2022年10月9日，山东大学机电与信息工程学院“电子信息学术前沿与行业发展”研究生暑期学校暨高端学术讲坛“计算机前沿”模块顺利闭幕。本次讲坛一共举行了三场高端学术报告，来自青岛、济南、烟台、威海等地的专家、学者和机电与信息工程学院的师生参加了本次讲坛。

第一场报告邀请了山东大学副教授辛士庆作了题为“面向多模态数据的测地线计算和应用”的报告，由王丽教授主持。辛教授介绍了测地线是指限制在曲面上的最短路径，蕴含了曲面的所有内蕴属性，是形状分析的基础。测地线的计算是计算机图形学、计算几何、计算机视觉、路径规划等多个领域共同关注的研究课题。已有研究工作不能满足数据多样性和算法普适性两大需求。重点介绍了基于新的测地变分形式，提出跨几何域计算的通用算法框架，并进一步探讨了路径的初始化、中间点数目的选择、各向异性度量等一系列相关问题，以适应测地线问题的差异化需求。

第二场报告邀请了威海北洋电气集团副总工、山东大学兼职特聘教授秦志亮作了题为“GAN在虚拟现实方面的应用”的报告。秦志亮教授介绍了传统的GAN算法如DCGAN和pix2pix在图像生成方面具有明显的局限性。先进的GAN模型包括BigGAN, StyleGAN, StarGAN, Stable Diffusion展现了极其接近真实的生成图像质量。重点介绍了基于先进的GAN模型，介绍其在高仿真图像生成，人脸图像迁移，人脸编辑，深度换脸技术等方面的应用。秦教授最后又结合最新的虚拟现实技术，探讨时新的元宇宙概念，以及其在文娱等行业的落地场景。

第三场报告邀请了山东财经大学教授郭强作了题为“从RNN到Transformer：模型、方法及应用”的报告。郭强教授重点介绍了Transformer结构取消了传统的Seg2Seg模型中RNN和CNN传统神经网络单元，该计算单元并行化程度高，训练时间短，解决了传统时间序列领域方法中的若干问题，如长距离信息弱化，同时拥有强大的语义特征提取能力、长距离特征捕获能力、任务综合特征抽取能力，处于并将长期处于NLP的主流网络架构。对于时间序列数据，Transformer 能够出色地对长距离依赖和交互进行建模，并且其变体广泛应用于时间序列预测，时间序列分类，异常检测等任务，是未来很有前景的工具。

会后，各位专家、教授与同学们进行交流讨论，山东大学计算机科学与技术学院教授、前沿交叉研究中心主任张彩明、郭强教授与我院师生针对RNN、Transformer模型，进行了长时间的探讨。报告会给同学们带来了深刻的启发，直观的理解了技术在企业创新中的重要作用，对自身的科研工作有了新的规划和感悟，激发了同学们对未来学习的兴趣。专家们需求引领、脚踏实地、攻坚克难、干事创业的精神鼓舞着青年学子，同学们深刻认识到个人奋斗需要融入到国家需要和社会事业发展的洪流中去，才能获得更大的成就。

作者：文/王春鹏 图/王春鹏 责任编辑：牛淼淼