为了促进研究生之间的学术交流，探讨前沿科学问题，3月2日下午2:00，计算机与人工智能学院第二十四期研究生学术论坛在崇真楼南楼A1017举办。本次论坛由2021级研究生李显、马永康、喻能、陈浩主讲，学院研究生会学术部主办。学院万红艳博士出席了报告会。
李显的报告的题目是“Highlight removal using an improved unsupervised CycleGAN network in combination with differentiable renderer”。他提到，在图像的去高光问题中，传统的CycleGAN网络没有将背景与前景区分，学习的是全局特征。于是他提出了一种分层的网络结构，仅使用小批量的背景图片，即可将图像分解为前景与背景，图像风格迁移网络仅作用于前景，进一步提高了图像转换的精度。李显的报告结束之后，师生们进行了现场提问，李显对相关专业问题进行了详细的解答。
马永康的分享是“基于对偶学习生成对抗网络的半监督高光去除网络”。他提到，本实验基于CycleGAN网络的思想，主要改动在于镜面反射到漫反射转换部分，通过双流生成器生成SVBRDF材质贴图，分别生成由normal、roughness、diffuse和specular组成的两组平面图，并加入guessed diffuse map作为初始值，最后通过渲染得到更加精细化的镜面反射到漫反射过程。
喻能的报告题目是“基于边界分割和局部聚合双重学习的点云分割方法研究”。汇报围绕大规模三维点云语义分割任务展开。基于RandLA-Net网络，他采取随机采样的方法展开研究，该方法并不能充分地挖掘局部邻域信息，因此他们的研究中加入类似Transformer中的自注意力机制、并扩大网络的感受野以更好地聚合局部特征。对于边界点云，研究结合边界对比学习模块进一步丰富提取的特征，加强对边界点云的学习，提高点云语义分割的精度。
陈浩的报告题目是“Self-augmented unpaired image highlight removal based on dichromatic reflection model decomposition”。他指出：图像中的镜面高光会改变物体表面的颜色、破坏物体的轮廓、遮挡物体表面的纹理,使得适用于漫反射特性的光学测量技术难以直接应用，例如物体识别、模式识别。因此去除图像中的镜面高光一直是计算机视觉中一个重要的研究问题。他指出现有合成数据集在训练中存在过拟合问题，而现有方法都是简单的加入或去除高光，忽略了现实世界产生高光的一些物理特性。于是他提出了一种基于双色反射模型分解的自增强未配对图像高光去除方法，能够实现更优质的效果。
报告结束后，同学们纷纷表示，此次论坛更新了知识，提供了实用、前沿的学术指导，是非常好的一个学习机会。