第四届中国情感计算大会（The Fourth Chinese Conference on Affective Computing, CCAC 2024）将于2024年7月19日至7月21日在江西省南昌市举行，大会由中国中文信息学会情感计算专委会主办，江西财经大学和江西师范大学承办。
本次会议以“让大模型更懂情感”为主题，将深入探讨大模型时代的情感认知和情感计算的理论和技术最新进展。大会由国防科技大学贾焰教授、拓尔思信息技术股份有限公司总裁施水才教授和江西财经大学校长邓辉教授担任大会主席，华南理工大学蔡毅教授和中国科学技术大学徐童教授担任程序委员会主席。
会议于7月19日设立了四个专题的讲习班，由中国科学院自动化研究所刘斌副研究员，哈尔滨工业大学赵妍妍教授担任讲习班主席，邀请了情感计算领域的四位知名学者做主题报告，包括西北工业大学高超教授、中国科学院计算技术研究所韩琥研究员、上海交通大学吴梦玥副教授、中国人民大学林衍凯助理教授。讲者将对情感计算与大模型的热点问题、相关理论和方法进行介绍，并对如何开展该领域前沿研究等进行探讨。大会主会和讲习班现已开启注册，敬请加入，期待与您相遇！
会议注册网址：https://www.cipsc.org.cn/Learn/index.aspx?itemid=4009（点击阅读原文）
讲习班专题一：
高超 西北工业大
题目：基于社交机器人的网络视听平台内容理解与监测研究
时间：2024年7月19日 09:00 - 10:20
摘要：随着移动互联网和大数据的快速发展，网络中产生了海量的视频及短视频数据，传统舆情分析和内容理解方法在多模态语义理解方面面临跨平台环境难提取，用户兴趣特征难构建，视频语义内容难理解。本报告针对上述需求，构建高拟真社交机器人，通过视频信息萃取、语义描述生成、多模态认知计算等技术手段，实现非介入式内容理解与监测，服务建设与产业化互联网视频智能监测系统，净化网络环境的战略需求。
讲者：高超，西北工业大学教授，博士生导师，国家级领军人才。主要研究行为大数据分析与建模、网络结构与传播动力学、群智能算法。在各类IEEE汇刊、中国科学信息科学、IJCAI、AAAI、KDD等国内外知名期刊和会议发表学术论文90余篇，授权发明专利23项。近五年主持GF基础科研项目、科技部重点研发、国家自然科学基金国际合作等项目10项。获教育部自然科学奖一、二等奖各1项，中国中文信息学会一等奖1项。
讲习班专题二：
韩琥 中国科学院计算技术研究所
题目：面部生理与表情识别及应用
时间：2024年7月19日 10:40 - 12:00
摘要：人的面部图像包含身份、属性、表情、生理等丰富视觉特征。面部生理与情感特征能有效反映人体内在的精神、情感和体征等状态，为生理健康、心理状态、精神疾病评估等应用提供依据，具有广泛的应用价值。本次报告将回顾面部生理与表情信号产生的内在机理和识别的挑战问题，进而介绍本领域在特征表示、模型设计等方面的最新进展，最后将介绍生理与表情识别在精神疾病辅助诊断等方面的应用。
讲者：韩琥，中国科学院计算技术研究所研究员、博士生导师。2011年博士毕业于中科院计算所，之后分别在美国密歇根州立大学和谷歌从事生物特征识别研究工作，2015年回到中科院计算所工作。主要研究方向为计算机视觉、生物特征识别及医学视觉智能。在领域主流国际期刊与会议上发表学术论文100余篇，谷歌学术引用7600余次，H指数: 42。研究工作先后获得5项论文奖，包括1项IEEE信号处理学会的最佳论文奖(2020)和4项会议论文奖。受邀担任IEEE Trans. BIOM，Pattern Recognition，EURASIP等权威国际期刊的编委，及MICCAI2024, CVPR2024, MICCAI2023, FG2023，ECCV2022, ISBI2022, IJCAI2021，ICPR2020等权威国际会议的领域主席、Senior PC、Session主席；先后10余次在ICCV / CVPR / IJCAI / FG / WACV / PRCV等国内外重要会议上组织大会专题与学术论坛。
讲习班专题三：
吴梦玥，上海交通大学
题目：Digital Mental Health: 基于言语智能的数字精神健康
时间：14:00 – 15:20
摘要：数字化心理健康近年来逐渐受到重视，尤其在利用言语智能进行精神疾病检测方面表现出色。本研究基于声学、文本和对话，探讨各方法在抑郁症和其他精神疾病的诊断中的应用。在抑郁症声学检测上我们提出了基于自监督学习的抑郁症特征提取方法；借助于抑郁与情绪检测任务的同异性，提出了基于情绪识别的抑郁症语音-文本检测方法；同时扩展于人机对话的智能问诊方式，构建了抑郁症问诊数据集，开发了融合共情机制的智能抑郁症语音问诊对话系统。在文本上，我们利用社交媒体数据，将问诊场景中的切片式诊断改进为有历时信息的序列诊断，首次提出以症状为核心的精神疾病诊断方式，提升模型精度以及结果的可解释性。同时，我们探索了LLM模型在数字化心理健康领域内，尤其是模拟医患交互方面的应用方向。综上，基于言语智能的精神疾病检测提供了一个有力的工具，不仅有助于提高诊断精度，还为深入理解这些疾病的言语行为表征开辟了新的研究方向，精神疾病的复杂性和主观性也对言语模型提出了新的挑战。
讲者：吴梦玥，上海交通大学计算机科学与工程系副教授，博士生导师。北京师范大学学士，澳大利亚墨尔本大学博士。上海市浦江人才获得者。中国计算机学会高级会员，语音对话及听觉专业委员会委员。长期从事多媒体信息研究的工作，主持国自然科学基金项目、浦江人才项目；作为主要参与人员承担国自然重点项目、新华社国家重点实验室项目；过去三年在ICASSP、Interspeech、Multimedia、EMNLP、IEEE/ACM T-ASLP等智能音频处理及多媒体重要会议和期刊上发表论文50余篇。丰富环境声学研究方向：首次提出音频摘要任务，在丰富音频挑战赛双任务获得国际比赛第一名；丰富人声研究方向：在抑郁症检测上提出了基于自监督学习的抑郁症特征提取方法；同时扩展于人机对话的智能问诊方式，构建了首个抑郁症问诊数据集，开发了融合共情机制的智能抑郁症语音问诊对话系统，疫情期间广泛用于群众心理状态调查。
讲习班专题四：
林衍凯，中国人民大学
题目：大模型自主智能体与群体智能
时间：15:40-17:00
摘要：近年来，大模型在自然语言处理、计算机视觉、生物学等诸多领域展现出惊人的应用价值。大模型在大规模预训练中获得的在复杂交互环境中的非凡理解、推理、规划和决策能力，进而展现出在复杂真实场景下通过调用工具与分工协作解决复杂任务的巨大潜力。本报告的内容为大模型自主智能体与群体智能，包括其统一框架、主要挑战、重要工作和未来方向。
讲者：林衍凯，中国人民大学高瓴人工智能学院准聘助理教授，主要研究方向为预训练模型和大模型智能体，在 CCFA/B 类国际顶级学术会议发表论文 50 余篇， Google Scholar 统计引用达到 1.3万次， H‑index 为 42，2020-2024年连续四年入选爱思唯尔（Elsevier）中国高被引学者和斯坦福大学全球前2%顶尖科学家。其成果获评教育部自然科学一等奖、 2022 年世界互联网大会领先科技成果（全球共15项）。
