12月26日上午，中国图学学会“奋发图强”青年人才学术沙龙2023年度第四期（总第20期）以腾讯会议+中国图学学会哔哩哔哩官方账号“图学大讲堂”+中国图学学会微信视频号在线直播的方式成功举办。本期沙龙累计线上参会人数近1700人。

       本期沙龙由第八届中国科协青年人才托举工程被托举人、浙江工商大学董建锋研究员发起，沙龙主题为“多模态计算技术研讨”。多模态计算是多媒体、计算机视觉领域的重要研究领域，涵盖了图像、语音、视频文本等多种数据模态的理解、融合与学习，在实现机器感知、理解和决策等方面有着广泛的应用。本次学术沙龙邀请了相关领域的四位青年专家，围绕多模态计算的方法和应用进行交流。

       首先，会议邀请了中国图学学会常务理事兼可视化与认知计算专业委员会主任委员、大连理工大学学科建设办公室副主任杨鑫教授致辞，他表示：多模态技术是当前人工智能领域备受瞩目的热门话题之一，也是图学认知中的重要手段。今天邀请到的是领域内的四位资深专家，无论是从学术背景还是报告内容都让人十分期待。希望本次沙龙活动能够为参会的老师和同学们提供一个交流、学习的平台，深入探讨多模态技术的前沿，共同推动人工智能领域的发展。

       沙龙的第一个报告由电子科技大学计算机科学与工程学院徐行研究员带来，题目为《利用大型语言模型赋能多模态视觉语言研究》。报告介绍了本人所在课题组近期在利用大型语言模型赋能多模态视觉语言任务中的一些探索，主要涉及面向多模态数据的提示微调学习、上下文学习、思维链等具体研究内容，并对未来多模态视觉语言任务的研究范式发展作了进一步的展望。

       接下来，西南大学罗辛教授作了题为《Latent Factorization of High-Dimensional and Incomplete Tensors》的报告。报告围绕张量的潜在因子分解(LFT)模型做介绍。LFT模型以面向数据密度的方式处理目标高维不完全张量的已知数据，并建立高效的优化算法，从中提取所需的潜在特征，从而准确高效地实现其表示学习。LFT模型具有高效的计算和存储能力，具有巨大的工业应用潜力。

       然后，中科院计算所李亮副研究员作了题为《跨模态时空定位》的报告。他分享了不同模态间在时间和空间上的定位，包括语言到图像的定位、语言到视频的定位、音频到视频的定位。此外，也介绍了在弱监督和开放域等复杂场景下的跨模态定位工作。