2026年10月16日晚，中国科学院大学人工智能学院邀请北京航空航天大学黄迪教授，在雁栖湖校区教一楼306教室作题为《开放环境视觉感知》的科学前沿讲座，玉泉路校区教学楼阶一2教室同步直播。黄迪教授结合视觉感知领域的实际应用案例与团队研究实践，介绍了开放环境下视觉感知面临的核心挑战与主要解决思路。
黄迪教授首先回顾了视觉感知技术的发展历程。随着过去十几年间以深度学习为代表的方法不断成熟，人脸识别已在机场、车站的身份核验中稳定应用，车牌识别与视频监控支撑着智能交通的运行，智能驾驶车辆亦可视为能够感知环境并自动导航的无人系统，其能力已远超人们过去的想象。
然而，开放环境带来的新挑战不可忽视。黄迪教授指出现有技术多建立在封闭或半封闭场景之上，这类场景中目标固定、行为可预期，而在真实的开放环境中目标不可预期、相互遮挡重叠，人与动物混杂等情形使感知难度陡增。结合训练数据与测试数据的关系，他将开放环境视觉感知的核心问题概括为样本差异与语义差异，二者的叠加导致训练数据与测试数据的分布差距远大于封闭环境，模型表现随之下降。
对于以上困难，黄迪教授解释了工程上普遍采用的大规模采集并标注多域数据方法。这一做法直接有效，使训练数据尽量趋近真实分布，但面临稀有目标难以采集、像素级标注耗时费力等局限，即使借助基础模型开展机器预标注与人工校验相结合的交互式标注，仍需消耗大量人工成本。正是这些问题促使学术界将开放环境视觉感知作为典型研究问题展开探索。
针对样本差异，黄迪教授讲述了约束引入、特征解耦、域自适应三类主要思路。约束引入通过注入物理知识等先验，寻找数据分布变化中保持不变的特性；特征解耦将特征分解为域相关成分与域不变成分，例如把光照变化与车辆结构信息分离开来；域自适应对齐源域与目标域的特征分布。针对语义差异，他总结了小样本学习与零样本学习两种范式：前者依托数据充足的类别，识别仅有极少样本的新目标，常采用元学习与迁移学习的方式；后者借助视觉与文本的对齐，对从未见过的类别进行推断。
结合上述思路，黄迪教授依次介绍了五项代表性研究工作：面向机器人视觉抓取，引入与受力分析相关的物理先验来提升模型对未见形状物体的泛化能力；面向人脸防伪，利用解耦思想将图像分解为真实人脸成分与伪造痕迹，对未见过的攻击类型表现出更好的识别效果；面向开放环境行人检测，将基础视觉模型的能力迁移至下游任务，仅用极少量标注即可取得接近全监督的性能；面向小样本目标检测，提出测试时学习的框架，充分挖掘有限样本的价值，取得了当时最优的结果；面向开放词汇语义分割，在无需额外训练的情况下挖掘预训练模型内部的细粒度知识，显著提升了分割性能。
最后，黄迪教授总结本次讲座围绕开放环境视觉感知的技术挑战、解决思路与代表工作展开，为同学们理解视觉感知研究与实际场景建立连接提供了具体案例。展望未来，黄迪教授表示开放环境视觉感知具备从被动走向主动、从单体走向群体的趋势，感知的能力边界仍将进一步拓宽，鼓励同学们积极交流探索前沿进展。
更多专家信息：
黄迪，北京航空航天大学计算机学院教授，博士生导师。长期从事计算机视觉和模式识别的研究工作，主持国家重点研发计划项目、国家自然科学基金等科研任务；在领域内重要期刊会议发表论文120余篇，谷歌学术引用累计18,000余次，H-Index 60；获吴文俊人工智能科学技术奖自然科学奖一等奖。
