【54期】 CSIG文档图像分析与识别专业委员会学术微沙龙

CSIG文档图像分析与识别专业委员会学术微沙龙（简称：文档图像微沙龙）在线学术报告会第五十四期于2026年7月14日成功举行。

本沙龙由中国图象图形学学会主办，文档图像分析与识别专委会发起承办，中国图象图形学报协办。本场活动邀请华南理工大学博士生韩有为分享最新成果：基于轮廓感知生成的机器人手写研究；邀请香港理工大学研究实习生边雨桐分享最新成果：光学推理：超越文本，让图像成为更有表达力的推理媒介。微沙龙活动在B站、蔻享学术、中国图像图形学报视频号进行了同步直播。三个平台共计约3750人次的相关领域的老师同学观看学习。

报告人为华南理工大学多模态认知计算团队韩有为博士生。

报告以“基于轮廓感知生成的机器人手写研究”为题，深入探讨了赋予机器模拟人类手写能力的技术路径。报告首先强调了该研究的应用价值与意义，并指出现有方法普遍通过预设程序实现机器人手写，缺少机器人自主学习临摹字符的可靠数据和方法。为解决这一难题，团队提出了一项名为“基于轮廓感知的手写轨迹重建” (CHTR)的新任务，构建了包含精细笔画轮廓标注的大规模字符数据集CHTR-110K，并介绍了一种名为“基于图的笔迹轨迹重构”（G-HTR）的新方法。大量实验验证了所提方法的有效性，该方法在CHTR-110K和主流数据集上均超越了现有的最先进方法。此外，本方法在机器人实际部署中也展现出优异的效果，充分证实了其应用价值。

[1]. Bian, Y., Cheng, D., Xia, H., Li, Y., & Li, W. (2026). Optical Reasoning: Rethinking Images as an Expressive Reasoning Medium Beyond Text. arXiv preprint arXiv:2606.09585.

[2]. Cheng, D., Li, Y., Ma, Z., Cai, H., Hu, Y., Wang, W., ... & Li, W. (2026). Omni-R1: Towards the Unified Generative Paradigm for Multimodal Reasoning. arXiv preprint arXiv:2601.09536.

[3]. Li, A., Wang, C., Yue, K., Cai, Z., Liu, O., Fu, D., ... & Goldblum, M. Zebra-cot: A dataset for interleaved vision language reasoning, 2025a. URL https://arxiv. org/abs/2507.16746.

[4]. Rein, D., Hou, B. L., Stickland, A. C., Petty, J., Pang, R. Y., Dirani, J., ... & Bowman, S. R. (2023). Gpqa: A graduate-level google-proof q&a benchmark. arXiv preprint arXiv:2311.12022.

加入学会：

关注我们：