视觉智能邂逅多模态：从感知到理解

简介

伴随生成式AI与多模态大模型的爆发式增长，视觉智能与多模态学习已成为人工智能领域的重要研究前沿和产业突破口。视觉不仅是人类感知的基础，更是多模态理解中复杂度最高、创新空间最大的核心。当前，视觉与文本、音频、物理行为的融合正加速演进，引领AI实现从“被动感知”到“主动理解与协同决策”的范式转变。本次Tutorial聚焦“视觉智能邂逅多模态：从感知到理解”，系统剖析跨模态泛化、多模态协同、协同生成及具身交互等关键技术，结合前沿研究，为参会者构建完整的技术图谱。学术交流将特别关注跨模态鲁棒对齐、高维特征融合与多任务联动，旨在解决开放环境下的泛化瓶颈，共同推动下一代多模态智能生态的产业落地。

简介为官网原文，部分内容可能未写完。