近日，博彩网站大全
干红平副教授课题组在计算成像与图像重建领域取得系列研究成果。由杨乐、王晓阳、郭震、黄海琴、朱慧敏等五位硕士研究生参与完成的五篇论文，分别在国际顶级学术会议 CVPR 2026、AAAI 2026 以及国际顶级期刊 IEEE Transactions on Image Processing（TIP）、IEEE Transactions on Multimedia（TMM）发表或录用。上述成果均为中国计算机学会（CCF）推荐的 A 类国际会议/期刊论文。论文简要介绍如下：
论文一
论文题目：Multi-Scale Gradient-Guided Unrolling Architecture with Adaptive Mamba for Compressive Sensing
发表会议：CVPR 2026（CCF A类）
第一作者信息：2023级研究生 杨乐（指导老师:干红平），目前在华为从事端侧大模型算法岗工作。
作者单位：博彩网站大全
论文概述：压缩感知旨在利用少量测量数据恢复原始图像，在降低数据采集与存储开销方面具有重要价值。深度展开网络通过将传统迭代优化算法转化为可训练的神经网络，兼顾重建性能与结构可解释性。然而，现有方法仍存在不同迭代阶段特征提取趋于同质化、梯度引导信息融合不足，以及全局感知能力与计算效率难以兼顾等问题，限制了图像细节的准确恢复。针对上述问题，研究提出多尺度梯度引导的自适应Mamba展开架构MambaCS。该方法以近端梯度下降算法为基础，通过自适应状态空间模块在多个特征层级展开重建过程，在保持计算效率的同时提取局部细节与全局结构信息；设计高维梯度融合模块，使测量一致性约束对应的梯度信息能够跨尺度、跨维度持续传递；进一步构建特征自适应近端算子，增强网络对多尺度特征的感知与整合能力。多组公开数据集上的实验表明，MambaCS在重建精度与细节恢复方面优于论文所比较的先进方法，为高效、可解释的压缩感知重建提供了新的思路。
图1 MambaCS整体框架
论文二
论文题目：Spectrally Adaptive Channel-aware Unrolling Network for Compressed Sensing
发表会议：AAAI 2026（CCF A类）
第一作者信息：2022级研究生王晓阳（指导老师:干红平），目前在滴滴从事AI打车算法岗工作。
作者单位：博彩网站大全
论文概述：在图像压缩感知中，如何从有限测量数据中恢复清晰的纹理与结构，是提升成像质量的关键。现有深度展开网络通常采用相对固定的梯度步长策略，且在单次迭代内的特征提取和不同迭代阶段之间的信息交互方面存在不足，容易造成重建细节损失。针对这些问题，研究受谱投影梯度优化算法启发，提出谱自适应通道感知展开网络SCU-Net，将传统优化中的步长更新机制与深度网络的特征学习相结合。该方法设计基于Barzilai-Borwein步长的梯度下降优化器，根据迭代状态更新步长，改善数据保真项的优化；构建通道引导的交叉注意力重建模块，通过自适应通道交互融合卷积与通道注意力，实现特征筛选与增强。同时，利用双增强变量加强跨阶段信息传递，并结合交叉注意力建模长距离依赖，从而促进局部纹理和整体结构的协同恢复。自然图像压缩感知与磁共振图像重建实验表明，SCU-Net取得了优于所比较先进方法的重建效果，验证了优化算法与通道感知特征建模相结合的有效性。
图2 SCU-Net重建框架
论文三
论文题目：Degradation-Aware Unfolding Network with Sparsity-Gated Experts
发表期刊：IEEE Transactions on Image Processing（TIP，CCF A类），2026
第一作者信息：2022级研究生郭震（指导老师:干红平），目前在港理工攻读博士学位。
作者单位：博彩网站大全
