AAAI Conference on Artificial Intelligence会议是人工智能领域最重要的国际会议之一，是CCF推荐的A类会议。人工智能学院李成龙教授团队共有4篇论文被AAAI 2025录用，涉及多模态目标跟踪、多领域行人属性识别和显著目标检测等研究方向。AAAI 2025共收到12,957份投稿，3032篇论文被录用，录取率为23.4%。AAAI2025将于2025年2月25日- 3月4日在美国宾夕法尼亚州费城举办。

       论文“Cross-modulated Attention Transformer for RGBT Tracking”由安徽大学人工智能学院肖云副教授为第一作者、李成龙教授为通讯作者。目标跟踪在自动驾驶、机器人等领域具有广泛的应用。可见光-红外(RGBT)目标跟踪旨在联合利用可见光提供的丰富色彩纹理信息，以及热红外在极端环境下的穿透性实现鲁棒的目标跟踪。现有的基于Transformer的模型大多关注特征融合，利用自注意力提取单模态特征，交叉注意力增强多模态交互，一方面忽略了跨模态注意力权重分布的一致性，导致不准确的注意力计算结果，另一方面具有较高的计算复杂度。 针对上述问题，本文提出一种交叉调制注意力模块（CMA），将各分支中独立的自注意力块结合起来，在相关性权重建立的过程中嵌入交叉注意力过程，使不同模态分支的注意力权重能够相互学习，在优化注意力权重同时也实现了多模态信息的有效融合，从而同时提升了模型精度和效率。

图1 整体框架 

       论文“RGBT Tracking via All-layer Multimodal Interactions with Progressive Fusion Mamba”由安徽大学计算机科学与技术学院博士后鹿安东为第一作者，人工智能学院李成龙教授、计算机科学与技术学院罗斌教授共同为通讯作者。现有RGBT目标跟踪相关工作缺少对不同层级特征之间互补性的探究，且现有架构难以实现全层级的全微调建模。针对此问题，本文提出了一种基于渐进式Mamba的全层多模态网络 (AINet)，利用Mamba在建模长序列方面的优势实现全层级的特征建模，同时保持了较高的计算效率。具体来说，本文设计了差分融合Mamba模块 (DFM)，通过差分结构放大模态差异信息，有效地进行模态信息互补增强，并设计了动态排序融合Mamba模块 (OFM)来预测全层特征的扫描顺序，通过输入感知的动态扫描路径，实现自适应信息聚合并减轻早期输入信息的遗忘。在四个公共基准数据集上进行了实验，结果表明本文方法超过了目前最先进的方法。此外，与基于Transformer的融合方法对比，本文方法有着更少的显存消耗和更高的计算效率。

图2 网络结构示意图 

       论文“Pedestrian Attribute Recognition: A New Benchmark Dataset and A Large Language Model Augmented Framework”由安徽大学计算机科学与技术学院金建东博士为第一作者，计算机科学与技术学院王逍副教授、人工智能学院李成龙教授共同为通讯作者。行人属性识别（PAR）作为人类感知任务之一，旨在通过计算机视觉技术，识别行人图像中的多种属性，如性别、发型、穿着等，得到了广泛的关注。现有数据集通常缺乏对跨域因素（如不同环境、时间、人口和数据来源）的有效处理，且多依赖于简单的随机分割方式进行训练和测试，模型性能趋于瓶颈。为了解决这些问题，本文提出了一个大规模的多领域行人属性识别数据集，称为MSP60K，由来自8个不同场景的行人图像数据60,122 张和57个属性注释组成，揭示了引入跨域设定对研究行人属性识别实用性的重要性，并使用合成退化来模拟复杂的动态真实世界环境。同时提出了一种新的多模态大语言模型增强的PAR框架，利用多模态大预言模型探索属性之间的上下文关系，生成有助于属性识别的描述。该方法由三个主要模块组成：多标签分类分支、大语言模型分支和模型聚合。

图3  多模态大语言模型增强的 PAR 框架

       论文“Alignment-Free RGB-T Salient Object Detection: A Large-scale Dataset and Progressive Correlation Network”由安徽大学计算机科学与技术学院王鲲鹏博士为第一作者，计算机科学与技术学院涂铮铮副教授、罗斌教授共同为通讯作者，人工智能学院李成龙教授为合作作者。显著目标检测任务旨在定位并分割出视觉场景中人们最关注的区域，是计算机视觉领域的研究热点之一。针对原始捕获的RGB-T图像在空间和尺度上未对齐问题，本文构建了一个大规模、高多样性的未对齐数据集用于促进无需对齐的RGB-T显著性目标检测的研究，包括20,000对图像、407个场景、1256个目标类别以及多样的标注。针对难以利用多模态间的对应关系问题，本文提出了一个渐进相关网络，在显式对齐的基础上对模态间和模态内相关性进行建模。具体来说，本文提出了一个语义引导的单应性估计模块，引入并微调了现有的多模态单应性估计器，显式对齐可见光和热模态之间的共同区域。此外，本文还提出了一个模态间和模态内相关性模块，全面建模显著性区域的相关性。在未对齐、弱对齐和对齐数据集上进行的大量实验，验证了本文方法的有效性。

图4  所提出的PCNet的整体架构

新闻链接：http://www.ahu.edu.cn/2024/1216/c15059a354479/page.htm

网站内容来源于互联网，由网络编辑负责审查，目的在于传递信息，提供专业服务，不代表本网站平台赞同其观点和对其真实性负责。如因内容、版权问题存在异议的，请与我们取得联系，我们将协调给予处理（按照法规支付稿费或删除），联系方式：ahos@aiofm.ac.cn 。网站平台将加强监控与审核，一旦发现违反规定的内容，按国家法规处理，处理时间不超过24小时。