近期，CVPR 2024、AAAI 2025等人工智能领域顶级会议发布录用通知，软件学院干红平副教授指导硕士研究生撰写的多篇论文被收录。
软件学院2022级硕士研究生郭震（导师：干红平副教授）以第一作者在国际顶级学术会议CVPR 2024发表论文“CPP-Net: Embracing Multi-Scale Feature Fusion into Deep Unfolding CP-PPA Network for Compressive Sensing”。
在论文中，作者针对压缩感知（CS）提出了一种创新的深度展开网络框架——CPP-Net。该方法基于Chambolle和Pock提出的近端点算法（CP-PPA）原始-对偶混合策略，将定制化深度学习模块融入CP-PPA算法，解决稀疏基相关的近端算子问题；同时利用双路径特征融合模块提取并融合多尺度特征信息，增强网络对细节的重建能力。实验结果表明，CPP-Net显著降低了重建图像的失真与模糊，尤其在低采样率（如0.10及以下）情况下，能更好地保留图像细节。
此外，郭震还在国际顶级学术期刊IEEE TIP发表论文“NesTD-Net: Deep NESTA-Inspired Unfolding Network With Dual-Path Deblocking Structure for Image Compressive Sensing”。
2.2022级硕士研究生王晓阳
软件学院2022级研究生王晓阳（导师：干红平副教授）以第一作者在国际顶级学术会议CVPR 2024发表论文“UFC-Net: Unrolling Fixed-point Continuous Network for Deep Compressive Sensing”。
在论文中，作者提出了一种基于不动点连续优化算法的新型深度压缩感知框架（UFC-Net）。该框架以卷积引导注意力机制为重建阶段的核心组件，创新性地设计了多头注意力残差块，将多头注意力机制与卷积有机结合，突破了局部特征的局限性，有助于更好地捕捉远程相关性。同时，辅助迭代重建块通过引入辅助变量，大幅提升了每个迭代阶段的特征保留能力。大量实验结果表明，所提出的UFC-Net在自然图像和磁共振成像领域均取得了SOTA性能。
UFC-Net主体架构示意图
3.2023级硕士研究生方世杰
软件学院2023级硕士研究生方世杰（导师：干红平副教授）以第一作者在国际顶级学术会议AAAI 2025发表论文“SSUN-Net: Spatial-Spectral Prior-Aware Unfolding Network for Pan-Sharpening”。
在论文中，作者指出现有的全色锐化方法依赖于隐式的深度先验，其偏离了实际物理过程。因此，它们的跨模态（空间-光谱）多尺度特征提取能力受限，并导致大量冗余的计算成本。因此，作者提出了一个多尺度空间-光谱先验感知的轻量级深度展开网络SSUN-Net，不仅实现了对底层过程和特征提取的更清晰理解，而且与其他最先进的方法相比，所提出的不仅能达到SOTA的效果，而且仅使用了少量的参数量。
SSUN-Net的主体架构示意图
会议/期刊介绍
CVPR（IEEE/CVF Computer Vision and Pattern Recognition Conference，国际计算机视觉与模式识别会议）是由IEEE主办的计算机视觉与模式识别领域的顶级学术会议，每年在全球范围内召开一次。该会议被中国计算机学会（CCF）评为计算机学科领域的A类国际会议。2024届会议的论文录用率为23.6%。
IEEE TIP（IEEE Transactions on Image Processing，IEEE图像处理汇刊）是中科院SCI一区TOP期刊，同时被中国计算机学会（CCF）推荐为计算机图形学与多媒体领域的三大A类期刊之一，其2024年影响因子为10.8。
AAAI（The Association for the Advancement of Artificial Intelligence）是中国计算机学会（CCF）推荐的计算机学科领域A类国际会议，代表了人工智能领域研究的前沿水平，该会议致力于展示人工智能研究的最新进展，并提供学术交流和讨论的平台，2025届录用率为23.4%。
（撰稿：软件学院 审核：郭培荣）
