CSIG自然科学奖授予在我国图像图形领域基础研究和应用基础研究中阐明自然现象、特征和规律，做出重大科学发现的个人和团队。

为宣传科技工作者积极进取的工作精神，聚焦获奖团队背后的故事，学会近日对荣获2024年度CSIG自然科学奖一等奖“面向开放场景的时空上下文表征学习理论与方法”的项目团队进行了专访，以对话的形式，为读者们提供一次了解他们的机会。

下面就跟着我们的脚步，走近今天的受访团队吧。

问题一：首先非常感谢各位老师接受我们的采访，请先介绍一下团队成员：

感谢CSIG的邀请！我们的团队由五位来自国内高校的研究人员组成，他们分别是西安交通大学的王乐教授、周三平副教授，北京科技大学的刘子熠博士，西安电子科技大学的牛振兴教授，以及清华大学的鲁继文教授。团队成员在开放场景时空上下文表征学习领域各有所长，分工明确，协力攻关，共同推动了这一领域的理论创新与实践突破。

王乐教授是西安交通大学的国家高层次青年人才计划入选者，也是团队负责人。他长期致力于高精度模式发现和目标行为预测等方向的研究，在项目中负责整体统筹与科学研究工作，是核心推动者之一。

周三平副教授同样来自西安交通大学，他在强判别特征学习方法和时空可解释建模的大范围分布表征方面做出了重要贡献，为解决开放场景中表征分布覆盖范围小的难题提供了创新思路。

刘子熠博士来自北京科技大学，他专注于时空轻量化关联的强判别特征学习方法，显著提升了模型的判别能力，在复杂场景下实现了遮挡和密集人群中的稳健目标关联。

牛振兴教授来自西安电子科技大学，他在高精度模式发现理论方面作出了开创性的贡献，提出的时空上下文驱动方法突破了表征对象模式获取难的技术瓶颈。

鲁继文教授来自清华大学，是国家杰出青年科学基金获得者。他在模型轻量化设计和动态优化方面提供了关键技术支持，确保了模型在复杂场景下的高效运行与准确预测。

我们的团队不仅在学术研究方面精益求精，也注重成果转化。团队成员长期合作，彼此之间优势互补，围绕“开放场景的时空上下文表征学习理论与方法”这一核心方向，形成了系统性的创新成果。未来，我们将继续深化合作，进一步拓展应用场景，力争成为国际开放场景理解领域的优秀团队。

问题二：了解完了团队内的各位老师，请为大家简单的介绍一下项目的情况：

项目组针对开放场景下时空上下文表征学习面临着对象模式获取难、模型判别能力弱、分布覆盖范围小三大核心挑战，围绕如何实现场景表征模式自动发现与目标精准描述这一科学问题，构建了面向开放场景的时空上下文表征学习理论与方法，取得了如下的创新性成果：

一是时空上下文驱动的高精度模式发现理论：利用空间差异性与时空一致性等信息，实现了时空数据中感兴趣目标属性与语义等模式的自动发现，解决了开放场景中表征对象模式获取难、易受环境干扰的难题。

二是时空轻量化关联的强判别特征学习方法：构建了端到端时空表征学习与目标运动交互的轻量化动态剪枝模型，学习出强判别对象外观与运动混合特征，实现了遮挡密集人群下稳健的启发式目标关联。

三是时空可解释建模的大范围分布表征方法：构建了基于空间上下文的可解释交互表征模型，实现了稀疏有向不完全目标交互模式和物理规律引导的高阶速度树结构自动挖掘，攻克了高动态大范围场景下行为轨迹预测可解释性弱的难题。

项目共有100余篇论文发表在IEEE汇刊上（其中IEEE T-PAMI论文30余篇），在CVPR、ICCV等顶级国际会议上发表论文100余篇，8篇代表性论文均发表在T-PAMI、NeurIPS、CVPR 等人工智能领域顶级国际期刊和会议上，谷歌学术引用2000余次，得到了包括中国工程院院士、美国工程院院士、德国科学院院士在内的50余位中外各国院士和ACM/IEEE Fellow等国内外著名学者团队正面评价。相关成果在华为、大唐、便利蜂等公司实现转化，在智能交通、公共安全和消费电子等领域进行了规模性应用。第一完成人入选国家高层次青年人才计划，第五完成人获国家杰青项目资助，当选IEEE/IAPR Fellow。

