Chenfiona的个人博客分享 http://blog.sciencenet.cn/u/Chenfiona

博文

机器智能前沿论坛·第5期 | AI for Art

已有 398 次阅读 2024-4-2 17:35 |个人分类:最新资讯|系统分类:博客资讯

title.jpg

机器智能前沿论坛衍生于“智能科学创新讲堂”,由中国科学院自动化研究所主办英文学术期刊Machine Intelligence Research(MIR)发起,同时在自动化所及MIR官方B站及视频号直播,旨在聚焦机器智能领域热点,交流最新前沿成果。

机器智能前沿论坛

第 5 期

机器智能前沿论坛·第5期将聚焦"Artificial Intelligence for Art"这一专题,论坛将在自动化所B站、视频号、MIR视频号、蔻享学术四大平台同步直播2024年4月10日(周三)14:30,准时开播!

往期论坛精彩回顾:

【回放】机器智能前沿论坛·第1期 | 类脑机器学习

【回放】机器智能前沿论坛·第2期 | 伪装场景感知及多模态应用 

【回放】机器智能前沿论坛·第3期 | 大规模预训练: 数据、模型和微调

【回顾-线下】机器智能前沿论坛·第4期 | 多模态数据感知与学习

报告主题 & 嘉宾简介

时间:2024年4月10日(周三) 14:30-17:00

牟.png

主持人:牟伦田 副教授

北京工业大学

个人简介:

牟伦田,中国科学院大学博士,北京大学博士后,加州大学欧文分校访问学者。研究方向主要为情感计算、智能艺术。主持参与国家项目十余项。荣获北京市科技进步二等奖、AVS产业技术创新奖、IEEE标准制定突出贡献奖。IEEE AIART创始主席。

报告分享 (14:30-17:00)

报告一:计算艺术与设计

高.png

报告人:高峰 研究员北京大学

个人简介:

高峰,北京大学艺术学院研究员、创意实验室主任,博士生导师。主要研究领域为科技与艺术交叉学科,探索人类未来生活中人工智能技术在教育、艺术、健康等领域的应用。多篇论文发表于国际顶级多媒体会议ACM Multimedia、IEEE会刊、国内核心期刊《计算机学报》等,相关研究成果已成功应用于中国美术家协会、雅昌集团等单位。先后获得第12届中国艺术权力榜年度艺术探索奖、德国iF工业设计奖等奖项。

报告摘要:

近年来,人工智能生成内容(AIGC)与艺术作品主要特征的交叉研究不断深入,计算艺术由此迅速发展。视听内容生成逐渐应用于各种实践任务,包括视频或游戏配乐、协助艺术家创作、艺术教育等方面。本次分享将从利用人工智能(AI)技术进行视觉艺术生成和听觉艺术生成的视角,介绍视听内容生成方面的创新成果。

相关专题好文:

专题好文 | 创新视听内容的联合创作: 计算机艺术面临的新挑战

报告二:视频虚拟化制作引擎

方.png

报告人:方力 副研究员

中国传媒大学

个人简介

方力,博士,现任中国传媒大学媒体融合与传播国家重点实验室副研究员,硕士生导师。主要研究领域为三维视觉,沉浸式媒体技术。

报告摘要:

视频抠像、补全、调和是视频处理领域的关键技术,对视频编辑、电影制作、虚拟现实等行业都极为关键。确保视频序列的空间和时间一致性是这些任务的核心。有鉴于此,我们针对任务需要设计了基于光流和局部注意力的特征传播和对齐的有效方法。在此基础上,我们构建了视频虚拟化制作引擎,有力支持了AI技术在艺术创作中的应用。

相关专题好文:

Deep Video Harmonization by Improving Spatial-temporal Consistency

报告三:Exploring Generative Music Explainable AI

Nick.png

报告人:Nick Bryan-Kinns 教授

University of the Arts London

个人简介:

Nick Bryan-Kinns is Professor of Creative Computing at the Creative Computing Institute, University of the Arts London. He is a Distinguished Visiting Professor at Hunan University, China, a Fellow of the Royal Society of Arts, Fellow of the British Computer Society, and Senior Member of the Association of Computing Machinery. Bryan-Kinns has published award winning international journal and conference papers on Human Centred AI, explainable AI and Music, co-design, and interactive art. His research is reported widely in publications such as the New Scientist, and media outlets such as BBC, and exhibited at venues such as the Science Museum, London.

