合肥工业大学计算机与信息学院院长，中国科学院自动化研究所特聘研究员，博士生导师，中国新加坡数字媒体研究院执行院长，国家杰出青年基金获得者。目前是国际电子电气工程师学会会士（IEEE Fellow)，国际模式识别学会会士（IAPR Fellow）和国际计算机学会杰出科学家（ACM Distinguished Scientist），也是国际计算机学会杰出演讲者（ACM Distinguished Speaker）。担任国际计算机学会多媒体专委会中国区主席（ACM SIGMM China Chapter Chair）和中国计算机学会多媒体专委会副主任。担任国际刊物“IEEE Transactions on Multimedia”和“ACM Transactions on Multimedia Computing, Communication and Applications”副主编(Associate Editor)以及“ACM/Springer Multimedia Systems Journal”、“International Journal of Multimedia Tools and Applications”、“International Journal of Multimedia Intelligence and Security”和“Journal of Multimedia”编委（Member of Editorial Board)，担任过国际顶级多媒体会议“2009 ACM Multimedia Conference”程序委员会主席和2010年全国多媒体会议程序委员会主席。担任过多个知名多媒体国际会议的组织委员会和程序委员会成员。在多媒体分析、计算机视觉、模式识别、图像处理等领域发表论文300多篇，其中IEEE和ACM汇刊论文68篇，CCF-A类会议论文30篇，获得发明专利30项。获得2016年国际顶级多媒体会议ACM Multimedia的最佳论文和2016年ACM Transactions on Multimedia Computing, Communications and Applications最佳论文。担任国家自然科学基金委信息学部第十四届专家评审组成员，获得过首届CCF青年科学家奖，2012/2013/2016年中科院优秀导师奖，2012年“ACM Transactions on Multimedia Computing, Communication and Applications” 和2008年“ACM/Springer Multimedia Systems Journal”最佳编委奖，2004年新加坡陈嘉庚发明银奖。

报告提要：社会多媒体的两个基本要素是多媒体和用户，社会多媒体计算扮演着连接多媒体内容和用户需求的角色，对应的两个主要研究问题是多媒体内容理解和用户需求分析。本报告首先介绍以用户为中心的社会多媒体计算框架：（1）用户是基本的信息采集单元。Web 2.0背景下，用户已经从信息的被动接受者转变为信息的主动贡献者。海量的用户贡献数据（User-Generated Content，UGC）为多媒体内容理解提供了廉价的标注样本。（2）用户是最终的信息服务对象。社会媒体时代的信息服务需要“以人为本”，分析用户兴趣、理解和满足用户的个性化需求是信息服务的主要目的。接下来具体介绍围绕这一计算框架下的研究工作实例，主要包括四个方面：（1）用户感知的多媒体内容理解；（2）基于网络行为的用户建模；（3）社会多媒体网络关系分析；以及（4）跨网络用户关联和信息协同。最后，给出以用户为中心的社会多媒体计算发展趋势。随着移动互联网和可穿戴式智能设备的发展，计算模式将从以设备为中心转向以用户为中心，用户将成为社会多媒体的基本计算单元。

特邀讲者 赵  耀

长江学者特聘教授，国家杰出青年基金获得者，科技北京百名领军人才，国家百千万人才工程国家级人选，第七届“信息与通信工程学科”国务院学科评议组成员。现任北京交通大学信息科学研究所所长，北京市“现代信息科学与网络技术”重点实验室主任，北京交通大学学位委员会委员，北京交通大学计算机与信息技术学院教授会主席，院学位委员会主席，曾任国家自然科学基金第十一届、第十二届评审组专家，863评审专家库专家，受邀担任IEEE国际期刊《IEEE Transactions on Cybernetics》副编辑、IEEE国际期刊《IEEE Signal Processing Letters》副编辑、Elsevier国际期刊《Signal Processing: Image Communication》副编辑、Springer国际期刊《Circuits, Systems & Signal Processing》副编辑、《数据采集与处理》杂志编委，入选IET Fellow，自2006年起开始享受国务院特殊津贴。研究领域包括图像/视频编码、数字水印与数字取证、跨媒体内容分析与内容理解、多媒体信息处理等。

报告提要：可逆信息隐藏技术是一种能将秘密信息隐藏在媒体数据中以实现信息的秘密通信、版权和内容保护等目的，并可以在提取秘密信息后恢复原始载体的一类信息隐藏技术，该技术得到了国内外学者的广泛关注。本报告将介绍可逆信息隐藏的基本概念，回顾其典型的嵌入方法，并详细介绍本实验室最近的相关成果。

特邀讲者 蒋树强

中科院计算所研究员，博士生导师，IEEE和CCF高级会员，国际期刊IEEE Multimedia、Multimedia Tools and Applications的Associate Editor，任ACM SIGMM中国分会副主席、CCF专委工委委员、CCF多媒体专委会常委、IEEE CASS北京分会秘书长，研究方向为图像/视频等多媒体信息的分析、理解与检索技术，共在国内外刊物和会议上发表论文100多篇，获授权专利10项，获得2008年度北京市科技新星计划支持，2012年度中国科学院卢嘉锡青年人才奖，2012年度中国计算机学会科学技术奖，2013年度中国科学院青年科学家国际合作奖，获2013年度国家自然科学基金优秀青年科学基金支持，入选2014年度中组部万人计划青年拔尖人才计划。

报告提要：当前，图像视频等视觉数据已遍存在各种终端设备与网络平台中，也成为用户信息获取和信息交流的重要数据形式。如何对视觉内容进行深入的分析和理解，满足我们各种应用需求是多媒体和计算机视觉领域的一项重要研究课题。虽然近年来在图像分类和检测方面的进展显著，但仍有很多挑战性问题。本报告将讨论图像数据的智能分析技术，对研究现状、最新发展趋势及应用场景等方面进行讨论，并介绍几项最新技术进展，包括图像分类、物体识别以及图像标题等，这些技术可应用在面向手机与机器人的视觉交互和服务等。报告最后对技术前景进行展望并进行技术演示。