2020年10月14日，应我室赵才荣老师的邀请，清华大学副教授鲁继文在线上进行了学术报告，并与师生进行了学术交流及探讨。

  鲁继文老师的报告题目为“无监督表示学习与视觉内容理解”。无监督表示学习通过无标注数据和无监督学习实现复杂对象的特征表示，可克服监督表示学习对大规模高质量标注数据的依赖，提高特征表示的泛化性与鲁棒性。报告介绍了近年来面向视觉内容理解所提出的多个无监督表示学习方法，包括无监督紧致表示学习、无监督自编码表示学习、无监督多量化表示学习、无监督图模型表示学习、无监督双向表示学习，以及它们在视觉目标识别、视觉目标匹配、图像视频检索、三维场景理解等任务中的应用。报告后的问答环节，同学们针对各自的领域分别提出了问题并与老师进行了热烈的讨论。

  鲁继文博士是清华大学自动化系副教授、博士生导师，国际模式识别学会会士（IAPR Fellow）。长期从事计算机视觉、模式识别和智能机器人的研究，在PAMI/IJCV/CVPR/ICCV/ECCV上共发表论文80余篇，谷歌学术引用11000余次，主持国家自然科学基金联合重点基金、国家优秀青年科学基金、国家重点研发计划课题等科研项目10余项。担任国际期刊Pattern Recognition Letters主编，IEEE T-IP/T-CSVT/T-BIOM和PR编委，国际会议FG 2023、VCIP 2022、AVSS 2021和ICME 2020程序委员会主席，CVPR 2020/2021和IJCAI 2021领域主席，中国计算机学会计算机视觉专委会常务委员，中国人工智能学会模式识别专委会常务委员，中国图象图形学学会视觉大数据专委会常务委员。（孙添力）