数学科学学院学术报告[2025] 037号

(高水平大学建设系列报告1059号)

报告题目：跨域少样本深度估计

报告人：秦小林 研究员（中国科学院成都计算机应用研究所）

报告时间：2025年5月17日上午10:00-11:00

讲座地点：汇文楼2331

报告内容：全监督深度估计方法虽已实现高性能，但其精度依赖于庞大的训练成本。相比之下，少样本深度估计（FSDE）仅需少量标注标签即可在新场景中进行深度预测，这提供了一种极具前景的替代方案。然而，现有FSDE方法主要面向通用场景，在专业领域中因深度信息匮乏而表现受限。为填补这一空白，我们将FSDE扩展为一项新任务——跨域少样本深度估计（CD-FSDE），旨在将深度知识从具有充足训练标签的领域迁移至低资源领域。针对CD-FSDE任务，我们提出域记忆感知引导网络（DMGNet）。具体而言，基于Scaled Legendre（LegS）测度与多项式，设计高阶多项式记忆（High-order Polynomial Memory, HPM）算子，通过动态更新微分方程获取记忆特征。进一步提出记忆交互（Memory Interaction, MI）范式，旨在记忆特征与局部特征间建立鲁棒关联。为确保训练有效性，我们构建由高斯域空间滤波器（Gaussian Domain-space Filter, GDF）和多头感知注意力（Multi-head Awareness Attention, MAA）组成的高斯指导因子生成器，用于指导解码过程。此外，引入微调推理策略，实现跨域特征表示与深度信息的自适应对齐。据我们所知，该工作可能是首次将语义分割领域的知识迁移至深度估计下游任务，并通过少样本微调实现跨域适应。

告人简介：秦小林，中国科学院成都计算机应用研究所副总工程师，研究员，中国科学院大学教授，博士生导师。四川省天府青城计划科技创新领军人才、省学术和技术带头人、省杰出青年基金获得者、海外高层次留学人才，中国科学院西部青年学者。主要从事自动推理与代数视觉、行业垂直大模型研究，主持国家自然科学基金、国家重点研发计划课题、中国科学院STS计划、四川省人工智能重大科技专项等。获省部级一等奖、四川省科技进步二等奖、中国科学院院长优秀奖、中国产学研合作创新奖、中国技术市场协会金桥奖等。国家科技进步奖、科技部、教育部、工信部、基金委、四川等10余省市评审专家。

欢迎师生参加！

邀请人：李楠

　　　　　　　　　　　　　　 　　　　　　　　数学科学学院

　　　　　　　　　　　　　　　　　　　　 2025年5月14日