报告嘉宾：李思奇 (清华大学)
报告时间：2026年4月22日 (星期三)晚上20:30 (北京时间)
报告题目：视觉数据中的高阶关联超图建模与计算
报告人简介：
李思奇，清华大学软件学院博士后，入选清华大学“水木学者”计划与博士后国家资助计划，主持国家自然科学基金委青年基金项目、博士后面上项目等科研项目4项，作为项目核心骨干参与国家科技重大专项、基金委联合基金重点项目等，长期聚焦人工智能、计算机视觉与超图计算领域展开系统性研究，提出视觉超图计算系列理论方法，突破传统图结构难以建模高阶关联的桎梏，提升多模态异构数据的融合与表征能力，并应用于复杂场景视觉增强及多模态视觉感知等领域。相关研究成果发表IEEE TPAMI、IJCV、中国科学及CVPR、ICCV等国内外高水平期刊会议论文30余篇，构建并开源了10余个开创性的大规模真实世界数据集。
个人主页：
https://lisiqi19971013.github.io/homepage/
报告摘要：
针对视觉场景中广泛存在的高阶关联建模需求，本报告分享了如何借助超图计算，突破传统成对关系建模的局限，推动视觉理解从"局部成对"迈向"全局高阶"的跃迁。本报告首先介绍超图与超图计算的基本概念，阐释其在建模多对多高阶关联方面相较于传统图和成对注意力机制的独特优势；其次，提出面向视觉数据的软超图神经网络，通过引入连续可微的软超边赋值与稀疏超边选择机制，克服了现有超图神经网络中静态硬赋值导致的超边冗余与语义断裂问题，以轻量化即插即用的方式为视觉特征注入丰富的高阶上下文关联，在多个视觉任务上取得了显著的性能提升；最后，提出基于超图计算的实时目标检测方法，通过超图驱动的自适应关联增强机制与全管道聚合分发范式，实现了高效的全局跨定位、跨尺度特征融合与增强，以更少的参数和计算量在MS COCO基准上取得了最先进的检测性能。本报告为超图计算在视觉数据高阶关联建模中的系统性应用提供了从理论基础到方法设计再到落地验证的完整探索路径。
