雅講壇（第94講至96講）在志學樓506順利進行。本次報告會邀請了張梅教授、馮平博士和唐瑞雪博士為學院師生開展學術(shù)講座，教師、研究生及本科生100余人參加。

張梅教授以“復雜曲面物體3D實景建模與深度學習分析”為主題，系統(tǒng)介紹了曲面物體3D實景建模與基于深度學習的計算機視覺分析關(guān)鍵技術(shù)。報告不僅向初次接觸曲面物體3D實景建模的師生介紹了入門的關(guān)鍵知識，而且還介紹了近年來國內(nèi)曲面物體3D實景建模與計算機視覺分析關(guān)鍵技術(shù)研究的重要成果。

馮平博士以“元認知圖神經(jīng)網(wǎng)絡(luò)模型設(shè)計與表示學習研究”為主題，由于傳統(tǒng)GNN模型在表示學習中面臨了許多困境，指出其關(guān)鍵原因在于現(xiàn)有模型缺乏對自身學習過程進行反思與調(diào)控的能力。因此在報告中馮平博士創(chuàng)新性的介紹了認知科學中的元認知理論，構(gòu)建出一種新型的元認知圖神經(jīng)網(wǎng)絡(luò)，該模型意在GNN中加入一個“元認知模塊”，使GNN能夠模擬人類“對思考的思考”這一過程。

唐瑞雪博士以“多模態(tài)命名實體識別方法研究”為主題進行報告，詳細探討了融合文本與圖像信息的實體識別新技術(shù)。報告指出，傳統(tǒng)NER在實體識別和語義理解中存在局限，而多模態(tài)NER通過引入圖像信息顯著提升了識別準確率。目前主流方法包括序列標注、跨度分類及大模型生成三類，未來將向知識增強、跨領(lǐng)域遷移與生成式NER等方向發(fā)展。該技術(shù)已在工業(yè)檢測、醫(yī)療影像、輿情分析等領(lǐng)域展現(xiàn)出廣泛應用潛力。

張梅教授、馮平博士與唐瑞雪博士同在場師生圍繞報告內(nèi)容進行了深入的探討，現(xiàn)場交流氛圍濃厚。三位老師的分享內(nèi)容詳實且富有啟發(fā)性，為師生們把握學術(shù)前沿、汲取新知識提供了重要平臺，有助于拓寬科研視野、激發(fā)創(chuàng)新思路，為學院的學術(shù)生態(tài)與學科建設(shè)注入了新的動力。

                                            一審：崔  鵬
                                               二審：譚  健
                                               三審：詹  偉