科研进展

Infor-X • 学术 | 西电人工智能交叉研究院2个团队获ACM MM 2026杰出论文奖

发布时间:2026-11-17发布时间:2026-11-17点击量:


第34届ACM国际多媒体会议(ACM MM 2026)于11月10日至14日在巴西里约热内卢举行。伟德中国官网入口人工智能交叉研究院王楠楠教授团队完成的《One is Enough: Disentangled Style Transfer via One-to-One Token Distillation》、

王笛教授团队完成的《ProVG: Progressive Visual Grounding via Language Decoupling for Remote SensingImagery》,分别荣获本届会议杰出论文奖(Outstanding Paper Award,授予前5%的录用论文)。ACM MM是中国计算机学会(CCF)推荐的A类国际学术会议,也是多媒体领域最具影响力的学术会议之一。2项成果分别聚焦多模态遥感智能解译与生成模型(AIGC)方向。

1.OOTD:一对一稀疏匹配抑制风格迁移中的语义泄漏

图1 OOTD论文获ACM MM 2026杰出论文奖的获奖证书

OOTD论文由硕士生张德瑞和博士生冯义集共同担任第一作者,高飞、王楠楠共同指导。研究工作得到国家自然科学基金、陕西省科技创新团队、陕西省重点技术攻关、中央高校基本科研业务费等项目资助。

风格迁移旨在保持内容图像结构的同时,将参考图像的笔触、纹理与色彩等艺术风格迁移至生成结果。但现有方法多依赖内容词元与风格词元之间的密集注意力匹配,语义无关的风格信息易随之渗入生成过程,引发语义泄漏与结构扭曲;当内容与风格差异较大时,还易出现风格表达不足。针对该问题,论文提出了免训练的一对一词元蒸馏框架OOTD,以一对一稀疏匹配取代密集聚合:为每个内容位置选取唯一最匹配的风格词元,构建与内容结构对齐的蒸馏目标,并通过互补的蒸馏目标约束生成特征,从而抑制无关风格线索的干扰,在保持内容结构的同时提升风格保真度。

图2 OOTD核心模块计算流程

2.ProVG:以语言解耦实现遥感目标的渐进式定位

图3 ProVG论文获ACM MM 2026杰出论文奖的获奖证书

ProVG论文由博士研究生李柯和硕士研究生王婷共同完成,指导教师为王笛教授和王泉教授。

如何让机器像人一样,在复杂的遥感场景中精准理解语言、识别目标?围绕这一问题,团队从人类视觉认知的渐进式处理机制中获得启发,提出了基于语言解耦的渐进式遥感视觉定位框架ProVG。针对现有方法在复杂场景中难以充分利用细粒度语言信息的问题,ProVG将自然语言描述解耦为全局语义、空间关系和目标属性,构建了“全局感知—空间定位—属性验证”(Survey–Locate–Verify)的渐进式跨模态交互机制,引导模型逐步完成从场景理解、候选区域搜索到目标精细辨认的视觉定位过程。

图4 ProVG研究动机:借鉴人类视觉认知的渐进式处理机制



素材来源 | 人工智能交叉研究院

编       辑 | 景思豪

审       核 | 相关团队、朱桐

    • 雁塔校区地址:陕西省西安市太白南路2号邮编:710071

      长安校区地址:陕西省西安市西沣路兴隆段266号邮编:710126

    • Copyright © 伟德中国官网入口(Infor-X)  版权所有

    • 建设与运维:信息网络技术中心

官方微信