（通讯员 黄佳豪）近日，计科院20篇论文成果分别被CCF A类会议ACM Ubicomp、ACM CCS、USENIX Security、ACM UIST、NeurIPS、ICCV、IEEE/ACM ASE、ACM MM和CCF A类期刊IEEE TKDE、SCIS录用。其中，嵌入式计算技术研究所5篇论文分别被CCF A类会议ACM Ubicomp、ACM MM、ICCV录用，智能媒体与数据工程研究所4篇论文分别被CCF A类会议ACM Ubicomp、NeurIPS和CCF A类期刊IEEE TKDE录用，计算机网络与物联网工程研究所4篇论文被CCF A类会议ACM CCS、USENIX Security、ACM UIST、IEEE/ACM ASE录用，智能软件与系统新技术研究所6篇论文被CCF A类会议NeurIPS、ICCV、IEEE/ACM ASE和CCF A类期刊SCIS录用，大数据与视觉智能研究所1篇论文被CCF A类会议ICCV录用。这些论文涵盖可解释人工智能、跨模态知识蒸馏、计算机视觉、推荐系统、群智感知、数据挖掘、目标检测、软件模糊测试、元宇宙安全、安全多方计算、软件工程、无人系统模糊测试等多个领域。
嵌入式计算技术研究所教师韩磊，通讯作者刘锦辉副教授论文“Collaborative Scheduling of Time-dependent UAVs,Vehicles and Workers for Crowdsensing in Disaster Response”被CCF A类会议ACM Ubicomp录用。该论文探究异构多智能体在线协同调度算法HoCs-MPQ，以实现灾后环境信息的高效收集。HoCs-MPQ通过建模加权无向图刻画多要素间的协作与冲突关系，并基于多优先级队列迭代式求解图的最大独立集，以最终实现具备时间依赖的无人机、车辆与工人协作增强感知调度。
嵌入式计算技术研究所博士生梁潇，通讯作者王笛教授论文“Uncertainty-Driven Expert Control:Enhancing the Reliability of Medical Vision-Language Models”被CCF A类会议ICCV录用。该论文针对医疗视觉语言模型输出不可靠问题，设计了一种专家在环（Expert-CFG）的人机协同框架，通过不确定性估计和无分类器指导方法，实现了无需额外训练的临床专家知识对齐。
嵌入式计算技术研究所博士生梁潇，通讯作者王笛教授论文“CheXPO: Preference Optimization for Chest X-ray VLMs with Counterfactual Rationale”被CCF A类会议ACM MM录用。该论文针对胸片视觉模型存在幻觉及偏好优化数据成本高昂的问题，设计提出针对胸片视觉问答任务的优化策略，提出置信度-相似性联合挖掘与反事实推理结合的方法，仅用少量标注偏好对训练即可有效减轻模型幻觉。
嵌入式计算技术研究所博士生李晖，通讯作者杨鹏飞教授论文“MST-Distill: Mixture of Specialized Teachers for Cross-Modal Knowledge Distillation”被CCF A类会议ACM MM录用。该论文针对跨模态知识蒸馏任务中存在的路径选择与知识漂移问题，提出了一种通用的跨模态知识蒸馏框架MST-Distill。同时，引入跨模态教师与多模态教师，构建多样化的教师模型集合，并通过top-k路由网络实现实例级的动态蒸馏。设计了面向教师的细粒度特征掩码网络，通过可学习的特征重构有效缓解师生之间的模态差异。在涵盖图像、音频和文本等多种数据模态的跨模态知识迁移任务中，MST-Distill均取得了显著的性能提升。
嵌入式计算技术研究所博士生党敏，通讯作者刘刚教授论文“DDFD: Diffusion-Based Denoising Fusion for Object Detection in Infrared-Visible Images”被CCF A类会议ACM MM录用。该论文提出一种基于扩散去噪的红外-可见光图像融合方法（DDFD），用于提升目标检测性能。DDFD将融合视为扩散去噪过程，生成信息丰富且无冗余的图像，并通过图像自适应增强（IAE）提升可见光图像质量，同时利用图像感知噪声估计（INE）抑制冗余信息。融合网络与检测网络联合优化，使融合图像更利于目标检测。实验表明，DDFD在M3FD、DroneVehicle和VEDAI数据集上表现优异，有效提升复杂环境下的检测性能。
智能媒体与数据工程研究所教师李青洋，通讯作者教师王倩茹论文“Hierarchical Human-UAV Cooperative Task Allocation for Spatiotemporal Crowdsensing in Disaster Response”被CCF A类会议ACM Ubicomp录用。该论文提出了一个动态分层协作框架Hi-HUTA，该框架可同时优化数据新鲜度、人机协作关系以及在动态演变的灾害场景中的自适应分配程序。在第一层，提出了一种多智能体深度强化学习 (MADRL) 算法，该算法增强了惰性困境检测和消除机制，以促进分布式无人机调度。这种方法在保持全面环境感知的同时，确保了资源的高效利用。在第二层，引入了动态任务优先级匹配算法TKBF，用于优化无人机与人类协作的任务分配。TKBF通过评估无人机和人类之间的双边偏好，并设计基于动态优先级的双端队列，优化了不断变化的环境中的分配策略。
