报告题目：物体色色域及其应用

报告摘要：物体表面色域在色彩管理以及评估视觉显示器、打印机和其他输出等设备的色彩再现能力方面起着至关重要的作用。现有色域，最著名的是Pointer色域和ISO参考色域（ISO 12640-3:2007），都是在固定观察条件（如CIE标准照明体C或D50）下由CIELAB空间坐标定义的。已有研究表明，这些色域不足以代表真实物体表面色色域，且其适用性还进一步受到其对特定照明体依赖性的限制。本研究采用反射率定义表面色色域。首先收集了一个包含从不同材质的物体测得的142,896个反射率光谱数据集，同时也收集了包含422个照明体的光谱功率分布数据集，其中包括CIE标准照明体（D65、A、D50）、照明体C、F系列、日光（D55、D75）以及各种LED光源。从这组反射率数据集中，选取了501个反射率光谱以构建一个适合所有422种照明体与CIE 1931标准色度观察者相结合下的观察环境均有效的物体表面色色域。本文还介绍了如何使用这501个数据获得在指定观察条件下获得XYZ空间和CIELAB空间离散色域的边界，并且与Pointer和 ISO RCG色域以及sRGB、Display P3和BT.2020等标准色彩空间进行了比较分析。同时也探讨了如何评估显示器的再现实际物体色的能力。

个人简介：李长军，辽宁科技大学教授。先后获得计算数学本科（1979，北京大学），硕士（1979，中国科学院沈阳计算技术研究所）和博士（1989，英国Loughborough大学）学位。曾先后在中国科学院沈阳计算技术研究所，东北大学，辽宁科技大学工作，从事计算数学和颜色科学的研究与教学工作。2000年入选中国科学院百人计划，2012年入选浙江省千人计划。在颜色科学方面的主要学术贡献有：1）参与研发色适应模型CMCCAT2000，CAT02，CAT16；2）参与研发色貌模型CIECAM02，CIECAM16；3）参与研发基于色貌模型的均匀颜色空间CAM02-UCS，CAM16-UCS。现任CIE TC1-102技术委员会主席，从事推荐CIE三刺激值计算方法。

报告摘要：图像修饰（Image Retouching）旨在通过对图像亮度、色彩等进行调整提升照片视觉质量，传统方法依赖专业人员的手工操作，耗时且难以满足多样化的审美偏好。随着扩散生成模型与视觉语言模型（VLM）的飞速发展，图像修图正迈入Agent时代。本次报告将探讨如何利用扩散模型建模专家修图分布，并通过VLM驱动的智能Agent，实现从自然语言指令到精准交互控制的跨越。报告将重点介绍团队在图像修图领域的最新研究，展示在个性化语义修图与意图驱动的视觉焦点增强等任务中的前沿进展，共同展望智能修图的未来范式。

个人简介：郭春乐，南开大学副教授，博导，入选南开大学“百名青年学科带头人”，第十届中国科协青年托举，斯坦福全球前2%顶尖科学家榜，爱思唯尔中国高被引学者。研究内容包括计算成像、图像增强与复原等。谷歌学术引用1.5万余次，其中一作单篇最高引用3000余次。主持国自然青年项目、天津市青年项目（B类）以及华为、OPPO、三星等资助的项目，相关技术应用于华为、OPPO等企业产品。曾获IEEE Signal Processing Society Best Paper Award、山东计算机学会自然科学奖一等奖、OPPO产学研优秀合作伙伴等奖项。曾参与组织2022-2026年VALSE大会，担任VALSE EAC、IEEE Journal of Oceanic Engineering编委、CVPR /BMVC/WACV等会议领域主席。

三星美国研究院

报告摘要：人工智能为图像和视频的修复、增强和编辑开辟了新的途径。计算成像技术始终追求在低延迟、低功耗和低内存访问带宽下实现更高的图像质量。去噪便是其中一项重要功能。本次演讲将探讨多种去噪方法，以实现产品化，并强调算法开发和工程设计同等重要。首先简要介绍传感器噪声，然后优化传感器灵敏度函数和ISP颜色校正矩阵以最小化感知噪声，随后介绍传统去噪方法和人工智能去噪方法。接下来，介绍了一种人工智能去噪硬件，该硬件通过模型退化和量化感知训练，在保证图像质量的前提下，实现了低延迟、低功耗和低带宽，且硬件面积可接受。

个人简介：全书学博士目前是三星美国研究院人工智能/通用人工智能、感知和相机技术软硬件研究高级总监。他于2002年获得罗切斯特理工学院影像科学博士学位。之后，他先后担任索尼高级研发工程师（数码相机技术，2002-2004年）、高通高级算法和系统工程师（移动相机ISP和计算机视觉，2004-2006年）、美光影像首席架构师（传感器和ISP SoC以及计算摄影，2006-2008年）、博通高级主任科学家（ISP和多媒体算法及架构负责人，2008-2012年）、2012年再次回到高通担任首席工程师和经理（计算机视觉和机器学习负责人，负责计算机视觉处理器和神经处理器单元以及相应的计算机视觉和人工智能算法，2012-2018年），以及OPPO研究院人工智能、XR和相机研究高级总监（人工智能、XR和相机负责人， 2018-2023年）。于 2018 年创立了 OPPO XR 研究中心，该中心促成了 OPPO 分别于 2020 年和 2022 年发布 AR Glass 和 MR Glass。现在，他在三星美国研究院负责人工智能/全人工智能的探索，致力于AI赋能智能手机和 XR 技术。

报告摘要：受高光谱成像原理的限制，光谱图像数据立方体的光谱分辨率和空间分辨率总是存在权衡关系，无法同时兼顾高光谱分辨率和高空间分辨率。因此，空谱融合超分辨率重建技术已经成为了获取高分辨率高光谱图像(HR-HSI)的研究热点。主要讨论汇报内容：1)基于数学模型的方法：向量角相似初始化、多项式修正模型和空谱权重总变差联合的多阶策略重建模型；窗口线性混合和多阶特征迁移模型；基于颜色空间转换半盲超分辨率策略。2）基于学习的方法：充分建模光谱图像空间结构、光谱特征信息以及交叉空谱相关性的无监督多阶空谱特征融合Transformerr；无需空谱退化模型的盲超分无监督Transformer-CNN混合网络。

个人简介：廉玉生，博士，北京印刷学院印刷与包装工程学院教授。研究方向为新型高光谱成像技术、颜色科学与技术。获北京市科技进步二等奖1项（2/10）；中国计量测试学会 科技进步奖 一等奖1项（2/10） ；主持国家自然科学基金面上项目、国家自然科学基金青年基金项目、中国博士后基金等纵向项目，及多项企业横向合作项目。第一或通讯作者，在国内外学术期刊发表SCI JCR1区学术论文40余篇；获授权发明专利 40余件。