2017年7月17日-18日，由中國自動化學會主辦，自動化學報編輯部、中國科學院自動化研究所復雜系統管理與控制國家重點實驗室承辦的第1期智能自動化學科前沿講習班在中國科學院自動化研究所成功舉辦。
.png)
本期是中國自動化學會首次舉辦的講習班活動，以“生成式對抗網絡GAN技術與應用”為主題，邀請了學術界和工業界從事該領域前沿研究工作的8位學者，全面介紹GAN技術與應用的研究進展，并探討相關技術的發展趨勢。本期講習班為從事生成式對抗網絡技術與應用研究的科研人員提供了在短時間內快速了解前沿和最新研究并與同行探討交流的平臺，來自全國31個科研機構和高校的研究人員參加了此次活動。
7月17日上午，中國科學院自動化研究所王飛躍教授為大家帶來了講習班的第一個報告“生成式對抗網絡GAN的研究進展與展望”，介紹了GAN的基本思想，綜述當前GAN的理論和應用發展情況，從構造“數據-知識”閉環的角度，對如何結合GAN與平行學習等新思想、AI技術的發展及其對社會的影響等問題進行了探討。隨后，國立臺灣大學（位于中國臺北）李宏毅教授講述了“二次元動漫人物頭像生成”，從結構學習談起，介紹了結構學習與GAN的聯系，詳細介紹了使用GAN生成動漫頭像的過程，包括動漫頭像的獲取、GAN結構的設計、模型的訓練以及提升模型性能的技巧等，最后介紹了GAN在自然語言處理領域的應用和一些研究成果，以及所面臨的困難及挑戰。
7月17日下午，哈爾濱工業大學左旺孟教授以“多領域視覺數據的轉換、關聯與自適應學習”為主題，結合圖像轉換、圖像編輯、多領域視覺數據關聯與領域自適應學習等應用問題，介紹了生成式對抗網絡的進展及其在圖像轉換、屬性關聯及領域自適應方面的應用，探討多領域視覺數據在數據層、特征層和決策層聯合利用的可行方案。中科院自動化所王坤峰副研究員做了“GAN與平行視覺”的報告，首先指出傳統視覺研究方法在數據獲取、模型學習與評估上存在不足，產生了虛實互動的平行視覺方法，詳細介紹了平行視覺的概念、框架、理論和技術，以及平行視覺在智能車輛和智能監控方面的研究成果；然后介紹了平行視覺的重要分支——平行圖像，以及實際圖像“小數據”→平行圖像“大數據”→特定“小知識”的技術流程；在此基礎上，詳細介紹了典型的GAN模型，包括從GAN到BEGAN（圖像生成）、SimGAN（圖像改善）、CycleGAN（圖像轉換）等，總結了GAN的研究進展以及與平行視覺的結合點，指出今后的研究方向。
7月18日上午，University of Central Florida的Guojun Qi教授作了“The Landscape of Regularized Generative Adversarial Networks： Algorithms, Theory and Generalizability”的報告，介紹了一種新穎的損失敏感GAN網絡—LS-GAN，分析了LS-GAN得到的生成樣本密度和真實樣本密度的一致性，證明了LS-GAN可以解決梯度消失問題，并給出了無監督LS-GAN擴展到基于給定條件生成樣本的條件模型及其應用。微軟亞洲研究院的秦濤主管研究員作了“從單智能體學習到多智能體學習：GAN，對偶學習等”的報告，從協同式多智能體學習、競爭式多智能體學習、協同和競爭共存式多智能體學習三方面，闡述了微軟亞洲研究院關于多智能體學習的最新研究，討論了對偶學習如何提高學習效率，包括從未標記數據中學習（雙向無監督學習）、從已標記數據中學習（雙向監督學習）和推理（雙向推理），并介紹了對抗神經機器翻譯的相關工作。
7月18日下午，華東師范大學的孫仕亮教授以“概率多視圖多標簽學習與自編碼變分推理”為題目，首先回顧多視圖學習的代表性方法，然后針對一類具體的問題——多視圖多標簽分類，介紹研究進展。針對多視圖多標簽分類問題，介紹了目前的經典做法以及伯努利混合模型，并提出了基于潛變量的條件混合模型。為了解決新模型的推理與學習問題，提出了基于自編碼變分推理和隨機優化的訓練算法。最后，用具體實驗結果對各種相關方法的性能進行了對比。上海交通大學倪冰冰副教授以“面向圖像序列的生成技術及應用初探”為題目，介紹了對抗生成網絡運用于序列數據所面臨的主要技術難點與挑戰，提出面向圖像序列的生成技術的基本概念、原理、與技術路線。其次，介紹了序列生成技術的幾項最新的應用實例，即基于景深序列的風景畫生成技術、基于骨架序列的人物運動視頻生成技術、面向多人互動的運動視頻生成技術，詳細討論這些算法的優劣，并探索未來可能的算法改進方向。
8位講者的精彩報告結束后，參會者踴躍提問，并與同行們進行交流討論。
歡迎繼續關注智能自動化學科前沿講習班后續課程！
《自動化學報》編輯部 供稿
