27 августа - Встреча на тему ИИ, МЛ и компьютерного зрения

Description

Присоединяйтесь к нашей виртуальной встрече, чтобы услышать выступления экспертов на тему современных вопросов, связанных с ИИ, МЛ и компьютерным зрением. Дата, время и место 27 августа 2026 года, 9:00 - 11:00 PST Онлайн. **[Зарегистрируйтесь на Zoom!](https://voxel51.com/events/ai-ml-and-computer-vision-meetup-august-27-2026)** **Устойчивая защита концепций от редактирования изображений и персонализации на основе диффузии** Модели редактирования и персонализации изображений на основе диффузии значительно упростили манипуляцию и репликацию визуальных концепций всего на основе нескольких референсных изображений. Тем не менее, существующие методы защиты часто адаптированы под одну модель атаки и не могут обобщаться на разнообразные процессы редактирования. На этой презентации я рассмотрю последние достижения в области защиты концепций для генеративных систем ИИ, сосредоточившись на стратегиях целенаправленного вмешательства и представлениях диффузии, чувствительных к стилю. Я также представлю экспериментальные результаты в различных сценариях редактирования и адаптации, подчеркивая проблемы, связанные с устойчивостью, трансферабельностью и невидимостью в практических условиях защиты. В конце я обсужу открытые проблемы и будущие направления на пути к надежной собственности на генеративный контент. *О спикере* [Циuyu Тан](https://www.linkedin.com/in/qiuyutang/) является аспиранткой в области информатики и инженерии в Университете Лихай. Ее исследования сосредоточены на надежном ИИ, судебной экспертизе медиа и устойчивых методах защиты от редактирования изображений и систем персонализации на основе диффузии. Ее последняя работа исследует защиту концепций, безопасность стиля, семантическую манипуляцию изображениями и устойчивость генеративного ИИ. Она внесла вклад в множество публикаций в области компьютерного зрения и безопасности ИИ, включая исследования по защите модели диффузии и обнаружению манипуляций, и была организатором семинаров на конференциях. **От пикселей до планеты: создание масштабируемого и основанного на фактах ИИ для науки** ИИ продемонстрировала множество новых возможностей, от написания электронных писем до редактирования и генерации изображений. Эффективность моделей ИИ в значительной степени основывается на стандартном процессе машинного обучения, где данные вводятся в модели для получения представлений и прогнозов, а производительность оценивается с помощью контролируемых бенчмарков и метрик. Однако возникает несоответствие, когда мы пытаемся перенести этот процесс на взаимодействие с реальностью и использовать ИИ для научных открытий. В дополнение к решениям в закрытом наборе, ученые хотят исследовать новые категории и предлагать новые гипотезы. В этой презентации я поделюсь тем, как я решаю вызовы, стоящие перед ИИ для науки, с точки зрения методов, ориентированных на данные, и подходов к интерпретации. *О спикере* [Цзянъянь Гу](https://www.linkedin.com/in/jianyang-gu-9235151b9/) является аспирантом в Государственном университете Огайо. Его исследования сосредоточены на использовании методов, ориентированных на данные, для создания масштабируемых и интерпретируемых основных моделей для науки. **Вне сарая: Неинвазивное обнаружение ацидоза у молочного скота с помощью мультимодальной интеллигенции газовых эмиссий** Ацидоз рубца тихо обходится мировому молочному промышленности в миллиарды ежегодно и угрожает благополучию животных, однако существующие методы обнаружения все еще инвазивны, запаздывают и непрактичны в большом масштабе. Наша лаборатория разработала совершенно новый метод: регистрацию и анализ паттернов эмиссий газов CO₂ и CH₄ с помощью синхронизированной RGB-термальной визуализации, превращая каждый вдох в диагностический сигнал. Мы разработали DualGasNet, архитектуру глубокого обучения с двойным потоком с фузионным вниманием, которая обнаруживает ацидоз неинвазивно и в реальном времени, достигая ведущей в отрасли точности на созданном с нуля наборе данных о газовых эмиссиях скота. Стремясь к объяснимому, готовому к применению ИИ для фермерства, мы интегрируем модели зрения и языка — CLIP и LLaVA-1.5 — которые обеспечивают нулевой вывод, соединяющий разрыв между прогнозами глубокого обучения и действующими ветеринарными наблюдениями. Эта презентация проведет через весь процесс от создания индивидуального набора данных до мультимодальной фузии и интерпретации, поддерживаемой VLM, предлагая аудитории увлекательный случай применения компьютерного зрения для решения задач с высоким воздействием в реальном мире, выходящих за рамки традиционных бенчмарков. *О спикере* [Тамину Ислом](https://www.linkedin.com/in/taminul-islam/) является аспирантом и кандидатом на степень доктора наук в Государственном университете Южного Иллинойс в Карбонделе, с более чем 40 публикациями, более 740 цитированиями и индексом h равным 16 - с публикациями на CVPR 2026, WACV 2026 (устно), ICCV 2025 и Nature Scientific Reports, включая высокоцитируемую публикацию на 2024–25 годы. **Создание систем компьютерного зрения в реальном мире с Voxel51** Эта презентация исследует практические потоки работы, связанные с созданием, оценкой и совершенствованием современных систем компьютерного зрения. Мы рассмотрим реальные подходы к кураторству наборов данных, анализу моделей, мультимодальным потокам работы ИИ и готовым к производству потокам зрения с использованием технологий с открытым исходным кодом. Сессия предназначена для инженеров, исследователей и практиков ИИ, которые хотят лучше понять, как команды развивают и масштабируют приложения компьютерного зрения сегодня. Ожидайте практических демонстраций, технических наблюдений и обсуждений о развивающейся экосистеме инструментов ИИ. *О спикере* [Даниэль Гурал](https://www.linkedin.com/in/daniel-gural/) является экспертом в области Физического ИИ и работает в этой области более 8 лет. Работая в области здравоохранения, он имеет опыт как в операционных приложениях, так и в использовании Визуального ИИ в качестве поддержки в психологических приложениях.