问题三：请问各位老师在科研过程中，有没有什么好的方法可以推荐给大家？

在科研过程中，我认为找到适合自己的研究方法尤为重要。结合我们的经验，我想从选题、研究方式和团队合作三个方面分享一些心得，希望能对大家有所启发。

首先，研究选题是科研的起点，也是决定研究价值的关键。一个好的选题应该既具备重要的科学意义，又能面向实际应用需求。比如，我们的项目选题就源自开放场景视觉感知的实际需求，聚焦于智能交通、公共安全和消费电子等多个应用场景，涵盖目标检测、目标跟踪和轨迹预测等任务。选题的核心是如何学习高质量的时空上下文特征，这不仅解决了基础科学问题，也为实际应用提供了技术支撑。

其次，理论与实践相结合是确保科研成果既有深度又具落地性的关键。理论研究让我们能够从本质上理解问题，例如我们揭示了时空上下文信息在目标表征中的重要性；而实践则让我们能将理论落地，比如通过动态模型剪枝技术优化模型性能，使其在实际场景中具备更高的效率和准确性。理论与实践的相辅相成，不仅让我们的研究更有深度，也确保了成果的可用性和可推广性。

最后，团队合作与协力攻关是科研成功的重要保障。科研是一项系统性工程，单打独斗很难全面解决复杂问题。我们的团队成员来自不同单位和研究方向，每个人都能从自身的专业背景出发，为项目提供多样化的思路与建议。在遇到难题时，团队的力量让我们能够集思广益，从多角度探索问题的解决方案，这种合作模式极大地提高了研究效率与成功率。

总而言之，选择高价值的研究方向、坚持理论和实践相结合、注重团队合作，是我们在科研过程中总结出的三大关键经验。希望这些方法能够为大家提供一些有益的参考，也祝愿各位科研工作者在自己的研究领域中取得更多突破！

问题四：在项目的研究过程中有遇到什么困难吗？大家是如何解决的？

以“时空轻量化关联的强判别特征学习方法”的研究为例，我们曾面临一个关键难题：自主设计的多目标跟踪算法虽然在精度上取得了良好表现，但由于其算法复杂度与场景中目标数量呈平方级增长，导致在密集场景中无法满足实时性需求。为了攻克这一难题，团队经过多轮讨论和探索，最终提出了两套解决方案：

1.通过模型剪枝优化网络性能：我们引入多层特征驱动的动态剪枝方法，大幅降低了网络推理的整体消耗。这一方法不仅有效提升了模型的运行效率，还为后续高质量研究提供了重要理论参考。

2.重新设计跟踪方式：我们调整了目标关联的计算框架，探索出一种端到端时空表征学习方法，旨在同时学习目标的外观特征与运动特征。这一方法成功实现了跟踪效率与目标数量的解耦，在密集场景中表现尤为突出。

总的来说，科学研究充满了未知与挑战，但只要我们做好充分的心理准备，保持冷静思考、协作攻关，就一定能够战胜困难。正是团队成员的集思广益与共同努力，让我们在面对难题时能够找到有效的解决办法，推动研究不断向前迈进。

问题五：最后，大家有什么获奖感言想说呢？

非常荣幸能够获得拉斯维加斯手机娱乐网站 自然科学奖！这份殊荣不仅是对我们团队多年努力的高度认可，也是对我们在开放场景时空上下文表征学习领域研究成果的极大鼓励。在此，我们衷心感谢拉斯维加斯手机娱乐网站 和评审委员会对我们的肯定与支持。

同时，我们特别感谢团队的每一位成员。这些年来，我们共同面对了许多技术难题，也经历了无数次挫折，但正是团队中每个人始终如一的坚持与协作，让我们能够不断突破瓶颈，最终取得今天的成果。每一次的突破，都凝聚着团队的智慧和努力，也离不开各位成员的高度合作与无私奉献。

展望未来，我们将继续围绕时空上下文表征学习这一核心方向，深入探索多模态数据的表征与融合方法，以及开放场景表征模型的自动化学习等前沿课题，力争在这一领域实现更多理论创新与技术突破。与此同时，我们也将致力于推动研究成果的实际应用，特别是在智能交通、无人驾驶等国家重大工程中，希望能够为国家“人工智能+”战略的实施贡献更多力量。

科学研究的道路充满未知与挑战，但我们坚信，只要始终保持初心、勇于拼搏，就一定能够走得更远。再次感谢学会、评审专家以及所有支持和帮助我们的同仁，我们会继续努力，向更高的目标迈进！