ARTICLE · 1133881

10月9日 “软件新技术讲坛” 学术报告 - 李彦玮长聘教轨助理教授

发布时间：2026-10-07 11:07:53 最近访问：2026-10-07 11:07:54

从语义到几何：视觉生成如何促进多模态理解与推理

时间：2026年10月9日（星期五）14:00

地点：苏州校区南雍楼东530室

李彦玮, 长聘教轨助理教授

上海交通大学人工智能学院

摘要

统一多模态模型正在融合视觉理解与生成能力，但如何让两者有效协同，仍是值得深入探索的问题。本报告围绕“视觉生成如何促进理解与推理”，介绍从语义表征到空间几何的两项研究。首先，介绍语义生成式调优方法（SGT），通过系统比较不同层次的视觉生成任务，以图像分割作为连接理解与生成的桥梁，改善语义表征与跨模态对齐，促进视觉理解和图像生成能力的协同提升。随后，介绍几何理解与生成统一模型（GeoUG），探讨深度与多视角生成在训练阶段对空间理解的作用，并通过强化学习驱动的自适应交错推理，使模型按需生成深度图，利用几何证据验证和修正初步判断。报告将结合方法设计与实验分析，讨论生成能力如何在训练与推理阶段发挥作用，为多模态模型的能力协同提供思路。

报告人简介

李彦玮，上海交通大学长聘教轨助理教授、博导，国家高层次青年人才。博士毕业于香港中文大学，曾任美国字节跳动 Seed 团队高级研究科学家。长期从事多模态基础模型与生成式人工智能研究，作为核心成员参与 Seed2.0、Seed1.8、Seed1.5-VL 等基础模型研发，相关技术成果已应用于字节跳动多个亿级用户产品。其在多个国际顶级会议和期刊发表30余篇论文，并担任NeurIPS等会议的领域主席。其谷歌学术引用1万余次，开源模型下载量超过 200 万次，并曾获得世界人工智能大会“云帆奖”。目前研究聚焦于多模态模型、图像与视频生成、世界模型及具身智能方向。

欢迎参加

相关学习资料