【学术论坛】计算机与人工智能学院成功举办五十七期研究生学术论坛

来源: 计算机与人工智能学院 作者:姬翠泽编辑人:罗园发稿时间:2025-05-16浏览次数:

2025年5月14日下午14点,计算机与人工智能学院第五十七期研究生学术论坛在崇真楼南楼A4030成功举办,本次论坛由2023级研究生王娟,2024级研究生董远航、许添伟与孙子强主讲,学院研究生会主办,学院孟亚洁老师出席了该论坛。

王娟同学分享的主题为“3D Reconstruction of Concave Mirror Objects via Single-Pixel Imaging and Implicit Representations”。凹镜面物体因镜面高光与多重反射,其三维重建一直是计算机视觉和光学领域难题,传统方法处理效果有限。她提出了基于单像素成像与隐式表达的分阶段重建方法,借助傅里叶频谱单像素成像技术捕获反射光线、获取点对关系,并以此为物理先验重建几何结构。仿真实验和真实数据验证显示,该方法突破传统技术局限,在复杂形状及反射干扰场景中适应性与鲁棒性优异。

董远航同学分享的主题为“Attention Distillation A Unified Approach to Visu”。他分享的论文针对图像风格、纹理、外观等视觉特征迁移问题,提出了一种统一的Attention Distillation方法。通过引入注意力蒸馏损失,该论文有效优化了扩散模型中的图像生成过程,实现了更高质量的风格保真与结构保持。此外,该方法还可嵌入扩散采样过程,实现风格特定的文本生成图像。实验表明,该方法在风格迁移、外观迁移和纹理合成等任务中均优于现有方法。

许添伟同学分享的主题为“Multivariate Time Series Anomaly Detection by Capturing Coarse-Grained Intra- and Inter-Variate Dependencies”。他分享的论文提出了MtsCID方法,用于解决多元时间序列异常检测问题。该问题常被视为半监督学习任务,现有方法因聚焦过细粒度而难以捕捉关键依赖关系,影响检测性能。MtsCID 采用双网络架构,分别学习变量内时间依赖和变量间关系,并结合时频交错学习。实验结果表明,在七个数据集上,MtsCID性能优于或与九种先进基准方法相当。

孙子强同学分享的主题为“MuGE: Multiple Granularity Edge Detection”。 针对传统边缘检测方法只能生成单一边缘图,无法适应边缘标注主观性和模糊性的问题,他分享的论文提出了多粒度边缘检测模型MuGE。通过设计边缘粒度网络估计边缘粒度,并将其融入空间和频域的多尺度特征图。实验表明,MuGE 在 BSDS500 和 Multicue 数据集上不仅能生成多样合理的边缘图,性能也达到新的最优水平,为下游任务提供更丰富的边缘信息。