第五届“计图”人工智能算法挑战赛启动

2025/04/25 Tutorial

第五届“计图”人工智能算法挑战赛启动

计图(Jittor)人工智能算法挑战赛是在国家自然科学基金委信息科学部指导下,由北京信息科学与技术国家研究中心和清华大学-腾讯互联网创新技术联合实验室于2021年创办、基于清华大学Jittor深度学习框架的人工智能算法大赛。2022年起,该赛事也作为中国软件开源创新大赛中开源任务挑战赛的赛事之一,开展AI算法竞赛。

大赛面向所有在校学生和AI 相关领域从业人士开放,旨在通过竞技的方式提升人们对数据分析与处理的算法研究与技术应用的能力,推动我国自主人工智能平台的生态建设和人工智能研究和应用的深入。

本次大赛得到了腾讯公司的支持,并得到天津市人工智能计算中心/天津市河北区政府及数据局、曙光智算信息技术有限公司的算力支持,以及北京非十科技有限公司的技术支持,特此致谢!

Part 1

挑战赛的组织机构

挑战赛邀请人工智能领域的权威专家和国家自然科学基金委相关的主管领导参加指导委员会,并组建了包括高校、研究院所的学者和IT企业的资深技术专家在内的专家委员会,负责挑战赛的评审。指导委员会和专家委员会的名单如下。

指导委员会 (按字母顺序)

  1. 戴琼海,清华大学教授、中国工程院院士、中国人工智能学会理事长

  2. 胡事民,清华大学教授、中国科学院院士、中国计算机学会副理事长

  3. 刘   克,国家自然科学基金委信息科学部常务副主任

  4. 梅   宏,北京大学教授、中国科学院院士

  5. 沈向洋,粤港澳大湾区数字经济研究院理事长、美国工程院外籍院士

  6. 王怀民,国防科技大学教授、中国科学院院士

  7. 吴国政,国家自然科学基金委信息科学部二处(计算机、人工智能)处长

  8. 徐宗本,西安交通大学教授、中国科学院院士

  9. 查红彬,北京大学教授

  10. 张   钹,清华大学教授、中国科学院院士

  11. 章   毅,四川大学教授

  12. 周志华,南京大学教授国际人工智能联合会理事会主席

专家委员会 (按字母顺序)

  1. 白   翔,华中科技大学教授

  2. 程明明,南开大学教授

  3. 董未名,中科院自动化所研究员

  4. 高   林,中科院计算所研究员

  5. 郭延文,南京大学教授

  6. 黄   华,北京师范大学教授

  7. 李庆利,华东师范大学教授

  8. 刘   偲,北京航空航天大学教授

  9. 吕   琳,山东大学教授

  10. 孟德宇,西安交通大学教授

  11. 闵卫东,南昌大学教授

  12. 童若锋,浙江大学教授

  13. 王巨宏,腾讯公司技术委员会主任

  14. 王志衡,国家自然科学基金委信息科学部二处(计算机、人工智能)副处长

  15. 严骏驰,上海交通大学教授

  16. 张   蕾,四川大学教授

  17. 张松海,清华大学长聘副教授

  18. 郑伟诗,中山大学教授

  19. 左旺孟,哈尔滨工业大学教授

Part 2

挑战赛的赛题介绍

本届挑战赛设置一个热身赛(手写数字生成赛题)和两个正式赛道(超声图像的智能筛查与分级和人体骨骼生成赛题),均要求使用计图深度学习框架[1]完成。参赛团队需要通过热身赛才能参加两个正式赛道。

比赛报名和参赛的入口为:

https://www.educoder.net/competitions/index/Jittor-6

热身赛:手写数字生成赛题

热身赛的目的是帮助选手学习计图,并对参赛团队进行初筛,参赛团队需要通过热身赛才能参加两个正式赛道。

热身赛任务是在数字图片数据集MNIST上训练Conditional GAN模型,生成特定数字的图像。组织方提供示例代码,提供数据下载、模型定义、训练步骤等功能。如图1,比如用户的随机ID18012345678,那么一种可能的提交结果图像为:

手写数字生成结果

赛道一超声图像的智能筛查与分级

近年来,随着深度学习和计算机视觉技术的进步,超声图像的智能筛查与分级成为医学影像分析领域的重要研究方向。超声图像智能筛查分级的核心目标是利用人工智能技术对超声影像进行自动化分析,从而提高诊断的准确性和效率。在这一过程中,深度学习模型能够提取超声图像的关键特征,并结合医学知识进行智能判别,实现疾病的早期检测和严重程度的精准分级。这不仅能够辅助医生进行临床决策,还能有效提升医疗资源的利用率,为患者提供更快速和精准的诊断方案。

