近日，中國計算機學會(CCF)推薦A類國際計算機視覺與模式識別頂級會議（The IEEE/CVF Conference on Computer Vision and Pattern Recognition 2025）公布了錄用結果，我校計算機學院2023級碩士研究生查全興（導師柳欣教授）關于關系一致性增強的魯棒噪聲關聯學習研究成果(題為“ReCon: Enhancing True Correspondence Discrimination through Relation Consistency for Robust Noisy Correspondence Learning”）被錄用。CVPR即IEEE國際計算機視覺與模式識別會議，是由IEEE舉辦的計算機視覺與模式識別領域的頂級會議，CCF推薦A類國際學術會議。根據會議官方統計，本次CVPR 2025會議總投稿13008篇，錄用2878篇，錄用率僅為22.1%。會議將于2025年6月11日至15日在美國田納西州納什維爾舉辦。

在跨模態匹配與視覺表征學習領域，噪聲關聯問題長期制約模型性能?，F有方法通常依賴單一相似度計算判別樣本匹配性，然而在復雜實際場景中，大量表面特征相似但語義無關的“高難度噪聲樣本對”易導致模型誤判，嚴重損害算法魯棒性。針對這一挑戰，該研究創新地提出關系一致性度量框架ReCon，突破傳統單維度相似性評估的局限性。通過構建跨模態關系一致性，系統解析樣本間的潛在語義關聯網絡，結合提出的代理關系建模技術，缺乏準確關系數據標注的情況下精準定位高度混淆噪聲樣本，有效區分“偽相似”。該研究在三個公開數據集上進行了大量實驗，突出了所提出框架的優越性能，并展示了與最國內外先進方法相比的競爭性。

該研究工作中，我校為第一完成單位，計算機學院柳欣教授為通訊作者，計算機學院彭淑娟教授、香港浸會大學張曉明講席教授、電子科技大學徐行教授以及西安電子科技大學王楠楠教授參與了研究工作。該研究工作得到福建省大數據智能與安全重點實驗室、廈門市計算機視覺與模式識別重點實驗室的實驗設備支持。

論文錄用截圖

（責編：魏琳瑛）