更强的模型之外，ACM MM 2026还在关注什么？

2026-11-05 13:47 雷锋网约 8 分钟读完

模型能力的提升，正在与更具体的人、更复杂的环境和更长远的影响结合。作者丨张璐编辑丨张驰更强的模型、更出色的性能，始终是多媒体研究令人期待的进展。但一场学术会议的吸引力，也来自它能够容纳更丰富的话题。第 34 届国际多媒体领域顶会 ACM Multimedia ，将在 2026 年 11 月 10 日至 14 日在巴西里约热内卢举行。今年四位主题演讲嘉宾，尤其值得关注。他们各自的研究经历与问题意识，体现出了技术前沿与多元视角的交汇。从选择性聆听到具身交互，从 AI 摘要的责任到青少年的网络安全，四位嘉宾把信号处理、人机交互、语言学与社会计算带到同一个舞台，也带来了衡量技术进步的不同尺…

本文作者：

导语：模型能力的提升，正在与更具体的人、更复杂的环境和更长远的影响结合。

模型能力的提升，正在与更具体的人、更复杂的环境和更长远的影响结合。

作者丨张璐

更强的模型、更出色的性能，始终是多媒体研究令人期待的进展。但一场学术会议的吸引力，也来自它能够容纳更丰富的话题。

第 34 届国际多媒体领域顶会 ACM Multimedia ，将在 2026 年 11 月 10 日至 14 日在巴西里约热内卢举行。

今年四位主题演讲嘉宾，尤其值得关注。

他们各自的研究经历与问题意识，体现出了技术前沿与多元视角的交汇。从选择性聆听到具身交互，从 AI 摘要的责任到青少年的网络安全，四位嘉宾把信号处理、人机交互、语言学与社会计算带到同一个舞台，也带来了衡量技术进步的不同尺度。雷峰网 (公众号：雷峰网)

▎ Elisabeth André：让 AI 参与人与人的交流

德国奥格斯堡大学教授 Elisabeth André 长期研究多模态交互、情感计算、社会信号处理，以及虚拟角色和社交机器人。她关注的信号包括语言、目光、手势和生理数据，这些共同构成了人类交流中，那些难以被文字概括的部分。

在本次演讲中，她将讨论如何让具身 AI 理解并参与具体情境中的互动，涉及辅助沟通、群体讨论和儿童治疗等场景。

这让“多模态”的意义变得鲜活起来。

日常交流里，一个人能否顺利表达，并不完全取决于他有没有把句子说完整。停顿、表情、身体动作，以及其他人是否愿意等待，都可能影响沟通的结果。面对不同的表达习惯和沟通能力，AI 需要学会怎样提供恰当的支持。

▎ 李海洲：选择性的倾听

香港中文大学（深圳）人工智能学院院长李海洲的研究经历，横跨学术与产业，长期深耕语音和语言技术。他参与过语音产品研发，也持续研究机器如何处理人类复杂的声音世界。

他的演讲以“倾听”为切入口，讨论多人同时说话时的选择性听觉注意，以及人类视听感知对目标说话人提取的启发。

比如在嘈杂的环境中，四周都有谈话声，你却能把注意力放在面前的人身上。对人来说，这往往发生得十分自然；对机器来说，从混合声音中提取目标语音，仍然需要精细的建模。

李海洲参与的相关研究，已经探索了利用嘴唇运动与语音的同步关系，来辅助选择性聆听，也就是视觉能够帮助机器判断该听谁的声音。

这场演讲也让我们重新理解多媒体研究的出发点。人的感知本来就跨越多种感官，注意力又总是带着目标。研究机器如何倾听，也是在研究人怎样从纷繁的信息中，找到对自己有意义的部分。

▎ Clarisse Sieckenius de Souza：AI 替你读过之后，忽略了什么？

Clarisse Sieckenius de Souza 的学术经历尤其能体现跨学科的价值。

这位巴西里约热内卢天主教大学荣休教授，接受的是翻译、语言和应用语言学训练，后来进入计算机领域，并与学生、合作者共同发展了人机交互中的符号学工程理论。她的研究把语言、意义和沟通带进了对软件系统的理解。

本次演讲中，她将把目光投向 AI 摘要中的“委托阅读”问题：当系统代读原始材料，摘要中的取舍与遗漏应如何接受审查？这一问题也将延伸到视频、音频和多模态内容。

这是一个与每个人紧密相关的问题。越来越多的人会先让 AI 总结文章、整理资料、提炼视频，再决定是否查看原始材料。于是，摘要在帮助我们节省时间的同时，也参与决定了我们会看到什么。

很容易发生的情况是，一段对话里的犹豫、一场讨论中的少数意见，都可能在压缩过程中消失。留下的信息仍然很顺畅，但读的人未必知道自己错过了什么。

▎ Pamela Wisniewski：让年轻人参与安全设计

Pamela Wisniewski 是国际计算机科学研究所 ICSI 的首席研究科学家，也是 STIR 实验室与 Teenovate 的创始人和负责人。她的研究结合计算机科学、社会科学和以用户为中心的设计，长期关注青少年的社交媒体使用、隐私与网络安全。

她将在演讲中讨论如何把安全纳入多媒体系统的设计过程，同时关注青少年的隐私、自主权与社会联系，并让年轻人参与设计。

Wisniewski 所在团队的研究项目，强调结合情境、保护隐私，并通过共同设计来支持青少年。这意味着，年轻人的经验本身就是设计所需要的知识。

她的研究突出，评价技术时，也要听见那些将长期生活在技术影响之中的人。

把这四场演讲放在一起，André 关注人如何参与交流；李海洲研究人如何选择性地倾听；de Souza 追问信息经由 AI 转述之后的责任；Wisniewski 则把年轻人的处境和选择带进系统设计。

这也是 ACM MM 2026 值得期待的地方。模型能力的提升，正在与更具体的人、更复杂的环境和更长远的影响结合。

当多媒体 AI 越来越深入地参与我们的生活，研究者也需要回答，面对如此不同的人，我们究竟希望技术带来怎样的生活？

ACM MM 即将召开，欢迎参会的研究者、学生，以及关注 AI 前沿进展的读者加入我们的交流群。

在这里，你可以认识同行、交流研究，分享招生信息、科研合作、约饭、投稿、组队参会等，寻找潜在的合作伙伴。

大会期间，我们也会持续带来现场报道速递、嘉宾演讲解读、前沿方向梳理和论坛精华。

会场见，也在群里见。

? 进群传送门：扫码进群或添加微信 A17648278904 ，备注：ACMMM+单位/学校+姓名+方向。

未经「AI科技评论」授权，严禁以任何方式在网页、论坛、社区进行转载！

公众号转载请先在「AI科技评论」后台留言取得授权，转载时需标注来源并插入本公众号名片。

雷峰网原创文章，未经授权禁止转载。详情见转载须知。

0 人收藏

CNCC2026

transformer架构

扩散模型

CNCC2026新闻发布会在京举行大会核心亮点全面发布

万字梳理：揭秘 DeepSeek 中的 RL 与 AGI 下一步丨A ...

岩芯数智自研国内首个非Attention机制大模型，无损提 ...

开放代码又如何？成本昂贵、资源集中，大规模语言模 ...

张璐

发私信

当月热门文章

宾大茅佳源：从单次演示到 83% 真机泛化，破解具身智能数据困局｜IROS 2026

模态缺失、噪声干扰怎么办？天津大学张长青：给多模态融合加上「可信度量尺」| CNCC 2026

Transformer 架构还能咋改？严骏驰团队提供两条思路 | CNCC 2026

上海交大邓志杰：扩散语言模型，怎样才能又快又好