我院研究生叶春锦（2022级）、吴中其（2023级）的研究成果被CCF A类国际会议IJCAI 2024录用

2024年国际人工智能联合会议（International Joint Conference on Artificial Intelligence, 简称为IJCAI）录用结果于2024年4月17日公布。IJCAI是人工智能领域中最主要的学术会议之一，也是中国计算机学会（CCF）推荐的A类国际学术会议之一。我院研究生叶春锦（2022级）、吴中其（2023级）的两篇研究成果被IJCAI 2024会议录用。

2022级研究生叶春锦在李景聪副教授、王斐副研究员和潘家辉教授的共同指导下，发表研究成果《A Density-driven Iterative Prototype Optimization for Transductive Few-shot Learning》，其主要贡献包括：

1、针对小样本学习，探索了样本密度与样本质量之间的关系，并引入了一种新颖的原型校正视角，即沿着样本密度上升的方向改进原型质量。

2、提出了一种相似性评估策略，以有效捕捉类内多样性，从而评估已标记样本与未标记样本之间的信息差距。此外，还提出了一种密度驱动策略，以在密度增长的方向上迭代完善原型。

3、提出的方法在四个基准数据集（包括mini-ImageNet、tierered-ImageNet、CUB和CIFAR-FS）以及多种实验设置下，可以达到甚至超过最先进水平的性能。

图1 密度驱动策略

2023级研究生吴中其在陈炳志特聘研究员的指导下，发表研究成果《Enhancing Cross-Modal Retrieval via Visual-Textual Prompt Hashing》，其主要贡献包括：

1、首次尝试将视觉和文本的提示学习整合到跨模态哈希领域，借助视觉对齐提示（VAP）和文本对齐提示（TAP）机制，以及大规模视觉-语言模型的语义推理能力，显著提升模拟文本特征的上下文感知和语义表达能力。

2、提出了一种亲和自适应的对比学习模块，通过有效建模和弥合模拟文本和真实文本之间的语义差距，动态校准视觉和文本模态之间的语义交互。

3、该论文所提出的方法在三个基准数据集（包括MIRFLICKR-25K、NUS-WIDE和MS-COCO）以及多种实验设置下，都能超过当前SOTA的性能。

图2 VTPH方法概览

国际人工智能联合会议（International Joint Conference on Artificial Intelligence, IJCAI）是人工智能领域顶级的国际学术会议之一。在中国计算机学会 (CCF) 的国际学术会议排名中，IJCAI被认定为A类会议。从1969年的第一届IJCAI会议至今，已经成功举办了32届，会议最初为两年一届，自2016年起改为每年召开。第33届IJCAI会议将于2024年8月3-9日在韩国济州岛举行。

撰稿：潘家辉