本赛题将提供一批乳腺超声图像,并要求按照BI-RADS[2]分级(见下表1),对这些图像按照智能筛查分级标准进行划分。

表1 赛道一分类标准示意图

赛道二:体骨骼生成赛题

近年来随着三维数字人生成方法的发展,以及业界丰富的数字人需求,三维人体动画成为了图形学的一个重要方向。

驱动一个三维人体网格,最常见的方式是骨架动画,它需要将三维网格绑定一套骨骼与蒙皮权重才能进行驱动。这个过程往往需要花费模型师数小时时间才能完成。

本赛题通过引入人工智能技术,旨在自动化这一过程,大幅提高数字人制作效率,降低数字人制作门槛,推动虚拟人、元宇宙等领域的发展。本赛题需要使用各类3D神经网络结构进行编解码,从而理解三维人体网络架构并预测相对应的骨骼节点的空间位置、以及对应的蒙皮权重。

图2 赛道二示意图

本赛题提供的Baseline是计图团队发布和开源的PCT网络[3]

Part 3

挑战赛的时间安排

本届Jittor人工智能算法挑战赛427日启动,51日发布A榜评测数据集,715日报名截止,9月决赛答辩;具体时间安排如下。

Part 4

参赛规则和奖项

所有参赛选手都必须在头歌平台注册报名,参赛选手需确保注册时提交信息准确有效。

https://www.educoder.net/competitions

参赛者在规定时间内须使用Jittor深度学习框架进行模型的设计、训练和预测。

为了帮助用户快速上手计图,Jittor团队联合头歌平台发布计图深度学习框架实践课程。本课程全面、系统地介绍了Jittor深度学习框架的基础模块、模型训练测试流程、基础网络结构编写、计算机视觉任务实现以及模型库的使用。学习本课程需要有一定的Python编程基础以及一定的深度学习基础。

Jittor深度学习框架实践课程的主页是:

https://www.educoder.net/paths/89rcg6jn

Jittor的教程和相关信息,详见Jittor官网、GitHub网页或Gitlink网页:

https://cg.cs.tsinghua.edu.cn/jittor/

https://github.com/Jittor/Jittor

https://www.gitlink.org.cn/Jittor/jittor

选手可2-3人组队或单人成队参赛,每位选手只能加入一支队伍,报名截止日期之后不允许更改队员。本次竞赛的奖金共28万,两个赛题分别评审,每个赛题的奖项如下。

获得两个赛道第一名的团队,将应邀将创新的模型和算法成果,撰文在Computational Visual Media(CVMJ)以short communication的论文类别发表。CVMJ的影响因子为17.3,在Web of Science的计算机-软件工程的132个期刊中排名第一。

比赛成绩优秀者,还可以获得腾讯校园招聘(包括实习)的绿色通道或其他便利,可提升简历曝光度及面试发起率。

挑战赛的评奖以B榜成绩为准。竞赛组委会对排在B榜前列队伍进行模型和代码审核,要求在Jittor平台上,复现榜单最优成绩;遴选通过审核的前10名参赛队伍进入决赛答辩。

大赛还设赛事交流QQ 群:717152103,提供在线学习讨论。敬请关注!

欢迎在校学生和AI相关领域从业人士注册参赛!

参考文献

  1. Shi-Min Hu, Dun Liang, Guo-Ye Yang, Guo-Wei Yang, Wen-Yang Zhou. Jittor: a novel deep learning framework with meta-operators and unified graph execution, Science China Information Science,2020, Vol. 63, No. 12, 222103.

  2. D’Orsi C.J., Sickles E.A, Mendelson E..B, Morris E.A., et al. ACR BI-RADS Atlas, Breast Imaging Reporting and Data System. Reston, Virginia, American College of Radiology, 2013.

  3. Meng-Hao Guo, Jun-Xiong Cai, Zheng-Ning Liu, Tai-Jiang Mu, Ralph R. Martin & Shi-Min Hu. PCT: Point cloud transformer,  Computational visual media, 2021, Vol. 7, No. 2, 187-199.

GGC往期回顾

1. CVM 2025和首届香港科大AI电影节开幕

2. 计图团队完成华为昇腾上 DeepSeek 模型的高效适配

3. 三维透明物体重建的网格-神经混合表示 | CVMJ Spotlight

4. Computational Visual Media第11卷第1期导读

5. 计图开源:轻量级遥感骨干网络LSKNet和Strip R-CNN

可通过下方二维码,关注清华大学图形学实验室,了解图形学、深度学习、Jittor框架、CVMJ期刊和CVM会议的相关资讯。

图片

Search

    Table of Contents