近日，大连理工大学-立命馆大学国际信息与软件学院几何计算与数字媒体团队两项研究成果被2018年国际人工智能联合会议（International Joint Conference on Artificial Intelligence，IJCAI 2018）录用。IJCAI是人工智能领域的顶级综合学术会议，被中国计算机学会（CCF）推荐国际学术会议列表认定为A类会议，在该领域具有极大的影响，代表人工智能领域的最高水平和发展方向。本届IJCAI大会收到3470篇论文投稿，录用710论文录用率仅为20.5%。

录取论文简介：

    （1）论文“Toward Designing Convergent Deep Operator Splitting Methodsfor Task-specific Nonconvex Optimization”，作者：刘日升（通讯作者）、程世超(博士生)、何意（研究生）、樊鑫、罗钟铉，基于传统的可裂变的数值优化方法，提出了一种新颖的带有可学习网络的非凸优化算法框架。与大部分可学习方法不同的是，该方法能够在理论上给予严格的收敛性保障，从而使问题能避开不想要的平凡解，达到很好的优化效果。此外深度网络的引入也让该方法在处理问题时在性能上有明显提升。其有效性在各种视觉问题上（图像修复和去模糊）得到验证，该方法不仅收敛速度明显加快，图像恢复结果定量和定性的各种指标也能明显优于现有的较新算法。

    （2）论文“Factorization-free On-line Kernel Learning for Unlabeled Chunk Data Streams”，作者：王祎、薛楠(研究生)、樊鑫（通讯作者）、罗杰波（美国罗切斯特大学）、刘日升、陈斌(研究生)、李豪杰、罗钟铉，针对混合数据流的在线增量学习，提出了一种不需要任何矩阵分解计算的快速核判别分析方法，该方法在包括已知类和新类的数据流加入的情况下，能够以增量的形式，快速且稳定将新数据增加到训练模型中。同时依据该算法会使得每一类中心映射在核空间坐标轴单位位置这独有的特性，针对没有标签的混合数据，提出了具有固定阈值的新类检测的方法。在多个典型的数据集上的定量实验中，该方法都取得了最好的分类结果，且速度提升10到100倍。

    几何计算与数字媒体技术团队（主页：）长期从事多媒体、人工智能、机器学习、数字几何、图形图像等领域的研究，近年来在T-PAMI、T-IP、T-NNLS、T-MM、T-CSVT、Machine Learning、Pattern Recognition、Neural Networks等国际著名期刊和CVPR、NIPS、AAAI、ECCV、ACM MM等国际会议上发表论文100余篇，成果引用超过1000次。两篇论文入围ICME 2017（CCF推荐B类）最佳论文Finalist（Top 3%），连续获得ICME 2015和2014年度最佳学生论文奖，ICIP 2015（CCF推荐C类）最佳10%论文奖，中国多媒体技术大会（CHINA MM‘13）最佳论文奖。此外，该团队还与美、日、新加坡、中国香港等国家和地区的著名高校和企业有着广泛深入的交流与合作。