2024年4月24日下午14点，计算机与人工智能学院第四十二期研究生学术论坛在崇真楼南楼A4030成功举办。本次论坛由2022级研究生杨欣馨、刘瑞雪、李贺、2021级研究生王文轩主讲，学院研究生会主办，学院李震威老师出席了该论坛。
杨欣馨同学分享的主题为“基于不变特征解析的抗服饰变化行人重识别”。她聚焦长时间监控下行人更换衣服导致无法识别目标行人的问题。为了解决这一问题，他采用了PRCC、LTCC和CCVID三个主要数据集进行研究，并提出了一种利用RGB图像去除服装特征影响的方法，主要包括数据预处理和Self-Correction-Human-Parsing技术，目的是提高模型对光照变化和颜色变换的鲁棒性，并减少由于衣服相似性带来的干扰。目前实验效果不错，接下来她准备通过融合多模态特征，如RGB图像、灰度图、轮廓图和关节点等途径来以构建一个信息互补的多模态特征融合模型，未来可能会考虑人脸解析与人体解析的结合，来为行人重识别技术带来新的发展思路。
刘瑞雪同学分享的主题为“基于生成式AI的音乐作曲”。她针对歌词-音乐旋律配对数据不足和对齐的问题，采取以下步骤来生成音乐作品。首先，利用未配对的旋律数据进行预训练，然后，使用预训练模型生成原创旋律数据，并存储在数据库中，解决数据不足问题，并提升对音乐结构的理解。接下来，通过筛选和索引生成的旋律数据，根据特定的歌词条件进行匹配，确保旋律与歌词相协调，解决对齐问题。最后，将生成的旋律输入旋律语言模型，并选择得分高的旋律，以找到最适合整首歌曲的旋律组合。通过这些步骤，能够生成具备创意和用户可控性的音乐作品。
李贺同学分享的主题为“基于数据增强与预测联合学习的工业过程软测量”。她提出了一种基于数据增强与预测联合学习的工业过程软测量，软测量是一种用软件代替硬件进行测量的技术。在工业过程中，需要对关键质量产量进行及时的监控，然而，传统的硬件测量方法面临价格昂贵，测量环境要求过高等因素，所以采取软测量的方法。软测量一般包括三个过程，首先是辅助变量选择，就是进行数据的采集以及对采集后的数据进行变量选择，其次是软测量建模，也就是采用数学或者算法模型，进行关键指标的预测，最后就是在线的软测量。本次研究针对数据采集困难，数据稀缺等问题，进行数据增强，并结合数据增强模型和测量模型进行联合训练，解决了深度学习模型需要大量数据去训练，然而此领域数据样本稀缺的问题，以及提高了软测量的预测精度。
王文轩同学分享的主题为“基于Hyperledger Fabric的服装设计图版权保护方法研究”。她提出了一种基于联盟链做服装设计图的数字版权保护。为了缓解服装设计图版权无法通过可靠第三方进行认证、保护、交易与管理，我们提出了基于DZSC方法的服装设计图版权管理框架。在服装设计图水印方面，为了缓解版权水印信息嵌入宿主图像导致宿主图像失真、水印无可靠第三方存证等问题，我们提出了基于零水印的服装设计图版权存证方法。仿真实验结果表明，提出的DZSC方法的服装设计图版权管理框架，在一定程度上能有效解决服装版权侵权问题，具有较好的稳定性，除了在服装设计图版权领域，在其他知识产权领域也具有一定的潜力。
