近日，华南理工大学电子与信息学院贾奎教授、金连文教授和黄双萍教授课题组在计算机视觉领域顶级会议上取得创新成果，相关论文被CVPR2023会议录用。

CVPR是世界学术界和工业界公认的计算机视觉和模式识别领域的顶级会议，1983年在美国华盛顿特区首次举办，每年吸引了超过3000名来自世界各地学术界和工业界的参会者。每年入选CVPR的大部分论文来自人工智能领域的头部科技公司、高校和科研院所，代表着计算机视觉领域的领先水平。2023年年度共有9155篇投稿，接收率为26%，竞争十分激烈。

贾奎教授课题组共有3篇论文被接收，包括“A Robust and Efficient Neural Implicit Surface Learning of Indoor Scenes with Iterative Intertwined Regularization”，“On the Utility of Synthetic Data for Bare Supervised Learning and Downstream Domain Adaptation”与“Generative Scene Synthesis via Incremental View Inpainting using RGBD Diffusion Models”。在第一篇论文中，课题组对多视角室内场景重建的关键技术进行了研究与验证，提出了交替优化策略来去除利用传统多视角重建方法得到的重建结果中的噪声，实现了最优的隐式神经表面重建结果。在第二篇论文中，课题组对基于大规模合成数据的图像分类进行了首次综合研究，提出了两个新的数据集，包括一个大规模合成数据集SynSL（12.8M)和一个大规模合成到真实领域适应数据集S2RDA，并通过监督学习和下游迁移对数据集进行了测试评估以及验证比较；为计算机视觉中最重要的基本研究问题之一—分布外/真实数据泛化提供了许多新的、有价值的学习见解，在合成数据研究中迈出了十分关键的一步。在第三篇论文中，课题组创新性地探索基于深度学习的大规模三维场景重建和补全关键技术，提出了一种基于增量式新视图补全的新技术，并且使用基于概率扩散模型的补全网络，突破性地提出了基于深度学习概率扩散模型的三维场景新视图增量补全方案，为未来虚拟增强现实、三维模型创建和编辑等领域的发展奠定了技术基础。

金连文教授课题组共有2篇论文被接收，包括“6Doc：A Large-Scale Multi-Format, Multi-Type, Multi-Layout, Multi-Language, Multi-Annotation Category Dataset for Modern Document Layout Analysis.”以及“Towards Robust Tampered Text Detection in Document Image: New dataset and New Solution”。第一篇论文首次提出了一个大规模且多样化的文档版面分析数据集M6Doc，并且提出一种新型的基于Transformer的文档版面分析方法TransDLANet，不仅在M6Doc上以64.5%的mAP实现了最先进的性能，在其他数据集上也和最前沿的方法达到相当的水平。第二篇论文提出了Selective Tamper Generation (STG)来自动基于无篡改图像素材合成篡改样本，有效模拟了人进行文档篡改的过程，并高效地生成大量多样化的文档篡改样本。同时还出了一种新的文档图像篡改检测方法Document Tamper Detector (DTD)，能够较为有效地检出无视觉痕迹的文档图像篡改，并有相对较好的抗图像压缩鲁棒性和泛化性，在多个文档图像篡改检测数据集上均达到了最优水平。

黄双萍教授课题组共有2篇论文被接收，包括“Perception and Semantic Aware Regularization for Sequential Confidence Calibration”以及“Disentangling Writer and Character Styles for Handwriting Generation”。第一篇论文提出了一个基于感知和语义的序列识别模型置信度校准方法，通过挖掘出与目标序列在感知和语义上相似的序列并结合标签平滑对训练过程进行正则化来解决针对深度序列识别模型中普遍存在的过自信问题，实现了可信人工智能，提高了模型在涉及安全关键领域应用的可靠性。第二篇论文提出了一种面向小样本的风格化手写文字生成方法，通过引入两个互补的对比学习任务，引导双分支风格编码器同时建模手写文字的整体和细节风格，以解决手写体文字风格多样、收集成本高等问题。在实际应用中，该方法仅需书写者提供少量的参考样本，即可临摹该用户的书写风格，自动生成海量的风格化文字，能够加速字体设计师的工作效率，并且可以应用到写字机器人上，具有较大的商业前景。（文/李翔宇）