2021级本科生李佳艺同学在数学学院赵熙乐教授指导下,与西南交通大学王检利助理教授、南方科技大学王超教授、江西财经大学王民教授等合作,以第一作者身份撰写的论文"Superpixel-informed Implicit Neural Representation for Multi-Dimensional Data"被计算机视觉领域CCF-A类会议ECCV录用。
研究工作:隐式神经表示(INR)是近年来表示多维数据的重要方法,在图像、点云、视频和音频信号等领域获得了广泛应用。然而,传统的INR方法往往忽略了数据中丰富的内在语义信息。针对这一问题,研究团队创新性地提出了一种基于超像素的隐式神经表示(S-INR)方法。该方法首次提出使用广义超像素替代传统像素作为INR的基本单元,并通过精心设计的基于注意力机制的MLP和共享字典矩阵两个关键模块,实现了对数据语义信息的有效利用。
该研究的主要创新点包括:首次将广义超像素概念引入INR框架,使其不仅适用于图像数据,还可应用于更广泛的点数据处理;开发了创新的S-INR方法,通过独特的模块设计实现了超像素内部和超像素之间语义信息的充分利用。研究团队在高光谱图像去噪、补全重建,以及点云和气候数据的补全等多个任务上进行了广泛实验,结果表明S-INR方法在表达能力和鲁棒性方面均显著优于现有最先进的INR方法。
这项研究不仅在理论上拓展了INR的应用边界,更为多维数据处理提供了新的研究思路和方法。该成果展示了我校在人工智能和数据科学领域的研究实力,也体现了跨校际合作研究的重要价值。李佳艺同学在赵熙乐教授的指导下,通过与多所高校的研究人员合作,成功完成了这项具有重要学术价值的研究工作,展现了我校学生在科研创新方面的优秀能力。