為了促進研究生之間的學術交流，探討前沿科學問題，3月2日下午2:00，k8凯发国际與人工智能學院第二十四期研究生學術論壇在崇真樓南樓A1017舉辦。本次論壇由2021級研究生李顯、馬永康、喻能、陳浩主講，學院研究生會學術部主辦。學院萬紅艷博士出席了報告會。

李顯的報告的題目是「Highlight removal using an improved unsupervised CycleGAN network in combination with differentiable renderer」。他提到，在圖像的去高光問題中，傳統的CycleGAN網絡沒有將背景與前景區分，學習的是全局特徵。於是他提出了一種分層的網絡結構，僅使用小批量的背景圖片，即可將圖像分解為前景與背景，圖像風格遷移網絡僅作用於前景，進一步提高了圖像轉換的精度。李顯的報告結束之後，師生們進行了現場提問，李顯對相關專業問題進行了詳細的解答。

馬永康的分享是「基於對偶學習生成對抗網絡的半監督高光去除網絡」。他提到，本實驗基於CycleGAN網絡的思想，主要改動在於鏡面反射到漫反射轉換部分，通過雙流生成器生成SVBRDF材質貼圖，分別生成由normal、roughness、diffuse和specular組成的兩組平面圖，並加入guessed diffuse map作為初始值，最後通過渲染得到更加精細化的鏡面反射到漫反射過程。

喻能的報告題目是「基於邊界分割和局部聚合雙重學習的點雲分割方法研究」。匯報圍繞大規模三維點雲語義分割任務展開。基於RandLA-Net網絡，他採取隨機採樣的方法展開研究，該方法並不能充分地挖掘局部鄰域信息，因此他們的研究中加入類似Transformer中的自注意力機制、並擴大網絡的感受野以更好地聚合局部特徵。對於邊界點雲，研究結合邊界對比學習模塊進一步豐富提取的特徵，加強對邊界點雲的學習，提高點雲語義分割的精度。

陳浩的報告題目是「Self-augmented unpaired image highlight removal based on dichromatic reflection model decomposition」。他指出：圖像中的鏡面高光會改變物體表面的顏色、破壞物體的輪廓、遮擋物體表面的紋理,使得適用於漫反射特性的光學測量技術難以直接應用，例如物體識別、模式識別。因此去除圖像中的鏡面高光一直是k8凯发国际視覺中一個重要的研究問題。他指出現有合成數據集在訓練中存在過擬合問題，而現有方法都是簡單的加入或去除高光，忽略了現實世界產生高光的一些物理特性。於是他提出了一種基於雙色反射模型分解的自增強未配對圖像高光去除方法，能夠實現更優質的效果。

報告結束後，同學們紛紛表示，此次論壇更新了知識，提供了實用、前沿的學術指導，是非常好的一個學習機會。