近日，通信工程学院视觉计算与多媒体应用研究所4篇论文被计算机视觉与多媒体领域顶级国际会议/期刊录用，其中2篇论文被ECCV 2026录用，1篇论文被IEEE Transactions on Multimedia（CCF-A类期刊，中科院一区TOP期刊）录用，另有1篇论文入选CVPR 2026 Highlight Paper。上述成果均以杭州电子科技大学为第一完成单位，由视觉计算与多媒体应用研究所黄星儒特聘研究员、刘瑾特聘副研究员、郑志文博士后课题组完成。系列成果的持续产出，反映了视觉计算与多媒体应用研究所围绕视觉计算、多模态感知与图像分析等方向开展的系统研究积累，也为我院信息与通信工程学科建设提供了有益支撑。
ECCV全称为European Conference on Computer Vision（欧洲计算机视觉会议），是计算机视觉领域三大国际顶级会议之一。IEEE Transactions on Multimedia（IEEE TMM）是多媒体处理与分析方向的重要国际期刊，被中国计算机学会列为CCF-A类期刊。IEEE Conference on Computer Vision and Pattern Recognition（CVPR）Highlight Paper是在录用论文中进一步遴选出的亮点论文，通常代表会议评审对论文创新性和技术质量的进一步认可。
论文1：
SupIR-GS: Thermal Infrared Super-Resolution Novel View Synthesis with Imaging-Calibrated 3D Gaussian Splatting
（ECCV 2026）
该论文共同第一作者为通信工程学院刘瑾特聘副研究员及研一学生李浩东，通讯作者为黄星儒特聘研究员、郑志文博士后和西湖大学合作者徐淇博士。论文面向低分辨率热红外图像条件下的高质量三维重建与新视角合成难题，提出了一种成像校准驱动的热红外超分辨率三维高斯溅射框架SupIR-GS。热红外成像在夜间感知、安防监控和工业检测等场景中具有重要应用价值，但由于传感器分辨率受限、热扩散效应和固定模式噪声影响，图像往往存在纹理稀缺、边界模糊和伪高频噪声等问题，使现有三维建模与新视角合成方法容易将成像噪声误拟合为几何结构，导致漂浮伪影和重建不稳定。
针对上述问题，SupIR-GS突破了传统“二维超分辨率预处理后三维重建”的级联思路，直接在三维高斯表示中建模潜在高分辨率热辐射场，并通过可微分红外成像链路将其映射回真实观测域进行约束。论文设计了物理约束红外成像校准模块PhysIR-Cal，用于刻画非均匀响应、固定模式噪声和径向衰减等典型红外退化过程；设计了强度条件化色调适配模块IRTone-Adapter，以增强弱纹理区域中的潜在热梯度表达。研究同时提出频率感知课程学习策略，引导模型由稳定低频几何结构逐步过渡到可信高频细节恢复，从而提升低信噪比条件下的重建稳定性与成像保真度。实验结果表明，SupIR-GS在重建质量、结构稳定性和热辐射细节恢复等方面均取得优异表现，为复杂环境中的热红外三维感知、全天候视觉理解和工业检测等应用提供了新的技术路径。
论文2：
Physically Grounded Dual-Opacity Gaussian Splatting for Joint RGB-TIR Reconstruction
（ECCV 2026）
该论文共同第一作者为通信工程学院刘瑾特聘副研究员及研一学生冷大宾，通讯作者为黄星儒特聘研究员、郑志文博士后、西湖大学合作者徐淇博士。论文聚焦高保真可见光（RGB）与符合物理规律的热红外（TIR）双模态联合三维场景重建问题，面向可见光与热红外成像机理差异显著、共享表示易引发跨模态冲突这一关键痛点，提出了一种基于物理约束的双不透明度三维高斯溅射框架RaViGS。可见光成像主要依赖外部光源反射，热红外成像则反映物体自身发射的热辐射，二者在频率特征、可见性关系和物理机制上存在本质差异。现有方法往往将热红外图像视为可见光图像的附加通道，容易导致梯度干扰、遮挡冲突和几何伪影，限制了双模态重建的真实感与物理一致性。RaViGS在统一几何表示下同时建模可见光外观与热红外辐射属性，使两种模态既保持空间结构一致，又能够表达各自独立的成像规律。论文提出内在辐射属性分解模块，将热红外响应显式分解为发射率、温度和反射率等物理因素，使模型能够学习更符合热辐射规律的场景表征；同时设计双不透明度渲染机制，为RGB和TIR分别建立模态特定的不透明度场，以适应跨光谱场景中的可见性差异与遮挡关系。实验结果表明，RaViGS在热红外新视角合成、RGB重建质量和温度场恢复等方面均取得优异表现，能够更好地抑制边界重影与融合伪影，恢复清晰的可见光纹理和稳定的热辐射结构，为夜间监控、灾害响应、工业检测等复杂环境下的多模态三维视觉感知提供了技术参考。
论文3：
