报告主题：视觉元学习的算法、类独立变换机制及其在持续语义分割中的应用研究
报 告 人：葛金超 博士后研究员
交流地点：百家乐规则详解 216会议室
会议时间：2025年12月26日（周五） 上午10:00
报告摘要：
在开放世界的动态场景中，构建能够像人类一样具备快速适应能力与终身学习能力的视觉系统，是计算机视觉（Computer Vision）领域的核心挑战。元学习（Meta-Learning）作为“学会学习”的范式，通过从任务分布中提取归纳偏置（Inductive Bias），为解决深度模型对海量数据的依赖及分布外泛化瓶颈提供了理论支撑。
本报告将首先系统综述元学习在计算机视觉中的前沿进展，重点剖析主流元学习算法（如基于优化与基于度量的方法）及其在视觉表征中的几何解释。在此基础上，报告将进一步探讨如何将快速适应机制延伸至持续学习（Continual Learning）场景，以解决深度神经网络在连续任务流中的灾难性遗忘（Catastrophic Forgetting）问题。结合报告人所在团队在类增量语义分割上的最新研究成果，本讲座将重点介绍一种基于类独立变换的创新框架。针对现有方法中类别依赖导致的分布偏差问题，我们将展示如何通过累积蒸馏机制与类独立预测形式，在极低代价下实现对新旧类别知识的均衡融合。本报告旨在通过理论综述与具体案例的结合，为构建更鲁棒、更高效的视觉感知系统提供新的算法视角。
报告人简介：
葛金超，澳大利亚伍伦贡大学（University of Wollongong）博士后研究员。于澳大利亚阿德莱德大学（University of Adelaide）获得计算机科学博士学位。长期致力于元学习（Meta-Learning）、持续学习（Continual Learning）及计算机视觉（Computer Vision）领域的前沿研究，重点关注深度模型在开放动态环境下的少样本适应（Few-Shot Adaptation）与抗遗忘机制。在相关领域取得了丰富的学术成果，以第一作者或主要作者身份在 IEEE Transactions on Image Processing (TIP)、Pattern Recognition (PR)、ACM Multimedia (ACM MM)、IEEE/CVF WACV 等国际顶级期刊与会议上发表学术论文十余篇。担任多个国际主流计算机视觉会议及期刊的审稿人。