7月21日，中国计算机学会（CCF）推荐的A类国际学术会议ACM Multimedia 2024论文接收结果公布，我院江兵兵、盛伟国两位老师指导的2022级计算机应用技术专业研究生张成龙同学的论文和刘儒瑜副教授完成的论文被录用。国际多媒体学术会议（ACM International Conference on Multimedia，简称ACM MM）由国际计算机协会（ACM）发起，是多媒体处理、分析与计算领域的最顶级盛会，也是中国计算机学会推荐的多媒体领域唯一的A类国际学术会议。ACM MM 2024将在澳大利亚墨尔本举行，投稿量为4385篇，录用文章1149篇，录用率为26.2%。

论文简介

论文题目：Scalable Multi-view Unsupervised Feature Selection with Structure Learning and Fusion

作者：Chenglong Zhang, Xinyan Liang, Peng Zhou, Zhaolong Ling, Yingwei Zhang, Xingyu Wu, Weiguo Sheng, Bingbing Jiang

论文概述：为了处理具有多种表示的高维数据，多视图无监督特征选择已成为一种重要的学习范式。然而，先前的方法存在以下困境：（i）重点在于选择特征以保持数据的相似结构，而忽略了聚类结构中的判别信息；（ii）它们经常在伪聚类标签上施加正交约束，破坏了聚类标签空间中的局部性；（iii）从所有样本中学习相似性或聚类结构同样耗时。为此，提出了一种具有结构学习和融合功能的可扩展多视图无监督特征选择（SMUFS），以联合利用数据的聚类结构和相似关系。具体而言，SMUFS引入了样本视图权重，以自适应地融合表示聚类结构并作为伪聚类标签的成员矩阵，从而可以有效地获得跨视图的统一成员矩阵来指导特征选择。同时，SMUFS从成员矩阵中进行图学习，保留了聚类标签的局部性并提高了其判别能力。此外，还开发了一种加速策略，使SMUFS能够扩展到相对大规模的数据。设计了一种收敛解决方案来优化所提出的问题，并通过大量实验证明了SMUFS的有效性和优越性。

论文题目：ColVO: Colonoscopic Visual Odometry Considering Geometric and Photometric Consistency

作者：Ruyu Liu, Zhengzhe Liu, ZHANG HAOYU, Guodao Zhang, Jianhua Zhang, Bo Sun, Weiguo Sheng, Xiufeng Liu, Yaochu Jin

论文概述：结肠镜检查的核心目标是精确地定位病灶。而三维感知技术，通过复原结肠的三维空间信息，有望显著提升病灶定位的准确性。然而，现有的方法大多只关注单个帧的局部深度估计，却忽视了结肠镜的精确定位，因此无法准确提供病灶的三维位置。这一缺陷主要源于两个方面：一方面，现有方法往往将结肠深度和结肠镜的姿态估计视为两个独立的任务，或者将它们设计为并行的子任务分支，缺乏有效的整合；另一方面，由于结肠环境中的光源会随着结肠镜的移动而移动，导致连续帧图像之间的亮度出现波动，进一步增加了定位的难度。为了解决这些问题，我们提出了ColVO，这是一种全新的、基于深度学习的视觉里程计框架。ColVO利用两个关键组件来连续估计结肠深度和结肠镜的姿态：一个是深度和姿态估计的深度耦合策略（DCDP），另一个则是光一致性校准机制（LCC）。DCDP通过多模态融合和损失函数约束，将深度和姿态估计模式紧密地耦合在一起，确保连续帧之间的几何投影能够实现无缝对齐。而LCC则通过重新校准相邻帧的亮度值，有效地应对了亮度变化带来的挑战，从而显著提升了ColVO的鲁棒性。在结肠里程计的基准测试中，ColVO展现出了卓越的性能，其在深度和姿态估计方面的表现均优于目前最先进的方法。此外，我们还展示了ColVO的两个重要应用：即时息肉定位和肠道的完整三维重建，进一步证明了其在实际应用中的价值。（文 洪东招）