主题：AI增强与生成内容的评估与优化
时间：2026年01月06日 15：30
地点：科技馆五楼会议室
主持人：郑博仑
周玮博士
英国卡迪夫大学计算机学院助理教授，博导。IEEE高级会员，英国高等教育学会会士，英国皇家艺术学会会士，英国标准学会（ISO/IEC JTC 1/SC 29）技术委员会委员，IEEE电路系统学会多媒体系统与应用技术委员会委员，IEEE信号处理学会多媒体信号处理技术委员会委员，欧洲信号处理学会视觉信息处理技术委员会委员，并担任IEEE英国与爱尔兰信号处理分会选举委员会主席。主要研究方向为图像与视频处理、多模态大模型等，致力于设计高效、智能、以视觉系统为基础的多模态内容处理算法，推动视觉体验质量的提升以及内容生成与理解技术的发展。曾在加拿大滑铁卢大学，中国科学技术大学，日本国立信息学研究所，微软研究院，阿里云，英特尔等机构从事研究工作。主持和参与美国校企合作，加拿大NSERC，英国EPSRC，英国威尔士政府，中国NSFC等10余项科研项目。在IEEE TIP、TMM、TCSVT、TMI、CVPR、ACM MM等期刊会议上发表论文100余篇，其中多篇论文入选ESI热点论文，ESI高被引论文和IEEE热门论文等。现担任IEEE TNNLS、ACM TOMM等8个期刊的副主编，ACM MM、ICME等6个国际会议的领域主席，在IEEE TCSS、IEEE JBHI、Pattern Recognition等多个期刊担任客座编辑以及国际会议分论坛主席等。同时也是IEEE QoMEX 2026大会总主席（近二十年来首次在英国举办，首位华人主席），IEEE VCIP 2025大会组织委员会挑战赛主席，并担任Signal Processing: Image Communication期刊最佳论文奖评审委员会委员。多个会议和期刊专题的发起人和组织者，包括ACM MM 2025专题教程主讲人，ICCV 2025首届视觉质量评价挑战赛发起人，并组织多个聚焦AIGC、医疗多媒体、视觉语言模型等方向的国际会议专题研讨会。入选英国西南地区与威尔士未来研究领袖，斯坦福大学发布的全球前2%顶尖科学家榜单，GPS图像处理领域全球前0.5%学者，英国皇家科学院杰出人才等。获2025年IEEE信号处理学会多媒体新星提名奖，2024年IEEE电路系统学会视觉信号处理与通信新星荣誉奖，2022年ACM SIGMM China优秀博士学位论文奖，2021年CVPR CLIC挑战赛全球冠军，2021年中国科学院院长奖等。
报告摘要：The rapid rise of AI-generated and AI-enhanced content has created new challenges for perceptual quality assessment, going well beyond the scope of traditional image and video metrics. This talk explores recent advances in evaluating the perceptual alignment and authenticity of such media. We introduce multidimensional frameworks that combine perceptual fidelity, semantic consistency, and authenticity to comprehensively evaluate generative content, providing a foundation for analyzing AI-generated media. As a representative case of AI-based enhancement, we study super-resolution, evaluating how different approaches affect sharpness, naturalness, and user perception, and further propose perceptual optimization strategies to better align super-resolved outputs with human visual preferences. We further investigate multi-stage processing scenarios, where compression is followed by AI-based enhancement, and analyze how the interaction between processing stages shapes the final perceptual quality of experience. Finally, we address perceptual authenticity in high-resolution contexts such as 8K enhancement, where content may appear realistic yet subtle artifacts can undermine trust and perceived realism. By bridging human visual perception with computational models, our goal is to establish reliable and interpretable frameworks for evaluating and optimizing AI-driven media, with implications for large-scale platforms and immersive applications.