（通讯员 臧熠璇）近日，计科院十多篇论文成果分别被国际顶级会议ACM SIGCSE TS、IEEE INFOCOM、AAAI录用，其中，嵌入式计算技术研究所1篇论文被AAAI 2025录用，智能媒体与数据工程研究所1篇论文被ACM SIGCSE TS 2025录用、3篇论文被AAAI 2025录用，计算机网络与物联网工程研究所3篇论文被IEEE INFOCOM 2025录用，大数据与视觉智能研究所3篇论文被AAAI 2025录用，这些论文涵盖计算机教育、网络与信息安全、计算机视觉、多视角学习、图学习等多个领域。
智能媒体与数据工程研究所李辉教授论文“Experience Report on Using LANTERN in Teaching Relational Query Processing”被国际顶级会议ACM SIGCSE TS 2025录用，是我校被该会议录用的首篇论文。该论文基于团队自研DBEDU平台的LANTERN系统，在国际知名高校数据库本科教学中开展了教学实践研究，并连续3年在学院数据库课程中分阶段融入教学实践过程。针对3年的学业成绩开展了对照研究，通过假设检验的手段分别测试了使用与否和学业表现、融入程度和卷面成绩等随机变量间的相关性。对LANTERN系统在数据库内核教学中的效用从统计学角度给出了验证，并对未来的基于LANTERN的教学实践提出了新的启示。
计算机网络与物联网工程研究所董学文教授，通讯作者沈玉龙教授论文“LBFT-DAG: a Swift, Leader-driven, DAG-based Consortium Blockchain with Byzantine Fault-tolerances”被国际顶级会议IEEE INFOCOM 2025录用。该论文提出了LBFT-DAG，是首个领导者驱动、拜占庭容错的基于DAG的联盟链。设计了精简的账本结构，提出了遵循“main-subchain优先”原则的两阶段排序算法，设计了仅针对领导者区块的异步拜占庭容错投票过程。实验结果表明，与现有解决方案相比，交易吞吐量平均提高了约四倍，同时将交易延迟控制在数秒之内。
计算机网络与物联网工程研究所博士生杨凌霄，通讯作者董学文教授论文“AsyncSC: An Asynchronous Sidechain for Multi-Domain Data Exchange in Internet of Things”被国际顶级会议IEEE INFOCOM 2025录用。该论文提出了异步侧链结构—AsyncSC，利用委员会机制提供跨区块链即服务C-BaaS，优化了多域IoT数据的交换过程。设计了延迟聚合签名DAS，结合聚合签名与可验证延迟函数思想，用于构造确保跨链交互的安全性的异步跨链证明ACP，引入了多级缓冲交易池，保障异步跨链交易顺序。实验结果表明，在保持了相当资源开销下，AsyncSC提升了1.21至3.96倍吞吐量，延迟降低59.76%至83.61%。
计算机网络与物联网工程研究所周路副教授论文“The Feasibility of Location Anonymity: An Empirical Study towards a Real-world Location Privacy Protection System in Takeout Services”被国际顶级会议IEEE INFOCOM 2025录用。该论文提出了一种专门针对位置（点）匿名设计的多阶段轨迹推断框架，包括用于短期跟踪的位置关联阶段和用于长期跟踪的轨迹匹配阶段，分析发现位置（点）匿名在阻止短期跟踪方面并不如预期有效，但肯定了其在阻止长期跟踪的效果，并分析发现平台服务机制形成的骑手强聚合性，这一在多个场景中被认为不现实的因素，在阻止长期轨迹跟踪中起到了关键作用。
智能媒体与数据工程研究所硕士生冯同辉，通讯作者乔晓田副教授论文“HDLayout: Hierarchical and Directional Layout Planning for Arbitrary Shaped Visual Text Generation”被国际顶级会议AAAI 2025录用。该论文提出了一种具备层次化与方向性的新型布局表征方式，能够有效建模视觉文本的顺序和多粒度特性，进而可以生成任意形状的视觉文本。实验结果表明，所提方法在视觉文本生成任务中明显优于现有方法，可有效提高目前文生图大模型的生成质量。