智能媒体与数据工程研究所乔晓田副教授，通讯作者崔江涛教授论文“Under the Shadow: Exploiting Opacity Variation for Fine-grained Shadow Detection”被CCF A类会议NeurIPS录用。该论文从透明度的视角重新定义了阴影在场景理解中的作用，针对现有方法均忽略阴影区域潜在的有效可视信息的问题，构建了首个包含透明度标注的大规模阴影检测数据集FSD，并提出了一种基于透明度特征分离的细粒度阴影检测方法，一方面提高了图像阴影检测的准确性，另一方面提升了包含阴影去除、生成、编辑、三维重建等多个下游任务的性能。
智能媒体与数据工程研究所杨亚明副教授，通讯作者管子玉教授论文“Defining and Discovering Hyper-meta-paths for Heterogeneous Hypergraphsa”被CCF A类会议NeurIPS录用。该论文提出了异构超图中的超元路径（hyper-meta-path）概念，将其定义为一系列超关系的组合。设计了一种基于注意力机制的异构超图神经网络（HHNN），能够自动学习不同超元路径的重要性。通过利用有价值的超元路径，HHNN不仅能够捕获更复杂的结构特征以提升模型性能，还能借助其所传递的语义提高模型的可解释性。实验结果表明，HHNN在性能上显著优于现有最先进的基线方法，同时所发现的超元路径也为模型预测提供了良好的可解释性。
智能媒体与数据工程研究所杨亚明副教授，通讯作者赵伟教授论文“Unsupervised Entity Alignment Based on Personalized Discriminative Rooted Tree”被CCF A类期刊IEEE TKDE录用。该论文提出了一种新颖的无监督实体对齐方法，称为UNEA。首先，以参数化方式为每个实体采样一棵以其为根的树型邻域，并据此设计了一种树注意力聚合机制，用于为每个实体提取个性化嵌入。其次，引入一个辅助任务，即最大化知识图谱编码器输入与输出之间的互信息，用作正则化以防止分布扭曲。实验证明，UNEA在无监督EA任务上达到了新的最新水平，甚至能够超越许多现有的有监督EA基线方法。
计算机网络与物联网工程研究所程珂副教授，通讯作者沈玉龙教授论文“Mosformer: Maliciously Secure Three-Party Inference Framework for Large Transformers”被CCF A类会议ACM CCS录用。该论文针对大模型推理服务隐私泄露问题，提出了首个支持BERT和GPT2等大型Transformer模型的恶意安全三方推理框架Mosformer。基于可验证分布式点函数设计了常数级通信轮次的恶意安全比较和查找表协议。在此基础上，设计了一系列复杂非线性函数安全计算协议，结合可验证模数转换，实现了恶意安全模型下的大语言模型推理，在保持模型精度的同时降低密态推理开销。
计算机网络与物联网工程研究所硕士生周若瑜，通讯作者张志为副教授论文“M2AFuzz: Enhancing Parallel Fuzzing of MQTT Broker with Multi-Agent Systems”被CCF A类会议USENIX Security录用。该论文针对传统协议模糊测试工具过于依赖人工进行规则提取，提出利用LLM直接从协议的自然语言规范中自主构建正式的约束状态图；针对并行模糊测试实例之间缺乏合作能力，提出利用多智能体强化学习 (MARL) 策略将孤立的模糊处理器转变为一个协调的团队。
计算机网络与物联网工程研究所硕士生周若瑜，通讯作者张志为副教授、教师张晓东论文“RSFuzz: A Robustness-Guided Swarm Fuzzing Framework Based on Behavioral Constraints”被CCF A类会议IEEE/ACM ASE录用。该论文基于RSFuzz框架，构建了两种群体模糊测试方案：单攻击者模糊测试（SA-Fuzzing）和多攻击者模糊测试（MA-Fuzzing），它们分别在模糊测试过程中使用单个和多个攻击者来干扰集群任务的执行。
计算机网络与物联网工程研究所博士生王江煜，通讯作者杨力教授论文“Content-Independent Avatar Ownership Detection for Preventing Sockpuppet-Enabled Violations in the Social Metaverse”被CCF A类会议ACM UIST录用。该论文提出AvatarJudger，一种用于社交元宇宙的跨账号虚拟化身归属检测方法。研究发现，现有平台即使封禁违规账号，也难以阻止用户通过“傀儡号”继续违规。AvatarJudger基于手指关节运动遥测数据，分阶段提取个性化击键特征，通过多层身份推断管线识别同一用户的多个虚拟化身，在30名志愿者、2217个虚拟化身实验中验证了方法的有效性。
