第26届IEEE国际多媒体与博览大会（ICME 2025）于2025年6月30日至7月4日在法国南特市顺利召开。我院2023级研究生李宁同学、谢佳志同学（导师：王青正副教授）共有两篇论文参会汇报。ICME是由IEEE主办的多媒体计算领域旗舰国际会议，在全球具有广泛影响力。作为中国计算机学会（CCF）认定的B类国际学术会议，本次参会展示了我院在图形图像处理方向的最新研究成果，体现了我院在多媒体感知与计算视觉领域的持续创新与国际学术影响力。
图1 ICME2025法国南特市
论文介绍
论文一 (Oral)：Dual-Domain Iterative Refinement Network for Camouflaged Object Detection
论文作者：王青正、李宁*、谢佳志
内容介绍：
伪装物体检测（Camouflaged Object Detection,COD）任务旨在识别与背景高度融合的目标对象，因其边界模糊、对比度低而在复杂场景中极具挑战性。该想工作提出了一种双域迭代细化网络（DIR-Net），通过融合空间域与频率域信息，实现鲁棒性与细节感知能力的平衡。DIR-Net采用两阶段结构：第一阶段为粗定位阶段，设计了频率-空间融合模块（FSF）以实现频域内部交互与跨域特征对齐，并引入双域差异卷积模块（DDC）补充空间结构信息；第二阶段为迭代细化阶段，提出迭代掩模策略（IMS），通过逐步聚焦预测区域并引入原图高分辨率细节，增强边界和结构表达能力。大量实验证明，DIR-Net在多个COD数据集上均取得了优越性能，展现出频率-空间融合与多阶段精细建模的有效性。
图2 模型架构图
图3 效果图
图4 李宁同学Oral汇报研究内容
论文二 (Poster)：Structure-Guided Camouflaged Object Detection with Progressive Enhancement Strategy
论文作者：王青正、谢佳志*、李宁
内容介绍：
伪装物体检测（Camouflaged Object Detection, COD）旨在识别伪装在环境中的目标，广泛应用于多媒体分析与增强现实系统中。针对复杂场景和小目标检测任务误导性结构线索或背景噪声的干扰问题，该论文提出了一种结构引导的伪装物体检测网络（SGNet）。SGNet首先通过关键点局部增强模块（KLE）对早期特征图中的点级结构信息进行精细强化，构建可靠的结构先验；随后引入混合分辨率适应机制（HRA），在不同尺度之间动态融合高分辨率细节，修正低分辨率预测偏差；最后通过结构引导补丁模块（SGP），根据目标形状自适应提取并融合关键图像区域，从而提升结构边界感知能力并降低背景干扰。大量实验证明，SGNet在多个主流COD数据集上均显著优于现有方法，在小目标感知、结构保持和边界精度等方面表现出更强的鲁棒性与泛化能力。
图5 模型架构图
图6 效果图
图7 谢佳志同学Poster展区展示研究成果