智能媒体与数据工程研究所博士研究生陈海顺，通讯作者管子玉教授论文“Biased Incomplete Multi-view Learning”被国际顶级会议AAAI 2025录用。该论文提出了一种可靠不完全多视角学习方法RIML，通过引入类间关联矩阵，利用头部类的知识来指导数据贫乏类别的视图恢复过程，并采用类别相关的增强损失以学习更可区分的特征空间。实验结果表明，RIML在准确性和鲁棒性上明显优于现有方法。
智能媒体与数据工程研究所博士研究生陆维港，通讯作者管子玉教授论文“AGMixup: Adaptive Graph Mixup for Semi-supervised Node Classification”被国际顶级会议AAAI 2025录用。该论文提出了AGMixup，一套将 Mixup 技术从欧几里得域推广至图数据的框架，其核心在于以子图为基本单位而非单个节点进行混合。通过根据子图间的上下文相似度和不确定性动态调节混合比例，AGMixup 能够生成更有意义且更符合数据分布的虚拟子图样本。实验证明，AGMixup 在半监督节点分类任务中有效提升了模型泛化性，减少预测误差并增强模型信心。
嵌入式计算技术研究所博士研究生李柯，共同通讯作者王笛教授和青年教师李少峰论文“FD2-Net: Frequency-Driven Feature Decomposition Network for Infrared-Visible Object Detection”被国际顶级会议AAAI 2025录用。该论文提出了一种新颖的频率驱动特征分解网络FD2-Net，通过高频单元和低频单元分别提取可见光图像的高频细节与红外图像的低频上下文信息，同时结合无参数的互补增强策略与多模态重构机制，进一步提升跨模态信息融合的性能。实验结果表明，FD2-Net在主流红外-可见光目标检测数据集上取得了SOTA的检测结果。
大数据与视觉智能研究所武越教授，通讯作者公茂果教授论文“MUCD: Unsupervised Point Cloud Change Detection via Masked Consistency”被国际顶级会议AAAI 2025录用。该论文提出一种基于掩码一致性的无监督点云变化检测模型，通过引入一种基于掩码一致性损失的双向优化框架，衡量不变区域点对应之间的几何相似性，达到特征和变化分割器的同时优化，以有效分割变化点。通过自重建以及提出的预知点对比损失，使得初始化特征具有基本几何性质和部分先验信息，以确保训练达到一个良性循环。在街道、城市建筑等真实数据集上的大量实验证明了提出方法的鲁棒性和泛化性。
大数据与视觉智能研究所青年教师马卓奇，通讯作者苗启广教授论文“UrbanWaste: In-the-Bin Dataset for Waste Disposal Inspection with Multi-Granularity Hierarchical Labels”被国际顶级会议AAAI 2025录用。该论文提出了自动化垃圾投放检测任务，构建了UrbanWaste数据集，并提供了密集标注和多粒度标签。该数据集专注于垃圾桶内的垃圾检测和分割任务，弥补了现有监督不足的问题。论文实验了当前最先进的分割模型，评估其在UrbanWaste数据集上的性能，并基于此设计了一整套自动垃圾检测的工作流程。该系统已经在实际垃圾管理中部署测试，展示了其在环保领域的潜力和应用前景。
大数据与视觉智能研究所博士研究生苑咏哲，通讯作者武越教授论文“Where Precision Meets Efficiency: Transformation Diffusion Model for Point Cloud Registration”被国际顶级会议AAAI 2025录用。该论文提出了一种变换扩散模型，旨在解决点云配准中精度与效率难以平衡的问题。该工作基于旋转与平移属于不同解空间的事实，首次使用扩散模型在希尔伯特空间和三维实数空间并行扩散旋转和平移，并利用潜在空间变换作为条件引导参数生成。推导了新的统一扩散概率公式，该方法可以作为即插即用的代理嵌入任何网络。实验证明在不同场景，不同数据集下的经典网络上，至少能提升原网络60%的性能，并获得更快的推理速度。
这些成果充分展示了学校在计算机科学与技术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。
