近日，中國(guó)計(jì)算機(jī)學(xué)會(huì)(CCF)推薦A類(lèi)國(guó)際計(jì)算機(jī)視覺(jué)與模式識(shí)別頂級(jí)會(huì)議（The IEEE/CVF Conference on Computer Vision and Pattern Recognition 2025）公布了錄用結(jié)果，我校計(jì)算機(jī)學(xué)院2023級(jí)碩士研究生查全興（導(dǎo)師柳欣教授）關(guān)于關(guān)系一致性增強(qiáng)的魯棒噪聲關(guān)聯(lián)學(xué)習(xí)研究成果(題為“ReCon: Enhancing True Correspondence Discrimination through Relation Consistency for Robust Noisy Correspondence Learning”）被錄用。CVPR即IEEE國(guó)際計(jì)算機(jī)視覺(jué)與模式識(shí)別會(huì)議，是由IEEE舉辦的計(jì)算機(jī)視覺(jué)與模式識(shí)別領(lǐng)域的頂級(jí)會(huì)議，CCF推薦A類(lèi)國(guó)際學(xué)術(shù)會(huì)議。根據(jù)會(huì)議官方統(tǒng)計(jì)，本次CVPR 2025會(huì)議總投稿13008篇，錄用2878篇，錄用率僅為22.1%。會(huì)議將于2025年6月11日至15日在美國(guó)田納西州納什維爾舉辦。

在跨模態(tài)匹配與視覺(jué)表征學(xué)習(xí)領(lǐng)域，噪聲關(guān)聯(lián)問(wèn)題長(zhǎng)期制約模型性能?，F(xiàn)有方法通常依賴(lài)單一相似度計(jì)算判別樣本匹配性，然而在復(fù)雜實(shí)際場(chǎng)景中，大量表面特征相似但語(yǔ)義無(wú)關(guān)的“高難度噪聲樣本對(duì)”易導(dǎo)致模型誤判，嚴(yán)重?fù)p害算法魯棒性。針對(duì)這一挑戰(zhàn)，該研究創(chuàng)新地提出關(guān)系一致性度量框架ReCon，突破傳統(tǒng)單維度相似性評(píng)估的局限性。通過(guò)構(gòu)建跨模態(tài)關(guān)系一致性，系統(tǒng)解析樣本間的潛在語(yǔ)義關(guān)聯(lián)網(wǎng)絡(luò)，結(jié)合提出的代理關(guān)系建模技術(shù)，缺乏準(zhǔn)確關(guān)系數(shù)據(jù)標(biāo)注的情況下精準(zhǔn)定位高度混淆噪聲樣本，有效區(qū)分“偽相似”。該研究在三個(gè)公開(kāi)數(shù)據(jù)集上進(jìn)行了大量實(shí)驗(yàn)，突出了所提出框架的優(yōu)越性能，并展示了與最國(guó)內(nèi)外先進(jìn)方法相比的競(jìng)爭(zhēng)性。

該研究工作中，我校為第一完成單位，計(jì)算機(jī)學(xué)院柳欣教授為通訊作者，計(jì)算機(jī)學(xué)院彭淑娟教授、香港浸會(huì)大學(xué)張曉明講席教授、電子科技大學(xué)徐行教授以及西安電子科技大學(xué)王楠楠教授參與了研究工作。該研究工作得到福建省大數(shù)據(jù)智能與安全重點(diǎn)實(shí)驗(yàn)室、廈門(mén)市計(jì)算機(jī)視覺(jué)與模式識(shí)別重點(diǎn)實(shí)驗(yàn)室的實(shí)驗(yàn)設(shè)備支持。

論文錄用截圖

（責(zé)編：魏琳瑛）