—————————————

2022年11月 5 日，浙江大学第435期博士生创新论坛暨计算机学院第十八届博士生创新论坛（秋冬）在曹光彪西楼各会议室顺利召开。

本届创新论坛设共包括以下五个方向分论坛：计算机辅助设计、网络空间安全、软件工程与服务科学、人工智能与数据挖掘和计算机视觉。论坛举办过程中，报告者积极分享，热情洋溢，同学们踊跃参与讨论，思维碰撞，充分发挥了我校多学科、综合性、交叉性的优势，增进了博士生学生之间的学术交流与互助，增强了学生们的创新意识，提高了学生们的创新能力。本次论坛还吸引了众多同学前来观看，引起了热烈的反响。

此外，每个论坛还评选了最具学术价值奖，来表彰优秀演讲者在学术上的不懈努力与追求。下面是分论坛专场最具学术价值奖表彰的优秀博士生。

软件工程与服务科学/计算

报告题目：刚体弹性体的耦合物理模拟

冯旭东同学分享了他发表在SIGGRAPH ASIA 2022上的工作。该工作尝试对布料模拟器的参数进行快速估计，从而实现更具真实感的模拟效果。为了验证物理模拟的真实感，有必要将模拟结果和真实结果进行对比。冯旭东同学在2019发表在TVCG上的工作探讨了刚体-弹性体耦合的柔性机器人的计算机模拟，并利用3D打印技术制作了实体机器人，验证了物理模拟器的真实感和控制算法的有效性。

软件工程与服务科学/计算

报告题目：面向历史数据的多维可视分析

张玮同学研究方向是数字人文，致力于将数据、技术、艺术、宣传结合, 宣传和推动中国传统文化，以最优的技术助力“传统文化”传播，树立文化自信。围绕诗词、历史人物、国画等主题，提炼专家需求，结合可视分析技术提出解决方案。

报告题目：时空大数据智能处理

房子荃同学的报告分析了时空大数据及其处理的研究背景与意义，探讨了如何基于分布式技术（如Spark和Flink等）与人工智能方法（如深度学习和迁移学习等），构建时空大数据管理系统与时空数据智能分析方法，以支持预处理、存储与索引、查询与挖掘等时空数据处理任务，进而服务智慧城市和智能交通建设。

报告题目：基于归因引导的图神经网络分层知识融合

报告题目：大数据背景下的因果模型

报告题目：推荐系统中的多模态理解和序列建模

张圣宇同学围绕多模态理解和序列建模开展了多方面的研究，包括对用户兴趣的解耦和用户与物品交互的端上实时感知。对于第一部分，其工作针对用户兴趣未来可能的多种发展方向进行解耦，核心思路是对相对于用户当前序列的未来序列的构建和建模。对于第二部分，在端上部署小模型感知用户，利用因果uplift模型评估小模型对大模型的请求价值，并依此动态规划对云侧的请求。

报告题目：人脸重建与动画技术

为了在保真的同时简化人脸建模与动画过程，耿佳豪同学首先介绍一种基于光学相机的采集系统，针对该系统反射属性重建局限性，介绍一种基于单张图像的人脸反射属性重建方法；另外针对采集系统表情基重建的耗时，介绍一种基于单张图像的人脸动画技术。

报告题目：面向网络安全的可编程网络测量系统设计

陈翔同学阐述了在数据中心网络中，主机侧的数据报处理时延是TCP流端到端时延的重要组成部分。论文提出Torp，一个提供全覆盖和低开销的主机侧时延分析的框架。核心思想是将部分时延分析操作卸载到机架顶（ToR）交换机，该交换机本身就能提供全覆盖和线速的数据报处理性能。同时，Torp能有效地协调ToR交换机和终端主机来执行整个时延分析任务。实验表明，与现有的解决方案相比，Torp实现了全覆盖和低开销的主机侧时延测量。

网络空间安全+软工/CAD

刘子威同学的研究提出了一个新的摄像头检测系统，名为CamRadar，它可以从众多的电磁信号中快速过滤出潜在的摄像头电磁辐射，并实现准确的隐藏式摄像机检测。受益于摄像头的电磁辐射，CamRadar将不会受到摄像头传输类型和检测角度的限制。我们使用CamRadar和19个隐藏的摄像头进行了大量的真实世界实验。19个隐藏摄像头显示，CamRadar实现了快速检测（16.75秒），检测率为93.23%，以及3.95%的低误报率。

网络空间安全+软工/CAD

报告题目：量化物理仿真技术研究

刘嘉枫同学在报告中带来了两篇发表在ACM Trans. Graph.的文章。刘嘉枫同学提出了QuanTaichi编译器，通过在编译器层面提供对量化数据类型的支持，可以实现位级别的空间压缩，有效减少内存空间和带宽的消耗，提高物理仿真的规模和分辨率。在此基础之上，进一步提出了基于不确定性传播的量化方案求解方法，可以对物理仿真程序的变量进行自动量化。此外，还将自动量化方法与用户手工设计的量化方案进行了对比，发现该方法在消耗更少的内存的同时还具有更高的计算精度。

报告题目：细粒度语义对齐的视觉语言预训练

李俊成同学分享了近期发表在NeurIPS上的关于大规模多模态预训练模型的工作。汇报人从博弈论的角度提出了一种细粒度语义对齐的视觉语言预训练模型，仅利用粗粒度的图片-文本对数据进行预训练，该模型可以直接零样本迁移到目标检测和视觉定位等需要物体层次细粒度语义理解的下游任务。该模型为多模态预训练提供了一个新的思路，即从大规模粗粒度的图片-文本对数据中学习到细粒度的语义信息。

报告题目：非平稳时间序列数据异常检测

高扬同学的研究提出了一种用于非平稳时间序列异常检测的方法DAD。模型使用变分自动编码器作为基本框架，将时间序列建模与概念漂移检测和量化过程相结合。模型同时优化上述两个部分，以确保达到全局最优结果。此外，还提出了一种新的指标和计算方法来量化数据集的非平稳性程度。在几个公共数据集和桥梁数据集上的实验结果表明，对于非平稳时间序列异常检测任务，DAD在评估指标上优于目前最先进的异常检测模型。

本届博士生创新论坛在优秀博士生的分享与同学们的积极提问中圆满结束。该活动为各位博士生同学们提供了良好的学术交流机会，也为同学们展示自己的科研成果提供了平台。

希望同学们在未来的学术科研道路上思维涌现、锐意进取、勇立潮头！期待下次博士生创新论坛的到来再次碰撞科研的火花！

浙江大学计算机学院博士生会

来源 : 计算机学院博士生

文案图片 : 卢梦林 博会工作人员｜计院博会

图文排版 : 卢梦林 傅宇航

今日编辑 : 胡浩宇 | 研究生新媒体中心