报告摘要:

Generative AI models for music and the arts in general are increasingly complex and hard to understand. The field of eXplainable AI (XAI) seeks to make complex and opaque AI models such as neural networks more understandable to people. One approach to making generative AI models more understandable is to impose a small number of semantically meaningful attributes on generative AI models. This talk introduces a systematic examination of the impact that different combinations of Variational Auto-Encoder models (MeasureVAE and AdversarialVAE), configurations of latent space in the AI model (from 4 to 256 latent dimensions), and training datasets (Irish folk, Turkish folk, Classical, and pop) have on explainable features of AI music generation. To date there have been no systematic comparisons of such models at this level of combinatorial detail.

相关专题好文:

Exploring Variational Auto-encoder Architectures, Configurations, and Datasets for Generative Music Explainable AI

 观看指南

直播通道①:中国科学院自动化所B站

哔哩哔哩APP搜索"中国科学院自动化所”或扫描下方二维码,直播当天点击头像即可进入

b站.png

直播通道②:中国科学院自动化所视频号

扫描下方二维码预约观看

自动化所.jpg

直播通道③:MIR视频号

扫描下方二维码预约观看

MIR.png

直播通道④:蔻享学术

扫描下方二维码进入MIR主题页,直播当天选择相应直播即可观看

学术.png

直播服务

资讯订阅:关注下方"机器智能研究MIR"公众号,获取最新AI好文、资讯、讲座及论坛信息MIR微信公众号.png

直播群:实时更新通知 (入群请备注: 论坛5)

群.png

资料领取:扫描下方二维码填写收件信息可免费领取本专题相关论文

领取.png

海报.png

                                                             关于Machine Intelligence Research

Machine Intelligence Research(简称MIR,原刊名International Journal of Automation and Computing)由中国科学院自动化研究所主办,于2022年正式出版。MIR立足国内、面向全球,着眼于服务国家战略需求,刊发机器智能领域最新原创研究性论文、综述、评论等,全面报道国际机器智能领域的基础理论和前沿创新研究成果,促进国际学术交流与学科发展,服务国家人工智能科技进步。期刊入选"中国科技期刊卓越行动计划",已被ESCI、EI、Scopus、中国科技核心期刊、CSCD等20余家国际数据库收录,入选图像图形领域期刊分级目录-T2级知名期刊。2022年首个CiteScore分值达8.4,在计算机科学、工程、数学三大领域的八个子方向排名均跻身Q1区,最佳排名挺进Top 4%。

往期目录

2024年第1期 | 特约专题: AI for Art

2023年第6期 | 影像组学、机器学习、图像盲去噪、深度估计...

2023年第5期 | 生成式人工智能系统、智能网联汽车、毫秒级人脸检测器、个性化联邦学习框架... (机器智能研究MIR)

2023年第4期 | 大规模多模态预训练模型、机器翻译、联邦学习......

2023年第3期 | 人机对抗智能、边缘智能、掩码图像重建、强化学习... 

2023年第2期 · 特约专题 | 大规模预训练: 数据、模型和微调

2023年第1期 | 类脑智能机器人、联邦学习、视觉-语言预训练、伪装目标检测... 

2022年第6期 | 因果推理、视觉表征学习、视频息肉分割...

2022年第5期 | 重磅专题:类脑机器学习

2022年第4期 | 来自苏黎世联邦理工学院Luc Van Gool教授团队、清华大学戴琼海院士团队等

2022年第3期 | 聚焦自然语言处理、机器学习等领域;来自复旦大学、中国科学院自动化所等团队

2022年第2期 | 聚焦知识挖掘、5G、强化学习等领域;来自联想研究院、中国科学院自动化所等团队

主编谭铁牛院士寄语, MIR第一期正式出版!