论文概述：压缩成像能够利用少量观测重建高维图像，但不同图像的内容、结构与退化程度存在差异，对重建模型的适应能力提出了更高要求。现有深度展开网络往往重复堆叠相同类型的迭代模块，在训练完成后沿固定路径处理不同输入，难以灵活适应复杂多样的重建需求。为此，研究提出退化感知的稀疏激活深度展开混合专家架构DUMoE，使网络能够在每个迭代阶段根据输入特征选择合适的专家模块。该方法通过退化感知注意力突出压缩采样造成的退化区域，引导模型关注易出现伪影和细节损失的位置；利用多尺度专家门控整合跨阶段特征与多分辨率信息，并采用Top-1路由，使每个阶段仅激活一个专家，减少相对于全部专家同时参与计算的开销。在专家设计上，方法将SpaRSA优化算法的迭代机制与数据驱动学习结合，强化重建过程中的先验建模。自然图像压缩感知、磁共振图像重建和高光谱快照压缩成像三类任务上的实验表明，DUMoE在提升重建质量的同时保持了有竞争力的参数与计算效率，为多类压缩成像任务提供了可共享的架构设计。
图3 DUMoE整体架构
论文四
论文题目：DiffPR: Learning Physics-aware Denoising Priors for Phase Retrieval via Consistency-driven Diffusion Models
发表期刊：IEEE Transactions on Multimedia（TMM，CCF A类），2026
第一作者信息：2024级研究生黄海琴（指导老师:干红平），目前在阿里算法岗实习。
作者单位：博彩网站大全
论文概述：相位恢复旨在仅利用幅度测量重建原始图像，是计算成像中的重要逆问题。由于缺失相位信息，重建过程具有非凸性，并且对测量噪声敏感。现有深度学习方法多侧重学习从测量到图像的直接映射，对从含噪初始估计逐步恢复清晰图像的过程刻画不足，容易损失结构与细节。针对编码衍射图样测量下的相位恢复问题，研究提出物理感知的端到端生成框架DiffPR，将重建建模为扩散模型的确定性逆向去噪过程。该方法设计时间步感知去噪模块，适应不同扩散时间步的噪声估计需求，并通过生成特征混合增强细节表达；引入数据一致性细化模块，将物理测量约束融入生成过程，校正重建结果与观测之间的偏差；进一步聚合多个时间步的预测，提升结构恢复质量。不同调制掩模、噪声水平与图像分辨率条件下的实验表明，DiffPR在论文评测的编码衍射相位恢复场景中取得了优于所比较先进方法的整体重建表现，并展现出良好的噪声适应能力，为融合生成先验与物理约束的计算成像研究提供了新的方法。
图4 DiffPR整体框架
论文五
论文题目：Content-Adaptive Implicit Neural Representation Network with Wavelet-Mamba for Hyperspectral and Multispectral Image Fusion
发表期刊：IEEE Transactions on Multimedia（TMM，CCF A类），2026
第一作者信息：2024级研究生朱慧敏（指导老师:干红平），目前在VAST实习。
作者单位：博彩网站大全
论文概述：高光谱与多光谱图像融合旨在结合低空间分辨率高光谱图像的光谱信息，以及高空间分辨率多光谱图像的空间细节，获得同时具有高空间分辨率与高光谱分辨率的图像。现有方法对高频纹理的建模仍不充分，且常采用静态特征映射进行重建，难以根据图像内容灵活协调空间细节与光谱信息。为此，研究提出融合小波与Mamba的内容自适应隐式神经表示网络WMIRNet，将空间与频率特征编码同内容条件化的隐式重建相结合。该方法构建双流特征编码模块，一方面借助Mamba捕获长距离空间与光谱依赖，另一方面利用小波分解提取高低频互补信息，增强纹理和边缘表达。在此基础上，自适应隐式融合模块结合多分辨率可学习网格编码、内容条件调制与光谱空间因子分解，根据目标坐标重建高分辨率高光谱图像，并动态平衡光谱基础信息与空间纹理。Pavia Center、Pavia University和DFC2018三个公开数据集上，在4倍、8倍和16倍空间上采样设置下的实验表明，WMIRNet在空间细节恢复与光谱保持方面均取得了良好效果，为多模态遥感图像的高保真融合提供了新的技术路径。
图5 WMIRNet整体架构
五项研究从自适应迭代优化、稀疏专家路由、生成先验与物理约束融合，以及空间光谱联合建模等角度，探索有限观测条件下的图像重建方法，体现了博彩网站大全硕士研究生围绕具体科研问题开展方法创新与实验验证的能力。相关成果也为计算成像与多模态图像处理研究提供了新的参考。
审核：郭培荣