CROWn: A Unified Framework for Anti-Aliased Downsampling and Phase-Calibrated Fusion in 3D Medical Segmentation
（CVPR 2026 Highlight Paper）
该论文第一作者为通信工程学院黄星儒特聘研究员及研二学生叶双华，通讯作者为郑志文博士后、刘瑾特聘副研究员和中国海洋大学张晓帅副教授。论文被计算机视觉领域国际顶级会议CVPR 2026评为Highlight Paper，这是会议对该工作创新性和技术质量的高度认可。
论文面向三维医学图像分割中下采样混叠、边界细节丢失和跨尺度特征错位等关键难题，提出统一分割框架CROWn。针对传统下采样过程容易破坏细小解剖结构、模糊病灶边界的问题，论文设计了Microlocal Polyphase Co-Attentive Decimator模块，通过多相频率分析、协同注意力筛选和显式抗混叠滤波，更稳定地保留与组织边界相关的高频细节；针对跳跃连接中不同尺度特征难以精准对齐的问题，论文进一步提出Octaphase Coset Fibration模块，通过相位感知特征重构和边缘引导融合，提升跨尺度特征对齐能力和结构表达精度。基于涵盖CT、MRI和OCT三种模态的15个公开数据集的大量实验验证，CROWn在分割精度、边界质量和计算效率之间取得良好平衡，整体性能优于当前主流方法，为高精度三维医学图像分割提供了新的技术参考。
论文4：
Recovering Occluded Human Boundaries from Single-Frame Indirect Observation
（IEEE TMM）
该论文共同第一作者通信工程学院郑志文博士后及研二学生丁首钦，通讯作者为刘瑾特聘副研究员、黄星儒特聘研究员。论文面向单帧间接观测下被遮挡人体轮廓恢复中的方向相干性退化、高频结构信息丢失和边界结构漂移等关键难题，提出双域扰动建模分割框架 DiProxB-Net。针对低功率主动照明经墙面反射后产生的角度扰动导致轮廓方向漂移与边界模糊的问题，论文设计了图像域的 Anco-GR 模块，通过角度扰动反投影、门控方向融合与多尺度增强，在观测层面更稳定地校正方向偏移、恢复几何一致性；针对特征传播过程中结构信息再次失真、产生破碎激活与边界漂移的问题，论文进一步提出特征域的 CopaDescent 模块，通过扰动残差迭代反馈与近端投影，在表征层面抑制噪声驱动的高频碎片、稳定结构演化。基于涵盖三个真实采集与两个高保真合成场景、共五个数据集的 ReflectHuman 基准的大量实验验证，DiProxB-Net 在区域精度、边界保真度与计算效率之间取得良好平衡，整体性能优于当前主流方法，尤其在多径干扰严重、间接信号微弱的极端退化场景下边界连续性与定位精度提升显著，为极简感知条件下的高精度遮挡人体轮廓恢复提供了新的技术基准。
课题组成员简介
黄星儒，杭州电子科技大学通信工程学院特聘研究员。本科毕业于北京邮电大学，博士毕业于英国伦敦玛丽女王大学。研究方向为深度学习、计算机视觉、医疗图像处理、大语言模型等。现为国防大数据专业委员会委员，中国人工智能协会会员，中国指挥与控制学会高级会员。在NeurIPS、ICLR、CVPR、ECCV等国际高水平学术期刊和会议上发表论文73篇，包含中科院一区及CCF-A类会议期刊31篇，中科院二区期刊23篇，ESI高被引论文2篇。以第一作者或通信作者（含共同）发表SCI索引文章及CCF-A类会议41篇，其中影响因子10分以上的期刊5篇。累计引用超过1500次。成果获中国指挥与控制协会科学技术进步二等奖。
刘瑾，杭州电子科技大学通信工程学院特聘副研究员，博士毕业于武汉大学遥感信息工程学院。主要研究方向包括计算机视觉、三维重建与理解、三维空间推理，以及生成式世界模型等。主持国家自然科学基金青年项目、浙江省自然科学基金青年项目等多项科研课题。曾获测绘科学技术特等奖、测绘科学技术二等奖、地理信息科技进步二等奖等。已在ISPRS、CVPR、ICCV、NeurIPS及《测绘学报》等高水平期刊与会议发表论文20余篇，授权国内发明专利6项。现任Remote Sensing、Mathematics期刊客座编辑，并担任ISPRS、TGRS、CVPR等十余个期刊/会议的审稿人。
郑志文，杭州电子科技大学通信工程学院博士后。长期围绕人工智能、模式识别与多模态感知开展系统研究，聚焦复杂观测条件下的稳健表征学习、跨设备与跨场景泛化、可解释融合与可信评测等问题。近五年发表或录用期刊与国际会议论文23篇，其中以第一作者或通讯作者（含共同通讯）在IEEE TMC、IEEE THMS、ICLR、AAAI等重要期刊与会议发表21篇，相关成果入选ESI高被引论文并获最佳论文奖。申请及授权发明专利6项，获得国家自然科学基金青年基金（C类）、中国博士后科学基金面上资助与特别资助支持。
