近日，西南財(cái)經(jīng)大學(xué)新財(cái)經(jīng)綜合實(shí)驗(yàn)室最新的研究成果“A General Image Fusion Approach Exploiting Gradient Transfer Learning and Fusion Rule Unfolding”被人工智能領(lǐng)域頂級(jí)期刊IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI）接收。實(shí)驗(yàn)室王武博士為論文第一作者，合作者包括電子科技大學(xué)鄧良劍教授、本科生曹啟以及意大利國(guó)家研究委員會(huì)研究員Gemine Vivone。
該論文提出了一種基于梯度遷移學(xué)習(xí)和融合規(guī)則展開(kāi)的通用圖像融合方法。針對(duì)現(xiàn)有深度學(xué)習(xí)方法難以有效利用跨任務(wù)互補(bǔ)信息以及依賴(lài)經(jīng)驗(yàn)網(wǎng)絡(luò)設(shè)計(jì)的問(wèn)題，該方法首先提出一種順序梯度遷移框架，利用圖像梯度有效捕捉不同融合任務(wù)間的互補(bǔ)結(jié)構(gòu)細(xì)節(jié)；同時(shí)，將基本的圖像融合規(guī)則展開(kāi)并集成到深度平衡模型中，構(gòu)建了能夠統(tǒng)一處理多種融合任務(wù)的高效通用網(wǎng)絡(luò)。在多聚焦、多曝光和紅外可見(jiàn)光圖像融合任務(wù)上，該方法不僅生成具有更豐富結(jié)構(gòu)信息的圖像，而且在客觀(guān)指標(biāo)上達(dá)到高度競(jìng)爭(zhēng)性能。此外，在未見(jiàn)過(guò)的醫(yī)學(xué)圖像融合任務(wù)上的泛化實(shí)驗(yàn)表明，該方法顯著優(yōu)于現(xiàn)有方法。
IEEE Transactions on Pattern Analysis and Machine Intelligence主要收錄涵蓋計(jì)算機(jī)視覺(jué)、模式識(shí)別、機(jī)器學(xué)習(xí)等方向的原創(chuàng)性研究成果，在人工智能領(lǐng)域具有極高的學(xué)術(shù)影響力。該期刊最新影響因子為18.6，是CCF-A類(lèi)推薦、中科院一區(qū)TOP期刊。
王武博士現(xiàn)任計(jì)算機(jī)與人工智能學(xué)院講師，碩士生導(dǎo)師，博士畢業(yè)于廈門(mén)大學(xué)，曾在電子科技大學(xué)進(jìn)行博士后研究，主要研究方向?yàn)橛?jì)算機(jī)視覺(jué)，在IJCV、ICCV、TNNLS等領(lǐng)域權(quán)威期刊和會(huì)議發(fā)表論文多篇。
新財(cái)經(jīng)綜合實(shí)驗(yàn)室由西南財(cái)經(jīng)大學(xué)和中國(guó)農(nóng)業(yè)銀行2021年聯(lián)合成立，劉貴松教授擔(dān)任實(shí)驗(yàn)室主任。實(shí)驗(yàn)室聚焦可信人工智能基礎(chǔ)理論、財(cái)經(jīng)科技及數(shù)字經(jīng)濟(jì)深度融合等領(lǐng)域開(kāi)展有組織科研和人才培養(yǎng)，近三年實(shí)驗(yàn)室持續(xù)在多個(gè)頂會(huì)和頂刊發(fā)表最新科研成果，包括NeurIPS、ICDE、AAAI、IJCA、IJCV、IEEE TPAMI、IEEE TKDE、IEEE TIP等。團(tuán)隊(duì)現(xiàn)有教師16人、本碩博學(xué)生和博士后近80人。
