CSIG-VIS 国际盛会：AI、可视化与图形学的深度交汇
CSIG-VIS 全球学术峰会
人工智能、可视技术与图形科学的跨界交融
The Convergence of AI, Visualization, and Graphics
旨在推动尖端技术革新与跨学科理念的落地实践，中国图像图形学学会可视化与可视分析专委会携手香港科技大学（广州）计算媒体与艺术学域（CMA），定于 2026 年 6 月 5 日共同主办“人工智能、可视化与图形学的融合（The Convergence of AI, Visualization, and Graphics）”国际论坛。本次盛会聚焦多学科交叉背景下的前沿技术应用、创新成果孵化以及新兴模式与路径的探索，致力于构建学科协同创新与复合型高端人才培养的全新范式。
论坛将广邀学界精英，通过主题演讲与深度研讨等形式，深入剖析技术创新思路与学科融合之道。热忱邀请从事可视化、人工智能、人机交互及交叉学科建设的高校教师与科研工作者踊跃出席，共谋科技赋能学科交叉创新及高质量人才培育的发展新蓝图！
CSIG-VIS
议题：人工智能、可视技术与图形科学的跨界交融
The Convergence of AI, Visualization, and Graphics
时段：2026 年 6 月 5 日 14:00-16:00
坐标：香港科技大学（广州）CMA 实验室
云端参会：腾讯会议 759-216-746
发起单位：中国图像图形学会可视化与可视分析专委会、香港科技大学（广州）计算媒体与艺术学域（CMA）
会议议程
PROGGRAMME
特邀嘉宾
EXPERTS
1
乌得勒支大学 Alex Telea 教授
14:00-14:30
何为优质投影——及其重要性探析
投影技术，亦称降维（DR），是高维数据可视化构建的核心手段，因此在绝大多数可解释人工智能的可视分析（VA）系统中无处不在。然而，众所周知，投影无法穷尽大型、复杂及高维数据的所有特征。为协助用户理解投影所能呈现（或无法呈现）的内容，学界已设计出多种质量评估指标。本次报告将概述此类质量指标及其在实际 VA 探索工作流中的应用方法。更为关键的是，我将探讨当前诸多质量指标共有的根本性局限。这些局限揭示了关于将投影作为理解高维数据工具的实用性更深层问题：何时一种投影优于另一种？我们究竟在何种情境下、为何种目的利用投影来推理此类数据？在可视化研究领域，我们缺失了什么从而难以回答这些问题？
Alexandru Telea 现任乌得勒支大学信息与计算科学系视觉数据分析教授。他拥有埃因霍温大学博士学位，并在可视化领域深耕逾 25 载。他曾担任 EuroVis、VISSOFT、SoftVis 及 EGPGV 等多个可视化会议与研讨会的项目联合主席、总主席或指导委员会成员。其主要研究兴趣涵盖统一信息可视化与科学可视化、高维可视化以及用于解释机器学习的可视分析。他是教材《数据可视化：原理与实践》（CRC Press, 2014）的作者。
2
香港科技大学（广州）Hai-Ning Liang 副教授
14:30-15:00
利用混合现实技术构建新型交互范式
混合现实（MR）系统具备显著变革我们与数字内容及物理环境交互方式的潜力。作为一种颠覆性的新兴技术，MR 为重新构想和定义下一代界面提供了理想平台，强调自然、直观的空间交互，以及虚拟与物理世界无缝融合为单一现实。MR 能力的迅猛发展促使我们思考如何利用这些进步来探索和设计新的交互范式，从而丰富并转化我们在各种场景中的体验，包括与虚拟及物理对象的互动、数字游戏的体验方式，以及常规任务（如文本输入）的执行模式。本次演讲将探讨 MR 的演进历程，重点介绍塑造其发展的挑战与技术突破。随后，我将展示我们设计的多种技术与界面，它们利用 MR 能力使用户能够以超越传统交互平台常规方式的经验来体验常见互动。
