5月18日下午2:00，k8凯发国际與人工智能學院第二十九期研究生學術論壇在崇真樓A北1017成功舉辦。本次論壇由2021級研究生徐策、鄺捷文、方尚賢、和尤澤宇主講，學院研究生會主辦。

徐策的報告題目是「[MASK] Insertion: a robust method for anti-adversarial attacks」。該報告提出了基於在模型訓練和推理時插入[MASK]掩碼的方法，用於防禦文本對抗攻擊，提升模型的魯棒性。研究發現，現有的數據增強方法中，模型增強方法和隨機平滑方法分別需要生成對抗樣本，對模型超參數比較敏感，並且需要大量的運算時間，而插入[MASK]方法不存在上述問題。在實驗效果上，該模型的實驗結果相較於RANMASK(隨機平滑)與flooding-x(模型增強)方法有明顯地提升，並且通過大量的消融實驗證明了該方法的有效性。

鄺捷文的報告題目是「GSNet: Generating 3D Garment Animation via Graph Skinning Network」。該報告提出了基於圖時序的蒙皮網絡模型，用於三維服裝的動態仿真。課題組研究發現，當前基於深度學習的服裝仿真存在前後幀時序不關聯等問題，因此他提出和設計了基於圖時序的蒙皮網絡來進行服裝動態仿真。該模型的定性和定量實驗結果相較於基於單幀物理約束的方法效果更加準確，效率更加高效。

方尚賢的報告題目是「隨機性環境中基於模型的強化學習算法研究」。他提出，以往的基於模型的強化學習研究多集中於確定性環境中的模型學習問題，並且取得了優異的表現。但這些算法在隨機性環境中預測精度未達到很好的效果。因此他將muzero算法與後位狀態相結合，從而將在確定性環境下表現優異的基於模型的強化學習算法拓展到隨機性環境中。該算法的實驗結果與最前沿的無模型強化學習算法和基於模型的強化學習算法相比，實驗效果更加優異。

尤澤宇的報告題目是「基於Attention的視網膜圖像分割」，該報告提出了基於注意力機制的CAS-UNet視網膜分割方法。該模型提出了交叉融合注意力機制和加法注意力機制，來加強對視網膜圖片的分割細節，解決了現階段大多數模型無法同時分割出局部細節與全局細節的問題。在實驗效果上該模型相較於D-MNet有明顯的提升。