2026年11月11日，IEEE VIS 2026 天津分会场进入第二天。由中国图象图形学会主办的 CSIG 图像图形学科前沿讲习班以智能时代的大数据可视化与人机协同为主题开讲，CSIG 图像图形中国行南开大学站同日在津南校区举行，当晚的波士顿连线随后展开。 CSIG图像图形学科前沿讲习班 中国人民大学汪云海教授的报告题为《大模型时代的自主可视化技术体系构建》。他指出，如果直接把自然语言交给大模型生成底层图表代码，图表的规则、交互逻辑会纠缠在一起，换一张图或换一份数据又要重做。为此其团队从已有图表中归纳出编码、组合、生成、连接四类基础操作，形成组合式可视化语言 PiCCL。他最后提出， »
时间：2026年11月14日（周六） 09:00 地点：望江校区基础教学楼B座318实验室 分享者：王艺蒙 邓拳 Part1 分享者：王艺蒙 分享内容： [1] Xu J, Liu W, Liu Y, et al. Spatial Visual Analytics »
2026年11月10日，IEEE VIS 2026 天津分会场（IEEE VIS 2026 Tianjin Satellite）在天津开幕。分会场由天津大学主办，会期自11月10日至13日，主会场设于天津梅江诺富特酒店，校区活动在天津大学北洋园校区举行。会议以本地活动与 Boston 主会场直播相结合的方式展开，涵盖学科战略研讨会、可视化前沿讲习班、本地论文报告、Poster 展示以及多场跨会场连线。视觉计算实验室2025级硕士研究生邓子祎参加了此次会议。 当日下午，学科战略研讨会在北洋园校区举行， »
2026年11月7日上午，香港理工大学计算学系博士研究生周怡受邀在线上为视觉计算实验室带来题为“AI for Protein 研究与研究生经验分享”的学术报告。本次分享采用线上线下相结合的方式进行，由实验室负责人朱敏教授主持，实验室全体成员及部分本科生参与交流。 周怡于2024年获四川大学计算机科学与技术专业硕士学位，导师为朱敏教授，本科阶段受四川大学吴玉章荣誉学院培养，现于香港理工大学师从范文琦教授、李青教授攻读博士学位。她的研究方向聚焦AI for Science，尤其关注运用大语言模型与扩散模型解决蛋白质多模态建模问题，相关成果已发表于KDD、EMNLP、ICLR等会议。 分享环节，周怡首先系统梳理了蛋白质语言模型领域的研究版图。她从蛋白质“序列— »
2026年11月6日，浙江大学博士研究生刘书含来到四川大学视觉计算实验室进行学术交流。她目前的研究方向为时序数据可视化，与实验室的缘分则可以追溯到高中时代：2015年，她入选教育部与中国科协联合实施的“英才计划”，在朱敏教授指导下学习可视化与可视分析，由此走入这一研究领域。参加本次交流的有实验室可视化小组全体成员、2026级硕士研究生，以及实验室2011级成员甘启宏、2018级成员庞潇。交流由朱敏教授主持。 交流伊始，朱敏介绍了刘书含的学术经历与研究方向，并回顾了师生二人多年来的交往。随后，朱敏逐一介绍参加交流的实验室成员，大家由此对彼此的研究方向和近期进展有了初步了解，交流正式开始。 分享环节，刘书含沿着自己的研究脉络，介绍了三项代表性工作。这些工作都从时序数据出发，分别面向工业场景、 »
2026年11月6日至7日，视觉计算实验室将举行两场学术分享活动。11月6日（星期五）晚，浙江大学博士生刘书含将带来“时序数据可视分析”主题分享；11月7日（星期六）上午，香港理工大学博士生周怡将在线上介绍其在 AI for Protein 方向的研究进展，并与大家交流研究生阶段的科研经验。除视觉计算实验室成员外，两场分享均面向对相关方向感兴趣的本科生开放，诚邀大家参与交流。 第一场｜时序数据可视分析 分享人：刘书含（浙江大学博士研究生） 时间： »
时间：2026年11月07日（周六） 09:00 地点：望江校区基础教学楼B座318实验室 分享者：魏楷臻 沈嘉瑞 Part1 分享者：魏楷臻 分享内容： [1] Jian-jun Qiao, Xiao Wu, Zhi-Qi Cheng, Wei Li, and Zhaoquan Yuan. »
2026年11月1日，第十六届中国计算机图形学大会（ChinaGraph 2026）迎来最后一天。四川大学视觉计算实验室参会同学继续参与大会学术活动，围绕边缘智能计算、软硬件协同优化、智能图形计算及空间智能等前沿方向展开学习交流，在聆听专家报告的过程中拓宽学术视野，感受计算机图形学与人工智能交叉融合的发展趋势。 主旨报告：边缘智算中的软硬件协同优化技术 上午9时，北京航空航天大学李波教授带来题为《边缘智算中的软硬件协同优化技术》的主旨报告。报告聚焦边缘智能计算面临的计算资源受限、模型运行效率与系统性能优化等挑战，介绍了软硬件协同设计在提升智能计算效率方面的研究思路。 李波教授从算法与计算架构的协同关系出发，探讨了如何通过优化计算任务、资源配置及软硬件协作机制，提高智能模型在边缘设备上的执行效率。报告展现了边缘智能计算从算法设计到系统部署的技术发展方向，也为高效智能视觉系统的设计与实现提供了有益启发。 »