Hai-Ning Liang 现任香港科技大学（广州）计算媒体与艺术学域副教授，并兼任研究与合作副主管。此前，他曾担任西交利物浦大学计算系全职教授及创系主任（2019–2023）。他专攻人机交互、虚拟/增强/混合现实、游戏及可视化领域。他在 ACM CHI、IEEE TVCG、IEEE VR、ACM UIST 等顶级 venues 发表了 300 余篇同行评审论文，累计引用超过 8000 次，h 指数为 47。其研究成果荣获 2024 年 IEEE ICDM 十年最高影响力论文奖，并在 ACM CHI、ACM ISS、IEEE VR 及 IEEE ISMAR 多次获得最佳论文荣誉提名。他入选斯坦福全球前 2% 科学家榜单，并担任 IEEE TVCG、Behavior & Information Technology、The Visual Computer 及 Frontiers in Virtual Reality 的副编辑。
3
新加坡科技设计大学 Peng Song 助理教授
15:00-15:30
几何与可视化：
构建智能设计工具
几何与可视化在构建智能设计工具中扮演基础性角色，这些工具赋能用户创建并优化用于数字制造的功能性工件。几何为工件形状建模提供基石，而可视化则允许直观分析工件的可装配性、可重构性及动态行为。通过整合几何建模、视觉计算与算法设计，智能设计工具能协助用户探索广阔的设计空间，并以减少人工投入的方式生成功能性工件。
在本次报告中，我将展示若干研究项目，演示智能计算方法如何支持复杂功能性工件的设计，涵盖互锁组件、分割谜题及机械机构。这些项目突显了可视化在理解装配流程、几何重构及时空运动行为中的关键作用，阐明了几何与可视化如何协同赋能连接数字设计与物理实现的下一代智能设计工具。
Peng Song 现任新加坡科技设计大学（SUTD）计算机科学学院助理教授，并领导计算设计实验室。他于 2013 年获得新加坡南洋理工大学博士学位，分别于 2010 年和 2007 年获得中国哈尔滨工业大学硕士及学士学位。他的研究兴趣集中于计算机图形学，侧重计算设计与几何建模。他是《Computers & Graphics》（Elsevier）和《Graphical Models》（Elsevier）的副编辑，并担任 SIGGRAPH 2026 的海报主席。他定期服务于 SIGGRAPH、SIGGRAPH Asia 及 Pacific Graphics 等计算机图形学顶级国际会议的程序委员会。他曾获 SIGGRAPH 2022 最佳论文荣誉提名，以及 Shape Modeling International 2024 和 2025 的最佳论文奖。其研究成果可在其课题组网站（https://sutd-cgl.github.io）查阅。
4
香港科技大学 Jun Han 助理教授
15:30-16:00
用于时变集成体数据压缩与探索的神经场
数值模拟生成了大规模、时变的集成体数据，使领域专家能够发现并分析复杂的科学现象。然而，这些模拟计算成本高昂，产生的数据规模巨大，难以完全存储或高效管理。本次报告将介绍我们近期利用神经场解决这些计算与存储挑战的工作。首先，我将介绍一种代理模型，该模型能在数秒内生成时变集成模拟数据。该方法始于将数据编码为离散码本，以捕捉具有代表性和重要性的模式。随后训练神经场，通过从该码本中检索并整合最相关信息来预测模拟输出。接下来，我将展示一种混合专家神经场框架，该框架显著降低了时变数据的存储成本。此方法采用策略网络，基于值相似度自动将时间序列划分为若干段。每段随后由独立的神经场建模，从而实现对数据中不同模式的精确且富有表现力的表征。最后，我将探讨神经场如何进一步加速模拟并增强科学数据的表征、可视化与分析的未来方向。
Jun Han 现任香港科技大学新兴跨学科领域部助理教授。此前，他曾任香港中文大学（深圳）助理教授。他于 2022 年获得美国圣母大学计算机科学与工程博士学位。在此之前，他分别于 2014 年和 2017 年获得西安电子科技大学软件工程学士及计算机软件与理论硕士学位。他目前的研究重点是应用深度学习技术解决科学数据重建、生成与表征中的大规模、集成及时变问题。
国际论坛工作组负责人
Head of the International Forum Working Group