-
关于开展2022年中国通信学会科学技术奖提名工作的通知各相关单位:为贯彻党的十九大及历次全会精神,促进信息通信科技自立自强,调动科研人才积极性,推动技术进步和科技成果转化,依据国家法律法规和科技奖励工作主管部门颁布的相关政策,我会拟组织开展2022年中国通信学会科学技术奖(以下简称“学会科技奖”)评选工作。现将提名工作有关事项通知如下一、提名项目类型及要求了解详情 ▶
-
关于2022年度中国图象图形学学会自然科学奖、技术发明奖、科技进步奖推荐工作的通知为贯彻“尊重知识、尊重人才、尊重创造”的方针,通过奖励机制充分调动我国图像图形学领域科技工作者的积极性和创造性,推进图像图形学技术领域的科技创新与产业发展,中国图象图形学学会(以下简称CSIG)设立包含“自然科学奖”“技术发明奖”“科技进步奖”“高等教育教学成果奖”“青年科学家奖”“石青云女科学家奖”和“优秀博士学位论文奖”在内的系列奖项,现开展2022年度CSIG自然科学奖、技术发明奖、科技进步奖推荐与评选工作。了解详情 ▶
-
关于开展“中国图象图形学学会科普教育基地”申报工作的通知为贯彻《中华人民共和国科学技术普及法》、《全国科普教育基地认定办法(试行)》等科普相关法规要求,中国图象图形学学会现试行设立“中国图象图形学学会科普教育基地”,实施推进图像图形领域科技工作者和单位参与本学会及学科科普工作,拓展科普阵地,挖掘和利用图像图形学科科普教育资源,进一步提升科普公共服务能力和质量。现将学会科普教育基地申报有关事项通知如下:了解详情 ▶
-
关于开展第十八届中国青年女科学家奖和2021年度未来女科学家计划 候选人推荐工作的通知各位理事、专业分会及相关人士:为深入学习贯彻习近平新时代中国特色社会主义思想,贯彻落实中央人才工作会议精神,表彰面向世界科技前沿、面向经济主战场、面向国家重大需求、面向人民生命健康,深入实施科教兴国战略、人才强国战略、创新驱动发展战略,在相关科技创新领域作出突出贡献的青年女科技工作者和团队,激发广大女科技工作者的创新创业创造热情,大力弘扬科学家精神,为加快建设世界重要人才中心和创新高地、实现高水平了解详情 ▶
-
中国图象图形学学会关于开展北京市科学技术协会2023-2025年度青年人才托举工程项目被托举人遴选工作的通知按照《北京市科协青年人才托举工程管理办法》《北京市科协关于开展2023-2025年度青年人才托举工程项目实施工作的通知》要求,中国图象图形学学会联合北京图象图形学学会开展北京市科学技术协会2023-2025年度青年人才托举工程项目被托举人遴选工作,现将有关事项通知如下:了解详情 ▶
-
关于2022年度中国图象图形学学会杰出会员评选工作的通知为表彰在图像图形科学技术领域学术研究、人才培养等方面做出突出成就或为本学会发展做出重要贡献的高级会员,根据《中国图象图形学学会章程》和《中国图象图形学学会会员条例》规定,中国图象图形学学会每年组织一次杰出会员评选工作,2022年度杰出会员评选工作即日启动。现将有关事项通知如下: 一、评选条件了解详情 ▶
-
关于征集2022年中国仪器仪表学会科学技术奖的通知各有关单位和个人:中国仪器仪表学会科学技术奖是经国家科技部批准,在国家科技奖励主管部门注册,经国家科学技术奖励工作办公室颁证(登记证书编号:国科奖社证字第0016号),由中国仪器仪表学会设立的面向全国仪器仪表领域的综合性奖项。奖励面向精密仪器与测量、传感器技术、测量与自动控制技术、电子测量仪器、检测技术、视觉测量与图像处理、信息处理技术、基于网络的测量技术、生物信息检测、交叉与前沿技术等领域,奖励了解详情 ▶
-
中国高等教育学会理科教育专业委员会关于“高等理科教育”研究课题立项的通知各课题负责人:中国高等教育学会理科教育专业委员会(以下简称“专委会”)于2021年10月启动了“高等理科教育”研究课题申报工作。根据《中国高等教育学会高等教育科学研究项目管理办法(试行)》等有关要求,经学校遴选推荐、专家评审、常务理事会议审议,公示无异议后,决定“高等理科教育”研究课题立项37项,其中重大课题2项,重点课题5项,一般课题30项(名单见附件1)。现将有关事宜通知如下:一、立项课题管理了解详情 ▶
-
关于申报2022年度中国仪器仪表学会 奖学金的通知各高校在校学生:为引导和鼓励青年学生投身仪器仪表事业发展,由中国仪器仪表学会倡导,在我国仪器仪表行业领军企业的支持下,设立“中国仪器仪表学会奖学金”(下称奖学金)。本年度奖学金由上海唐辉电子有限公司和汉威科技集团股份有限公司捐赠资助。奖学金面向全日制三年级及以上本科生、在校硕士生和博士生。每年评选一次。设特等奖、一等奖和二等奖3个等级,奖金分别为10000元、3000元和2000元。申报条件详见附了解详情 ▶
-
“多模态视觉理解与生成”专刊征稿多模态机器学习任务指不同模态的信息对齐和交互。当前不同模态之间的联合理解与生成掀起了新的研究热潮,其核心是让不同模态的信息相互辅助,互为指引,从而提升模型在不同模态下游任务上的性能。目前,多模态视觉理解和生成已经取得了巨大的进展,但依然面临诸多挑战。其中首要难点是如何构建具有通用知识的大规模多模态数据集;另一个难点是不同模态之间的表现形式不同,属性差别巨大,如何采用有效的模型训练方法,得到统一的通用知识表达。为了加强多模态视觉理解与生成领域的学术交流、促进本领域研究进展,本专刊将汇集若干具有创新性与突破性的最新研究成果。了解详情 ▶