好文推荐

欧洲科学院院士蒋田仔团队 | 脑成像数据的多模态融合: 方法与应用

金耀初团队&郑锋团队 | 综述: 深度工业图像异常检测

专题好文 | 创新视听内容的联合创作: 计算机艺术面临的新挑战

下载量TOP好文 | 人工智能领域高下载文章集锦 (2022-2023年)

引用量TOP好文 | 人工智能领域高引用文章集锦 (2022-2023年)

综述 | 清华张学工教授: 肺癌影像组学中的机器学习

哈工大江俊君团队 | DepthFormer: 利用长程关联和局部信息进行精确的单目深度估计

Luc Van Gool团队 | 通过Swin-Conv-UNet和数据合成实现实用图像盲去噪

贺威团队&王耀南院士团队 | 基于动态运动基元的机器人技能学习

乔红院士团队 | 类脑智能机器人:理论分析与系统应用 (机器智能研究MIR)

南科大于仕琪团队 | YuNet:一个速度为毫秒级的人脸检测器

上海交大严骏驰团队 | 综述: 求解布尔可满足性问题(SAT)的机器学习方法

西电公茂果团队 | 综述: 多模态数据的联邦学习

高文院士团队 | 综述: 大规模多模态预训练模型

前沿观点 | 谷歌BARD的视觉理解能力如何?对开放挑战的实证研究

港中文黄锦辉团队 | 综述: 任务型对话对话策略学习的强化学习方法

南航张道强教授团队 | 综述:用于脑影像基因组学的机器学习方法

ETHZ团队 | 一种基于深度梯度学习的高效伪装目标检测方法 (机器智能研究MIR)

Luc Van Gool团队 | 深度学习视角下的视频息肉分割

专题综述 | 高效的视觉识别: 最新进展及类脑方法综述

北大黄铁军团队 | 专题综述:视觉信息的神经解码

专题综述 | 迈向脑启发计算机视觉的新范式

专题好文 | 新型类脑去噪内源生成模型: 解决复杂噪音下的手写数字识别问题

戴琼海院士团队 | 用以图像去遮挡的基于事件增强的多模态融合混合网络

ETH Zurich重磅综述 | 人脸-素描合成:一个新的挑战

华南理工詹志辉团队 | 综述: 面向昂贵优化的进化计算

东南大学张敏灵团队 | 基于选择性特征增广的多维分类方法

联想CTO芮勇团队 | 知识挖掘:跨领域的综述

复旦邱锡鹏团队 | 综述:自然语言处理中的范式转换

MIR资讯

2024年 AI 领域国际学术会议参考列表

征稿启事 | AIART 2024 Call for Papers

专题征稿 | Special Issue on Transformers for Medical Image Analysis

MIR 优秀编委 & 优秀审稿人 & 高被引论文 (2023年度)

致谢审稿人 | Machine Intelligence Research

年终喜报!MIR科技期刊世界影响力指数跻身Q1区 (含100份龙年礼包)

最新 | 2023研究前沿及热点解读 (附完整PDF)

前进20名!MIR再度跻身国际影响力TOP期刊榜单

2022影响因子发布!人工智能领域最新SCI & ESCI期刊一览

喜报 | MIR入选图像图形领域 T2级 “知名期刊”!

双喜!MIR入选”2022中国科技核心期刊”,并被DBLP收录 | 机器智能研究MIR

报喜!MIR入选2022年国际影响力TOP期刊榜单

喜报 | MIR被 ESCI 收录!

喜报 | MIR 被 EI 与 Scopus 数据库收录

图.gif



https://m.sciencenet.cn/blog-749317-1427960.html

上一篇:专题好文 | 创新视听内容的联合创作: 计算机艺术面临的新挑战
下一篇:精选综述 | 零信任架构的自动化和编排: 潜在解决方案与挑战

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-5-22 12:47

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部