报告人：王荣，池州学院大数据与人工智能学院，讲师，生成式AI研究中心成员。
时 间：2025 年 9 月 17日（周 三）下午15：30
地 点：博奕南一楼会议室
主办单位：池州学院大数据与人工智能学院
报告摘要：多模态大模型聚焦图文音视等不同弱关联模态信息，借助自监督学习、模型微调等技术手段，构建多模态融合表征、关联协同及相互转化机制，被视作实现类人感知与认知能力的关键途径，在学术界和企业界均备受广泛关注。本报告将首先回顾当前多模态预训练模型在跨模态表征对齐（如图文语义精准匹配）、多模态协同生成（如文生图、图生文的高质量产出）、复杂场景理解（如视频内容多维度解析）等方面的最新进展，通过动态演示视频（展示多模态模型对不同模态信息的处理流程）、实际应用案例展示（涵盖智能交互、内容创作、工业检测等场景）直观呈现技术突破；随后，对多模态大模型领域未来在更高效的多模态融合架构、小样本下的多模态泛化能力提升、多模态伦理与安全等方向的发展趋势进行展望与思考，并介绍课题组在多模态大模型在图文理解、视频描述、跨模态检索、视觉问答、多模态推理、对话生成等核心方向，既是当前领域技术水平的集中体现，更暗藏多模态智能未来发展的关键路径。
