近日，国际信息与软件学院几何计算与智能媒体技术研究团队在机器学习、深度学习、图像处理、网络安全、多媒体、计算机视觉、医疗核磁图像重构领域连续传来喜讯，共有9项科研成果发表在相关领域顶级会议，4项科研成果在发表于相关领域顶级期刊。
雷娜教授、罗钟铉教授团队与丘成桐院士、顾险峰教授团队共同完成论文“AE-OT: 一种基于扩展的半离散最优传输的新的生成模型”、刘日升教授团队与香港大学、南方科技大学团队合作完成论文“双层规划下的通用一阶算法框架”分别被机器学习领域顶级会议International Conference on Learning Representations (ICLR)、International Conference on Machine Learning (ICML) 录用；刘日升教授、学生穆攀、陈坚、樊鑫教授、罗钟铉教授共同完成论文“可行性任务驱动的非凸图像建模”被图像处理领域顶级期刊IEEE Transactions on Image Processing (TIP)录用。这3项成果，第1项成果通过菲尔兹奖得主Figalli的最优传输映射的正则性理论对生成过程中常常出现的模式崩溃或模式混合问题进行了理论解释，并将流形嵌入和概率分布两个任务解耦，采用AE-OT模型避免了用DNN表示不连续映射的问题，有效地避免了模式崩溃和模式混合；第2项成果从乐观双层优化和联合上下层信息的角度重构双层规划，建立了一个通用灵活且模块化的双层优化算法框架，解决了现有方法对下层强凸要求的难题，提高了算法在实际问题中的普适性；第3项成果以一个全新的视角对潜在图像分布进行建模，结合特定的任务信息来缩小基于优化的图像建模问题的解集范围，所提算法不仅具有灵活性，而且可以引导图像向着正确的方向传播，并有严格的收敛性。
贾棋副教授、樊鑫教授、研究生于美玉、博士刘宇擎、本科生王鼎荣和美国天普大学Latecki教授共同完成论文“基于纹理和形状双特征学习的草图识别方法”；研究生张煜、胡蓓启、张淼副教授与信息与通信工程学院卢湖川教授团队合作完成论文“差分处理融合：自顶向下和自适应RGB-D显著性检测网络”；研究生王世杰、王智慧副教授、李豪杰教授和悉尼大学的欧阳万里教授共同完成的论文“细粒度图像识别中的类别语义一致性学习”；叶昕辰副教授、研究生孙宝利、王智慧副教授、徐睿副教授、李豪杰教授、天津大学杨敬钰教授及百度研究院科学家Baopu Li共同完成论文 “基于深度可控分层网络的深度超分辨率”共4项研究成果分别被多媒体领域顶级会议 ACM Multimedia Conference 2020（简称ACM MM）录用，ACM是世界上最大的计算机领域专业性学术组织，ACM MM是公认的多媒体技术领域奥运会级别的顶级盛会。以上四项成果分别为结合形状和纹理特征的时序双通道学习策略提升识别准确率；采用新的自顶向下的多层级融合结构超越之前RGB-D显著性物体检测方法；在细粒度图像识别任务中使用类别语义一致性学习网络提高识别准确性和效率；实现了对多个倍率的超分辨率任务统一建模，深度恢复的性能有显著提升。
姚琳教授、研究生曾宇杰共同完成论文“内容中心网络下基于流行度预测的污染攻击检测和防御机制”被网络与信息安全的顶级期刊TDSC（IEEE Transactions on Dependable and Secure Computing）录用；叶昕辰副教授、研究生孙宝利、王智慧副教授、徐睿副教授、李豪杰教授、天津大学杨敬钰教授及百度研究院科学家Baopu Li共同完成论文“基于渐进多分支聚合网络的场景深度超分辨率”被计算机视觉领域图像处理领域顶级期刊IEEE Transactions on Image Processing (TIP)录用；夏秋粉老师和软件学院副教授徐子川、本科生吴将凯共同完成论文“移动边缘云中实时分布式的身份感知与行人属性识别”发表在国际顶级会议The 28th ACM International Conference on Multimedia（ACM MM）。这3篇论文的分别在命名数据网络（NDN）中的缓存污染攻击问题、深度传感系统获取的场景深度图像细节丢失和边缘模糊等问题以及边缘计算（MEC）与行人识别方向的深度融合领域提出关键性技术和解决方案，代表了相关领域的最新成果。
研究生冀炜、李婧婧，张淼副教授与信息与通信工程学院卢湖川教授团队共同完成论文“基于协同学习的精确RGB-D显著性目标检测网络”；研究生孙小飞、刘杰，本科生许爽，张淼副教授与信息与通信工程学院卢湖川教授团队共同完成论文“基于非对称双流架构的精确RGB-D显著性目标检测网络” 两项成果被计算机视觉顶级国际会议European Conference on Computer Vision（ECCV）录用。ECCV是计算机视觉领域公认的三大顶级学术会议之一，每两年举办一次。这两项成果，第1项成果提出了一个全新的协作学习框架利用深度、边界和显著性同时去提高模型的特征表达能力，使得模型的结果在定位和边界的精度都有了很大的提升；第2项成果通过引入一个包含局部和全局信息融合的机制的流模块以及一种深度注意力机制，提出了一个新颖的非对称网络架构，在现有最先进RGB-D显著性检测方法中具有优越性。
刘日升教授、硕士毕业生张宇夕、博士毕业生程世超、罗钟铉教授和樊鑫教授（通讯作者）共同完成研究成果“用于 CS-MRI 的深度框架：展开的观点、收敛行为和实际建模”被医学图像分析领域的国际顶级学术期刊IEEE Transactions on Medical Image（TMI）录用。IEEE TMI由IEEE信号处理学会主办，是医学成像领域公认的顶级期刊。论文所提出的框架在重建精度和效率以及对噪声污染的鲁棒性方面均优于最新技术。
大连理工大学几何计算与智能媒体技术研究团队依托辽宁省泛在网络与服务软件重点实验室和国际信息与软件学院。研究领域包括深度学习理论、视觉与媒体计算、医疗健康、网络安全与大数据隐私保护、嵌入式软硬件协调设计、电子设计自动化等。团队近年来论文大多发表在IEEE TPAMI、TIP、TNNLS、TCSVT、TMM、TMI、TPDS、TDSC、ICML、ICLR、NeurIPS、IJCAI、AAAI、ICCV、CVPR、ECCV、ACM MM、DAC等领域重要期刊及会议上。研究所在科学研究的基础上，还面向国家重大战略需求，如开展全天候车载多波段立体视觉感知单元研发，在国防重大项目实物竞标中取得第一名；开展水下目标抓取机器人研发，连续多次获得国家基金委主办水下机器人大赛冠军等。
国际信息与软件学院在疫情期间克服重重不利影响，科研工作马不停蹄，师生一起开动脑筋、迎难而上，通过教师远程指导学生，举办线上科研报告会、研讨班，建立更加密切顺畅的沟通机制，加强与国内国外同行交流合作，截至7月底取得了较以往更加丰硕的科研成果。
责任编辑：潘树孟