智能软件与系统新技术研究所博士生李亚晓，通讯作者王璐、张晨曦副教授论文“Hypergraph Neural Network-based Multi-Granular Root Cause Localization for Microservice Systems”被CCF A类会议IEEE/ACM ASE录用。该论文针对微服务系统中不同粒度的故障及其系统内部复杂关联关系，提出HyperRCA，一种基于超图神经网络的多粒度根因定位方法。该方法通过设计多种类型的超边，实现同时定位不同粒度故障的根因，能够有效保障微服务系统的平稳运行。
智能软件与系统新技术研究所博士生吴天赐，通讯作者朱光明教授论文“Prompt-guided Disentangled Representation for Action Recognition”被CCF A类会议NeurIPS录用。该论文研究了多动作场景下的动作识别问题，针对现有方法难以有效建模多对象交互的局限，提出了一种基于提示引导的解耦表征框架，通过时空场景图与动态提示模块生成动作特定表示。
智能软件与系统新技术研究所博士生周洋涛，通讯作者李佳楠副教授论文“Knowledge Starts with Practice: Knowledge-Aware Exercise Generative Recommendation with Adaptive Multi-Agent Cooperation”被CCF A类会议NeurIPS录用。该论文研究了在线教育场景下自适应学习系统的实现问题，提出了一项新型的知识感知的习题生成式推荐任务，并设计了一种自适应多智能体协作框架，通过自适应循环工作流协同调度四种专业化智能体，同时集成了两种习题生成质量增强机制：类人知识感知机制和习题生成-对抗机制，实现对学习者知识状态的动态感知以及定制化的习题生成与推荐。
智能软件与系统新技术研究所博士生熊诺晔，通讯作者张亮教授论文“Intervening in Black Box: Concept Bottleneck Model for Enhancing Human Neural Network Mutual Understanding”被CCF A类会议ICCV录用。该论文提出了用于增强人机神经网络相互理解的概念瓶颈模型 (CBM-HNMU)。CBM-HNMU利用概念瓶颈模型作为可解释的框架来近似黑盒推理并传达概念理解。基于全局梯度贡献，系统会自动识别和改进（移除/替换）有害概念。然后，经过修改的CBM将修正后的知识提炼回黑盒模型，从而增强可解释性和准确性。
智能软件与系统新技术研究所硕士生蒋敏超、贾舜宇，通讯作者张亮教授论文“VoteSplat: Hough Voting Gaussian Splatting for 3D Scene Understanding”被CCF A类会议ICCV录用。该论文提出 VoteSplat，一种融合霍夫投票机制与3DGS的三维场景理解新框架。具体来说，利用Segment Anything Model (SAM) 进行实例分割，从而提取物体并生成二维投票图；随后，将空间偏移向量嵌入高斯原语中，通过与二维图像投票相结合构建三维空间投票，并借助深度约束提升深度方向的定位精度。在开放词汇的物体定位任务中，VoteSplat 通过投票点将二维图像语义映射至三维点云，有效降低了高维CLIP特征所带来的训练开销，同时保持语义正确性。
智能软件与系统新技术研究所博士生谷佳铭、硕士生蒋敏超，通讯作者张亮教授论文“PD-NeRF: a general pseudo-depth supervision method for neural radiance fields”被CCF A类期刊SCIS（Science China Information Sciences）录用。该论文研究了稀疏图像集下的三维重建与新视角合成问题，针对传统NeRF存在的训练时间长、渲染速度慢、重建精度不足等问题，借助SFM过程中得到的稀疏点云，提出了一种通用的伪深度监督的NeRF训练框架。
大数据与视觉智能研究所刘向增副教授、硕士生王驰，通讯作者苗启广教授、硕士生王驰论文“SGAD: Semantic and Geometric-aware Descriptor for Local Feature Matching”被CCF A类会议ICCV录用。该论文提出语义与几何感知描述符网络（SGAD），其核心是为图像区域生成高区分度描述符，通过一次前向过程直接求得匹配结果。进一步设计了双任务学习策略和分层过滤机制来提升鲁棒性。实验证明，该方法显著提升了计算效率、单应性估计和相对位姿估计等下游任务的性能，成功解决了现有框架的关键瓶颈。
这些成果充分展示了学院在计算机科学与技术和软件工程相关研究方向取得的重要学术进展，标志着学校在该领域的研究得到了国际同行的进一步认可，推动学科建设创新发展。
