10月20日19:00，伴随着金秋十月的习习秋风，澳门新葡萄新京威尼斯第二次雏凤轻鸣”学术沙龙活动顺利举行。本次活动邀请到了澳门新葡萄新京威尼斯的李胜曦教授，为我们带来了有关概率表征学习和视觉压缩方法的精彩学术讲座。

       作为澳门新葡萄新京威尼斯的学长，李老师首先为我们介绍了他的求学经历：从大一钻研课业，到大二自学单片机参与实践动手与课外竞赛，再到大三大四从事科研活动，师从徐迈教授，为硕士学习打下基础。他用他的经验鼓励我们积极参与课外竞赛，从事科研探索，为我们的大学生涯规划提供了宝贵建议。在英国帝国理工学院取得博士学位后，李老师选择回到威尼斯任职教授，继续科研工作。他为我们分析了从事工业界与学术界的利弊，为我们将来的就业方向提供了参考，也引发了我们在未来职业方向上的思考。

        其次，李老师为我们展示了他在表征学习与视觉压缩领域的研究成果。为了进行无监督的机器学习，可以采用面向重构的表征对数据进行特征处理，并使用低维、低秩的形式表示数据，使数据转化为可被机器学习的形式。在图像与视频压缩的思路上，李老师介绍了使用表征算法进行重构时，可以从信息重构的图片清晰化转变到语义重构的图片越来越像的方法。

       第三，李老师深入阐释了信号表征与重构的方法——主成分分析（PCA），将图像信息向量化并进行PCA分解，将具有弱语义特征的主成分空间保留从而实现图像降维处理。而对于面向语义的信号表征则指用无监督的方式，寻找处于连续低维的语义空间。使用基于特征函数的可逆生成对抗网络，可以生成和重建具有语义的图片。另一方法为面向人类视觉的压缩方法，可以对人眼关注的部分选择性重构，将具有大量语义部分的图片重构，将保准度和逼真度精度提升并将码率减半。最后一方法为面向机器视觉的压缩方法，确保了机器视觉任务准确度，从而实现语义分割、图像分类、目标追踪等功能。                      

        李老师用精彩的讲座为我们的大学生活提供了生涯指导，也用专业知识带我们领略了表征学习和图像视频压缩的奥秘。在阵阵掌声中，第二次“雏凤轻鸣”学术沙龙活动取得了圆满成功。