2025年12月17日，由深圳市科学技术协会指导，深圳市人工智能学会主办，深圳市人工智能学会青工委和中山大学·深圳承办的“机器视觉技术沙龙”在中山大学深圳校区工学园1-134会议室成功举办。活动汇聚了来自高校与企业的多位专家学者，围绕机器视觉领域的前沿理论、关键技术与应用趋势展开深入交流与研讨，旨在加强学术界与产业界之间的沟通协作，推动前沿技术在深圳的实际应用探索。本次沙龙紧扣新一代人工智能与新质生产力发展方向，聚焦机器视觉技术从传统感知范式向可控视觉生成、多模态推理与交互式视频建模等新阶段的演进路径，吸引了来自高校、科研机构及相关领域的研究人员积极参与，现场交流充分、研讨氛围浓厚。

参会人员合影

本次活动由中山大学教授金枝博士主持。学会始终围绕“推动人工智能前沿理论创新与关键技术突破、促进人工智能与实体经济深度融合”的宗旨持续开展学术交流与产业对接工作，已逐步形成覆盖机器视觉、多模态智能、大模型应用等方向的学术与产业协同网络。未来，学会将继续发挥平台纽带作用，依托深圳丰富的应用场景和产业基础，促进学术界与产业界的深度交流合作，加快机器视觉前沿技术在粤港澳大湾区的落地应用与创新发展。

金枝博士主持活动

在报告环节，北京大学长聘副教授、博士生导师张健博士以《最优化视角下的可控视觉生成》为题，从最优化建模的视角系统阐述了可控视觉生成的理论基础与关键技术，深入分析了生成过程中的约束建模与控制机制，指出图像重建、图像编辑等多类视觉任务在本质上均可统一为“可控视觉生成”这一范式，并可通过引入不同形式的约束条件实现对生成内容的精确操控。同时，报告还探讨了相关方法在多种视觉生成任务中的应用潜力及未来研究方向。

张健博士作主题报告

字节跳动算法研究员赵世杰博士以《推理式多模态大语言模型在质量评价中的应用以及原理》为题。报告围绕多模态大语言模型在图像质量评价领域的最新进展，介绍了一种基于强化学习的图像质量理解方法 Q-Insight。该方法在仅依赖少量评分与退化标注的情况下，实现了对图像质量的有效评估与退化感知，并通过联合建模多项任务提升整体评价性能。赵研究员表示，Q-Insight 的提出为图像质量评价从单一数值打分迈向具备推理能力的质量理解提供了新的研究思路与技术路径。

赵世杰博士作主题报告

阿里巴巴算法专家牟冲博士作题为《基于 MLLM 引导的视觉统一编辑框架》的专题报告，介绍了多模态大模型在视觉内容编辑中的引导作用及相关框架设计思路，并分享了其在多模态内容创作中的应用前景。报告中提到的 T2I-Adapter 方法，通过引入轻量级适配机制，在不改变原有生成模型结构的情况下，实现了对生成结果的有效控制。牟博士认为，该类方法在数字内容生产、智能制造和虚拟现实等领域具有较高应用潜力，有助于降低技术应用门槛，推动前沿算法加快向实际生产工具转化。

牟冲博士作主题报告

香港大学博士研究生余济闻以《可控、可泛化且具备记忆能力的交互式视频世界模型》为题作报告，重点围绕交互式视频生成中“动作控制”“场景泛化”与“长期记忆建模”等关键问题展开阐述。报告以GameFactory和Context-as-Memory等研究工作为例，介绍了在开放场景下实现动作可控生成以及提升长视频时序一致性的最新进展，并分析了相关方法在虚拟环境构建、智能体训练和游戏内容生成等方向的应用潜力。相关研究为构建具备持续演化能力的生成式视频与虚拟世界模型提供了有益探索。

博士研究生余济闻作主题报告

在前沿论文研讨环节，中山大学·深圳与北京大学深圳研究院的研究生分别分享了机器视觉与多模态智能领域的代表性研究论文，并围绕研究动机、技术路线、实验设计及未来发展方向展开深入交流与讨论。研讨主题涵盖三维场景重建、理解与编辑技术，以及二维图像的一体化增强与多视角编辑等方向。参会学生积极互动、踊跃提问，现场学术讨论氛围热烈而深入。

前沿论文研讨

最后，沙龙进入总结阶段。与会专家一致认为，机器视觉技术正处于由单点算法突破向系统化、工程化应用加速演进的关键阶段。依托完善的产业体系、丰富的应用场景和良好的创新生态，深圳具备推动前沿机器视觉技术加快落地的独特优势。通过持续以真实需求牵引技术发展、以工程实践促进成果转化，有望进一步释放机器视觉技术对实体经济和新兴产业的支撑作用。本次机器视觉技术沙龙的成功举办，为学术界与产业界搭建了高水平的交流平台，对推动机器视觉技术创新应用、服务深圳先行示范区建设和新质生产力培育具有积极而深远的意义。