今年以来，我院科研工作持续取得新进展。由丁丹丹教授指导的研究生先后在国际顶级学术会议 ICML、SIGGRAPH Asia 和 NeurIPS 发表/录用多篇研究成果，研究方向涵盖机器学习、三维图形图像处理、点云压缩与大模型高效推理等领域，展现了我院在多媒体处理、人工智能与视觉计算等方向的持续创新能力和研究生培养成效。

2026年7月，我院研究生竹家豪以第一作者身份在机器学习领域顶级国际会议 ICML 2026 发表论文 “PACE: Post-Causal Entropy Modeling for Learned LiDAR Point Cloud Compression”。针对激光雷达（LiDAR）点云压缩中传统上下文建模方法计算开销较大的问题，该论文提出了一种基于后因果概率建模的点云压缩方法。该方法将传统八叉树压缩中的“祖先式”上下文聚合重构为非因果主干网络，并将因果约束集中到轻量化、可扩展的预测器中，从而减少主干网络的重复计算，有效降低模型推理开销。实验结果表明，PACE 在点云压缩效率与计算开销之间取得了先进平衡，为高效激光雷达点云压缩提供了新的技术方案。

图1. 所提出的基于后因果概率建模的激光雷达点云压缩方法

2026年8月，我院研究生郦泽鸿以第一作者身份完成的论文 “Gameleon: Gaussianizing Point Clouds for On-Demand 4D Performance” 被国际计算机图形学顶级会议 SIGGRAPH Asia 2026 录用。针对三维/四维内容在传输与实时渲染过程中存在的计算和系统开销问题，该论文提出了一种名为 Gameleon 的端到端高效编码与渲染系统。该方法将三维数据重组为几何与颜色属性，并进一步将其压缩为面向渲染的特征；解码后，这些特征可以直接生成用于渲染的高斯图元（Gaussian primitives），从而省去了传统方法中的显式点云重建过程，降低了从数据解码到最终渲染的系统开销。实验结果表明，Gameleon 在 单卡NVIDIA RTX 4090 GPU 上可实现 18.5 FPS 的完整解码至渲染处理速度，轻量化版本进一步达到 25.6 FPS，为点播式4D内容的高效传输与实时渲染提供了新的解决思路。

图2. 所提出的面向点播式4D流媒体应用的端到端编码与渲染系统

2026年9月，我院研究生韩成峰以第一作者身份完成的论文 “iCATS: Fast Video Generation via Interaction-Aware Sparse Attention and Timestep-Adaptive Sparsity” 被人工智能领域顶级国际会议 NeurIPS 2026 录用。该成果由我院丁丹丹教授团队与阿里巴巴、平头哥半导体合作完成。针对扩散视频生成模型计算量大、推理效率较低的问题，该论文提出了一种无需训练的稀疏注意力机制 iCATS，通过交互感知的重要性评估、稀疏掩码构建以及面向硬件执行的优化策略，减少视频生成过程中的冗余注意力计算。实验结果表明，iCATS 在 Wan2.1-T2V-14B 视频生成模型上实现了优秀的生成质量与推理效率平衡，具有面向实际大模型推理系统部署的应用潜力。（图/文 丁丹丹 洪东招）

图3. 所提出的基于交互感知稀疏注意力与时间步自适应稀疏性的快速视频生成方法