新财经综合实验室教师发表IEEE TPAMI论文

近日，西南财经大学新财经综合实验室最新的研究成果“A General Image Fusion Approach Exploiting Gradient Transfer Learning and Fusion Rule Unfolding”被人工智能领域顶级期刊IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI）接收。实验室王武博士为论文第一作者，合作者包括电子科技大学邓良剑教授、本科生曹启以及意大利国家研究委员会研究员Gemine Vivone。

图1 A General Image Fusion Approach Exploiting Gradient Transfer Learning and Fusion Rule Unfolding

该论文提出了一种基于梯度迁移学习和融合规则展开的通用图像融合方法。针对现有深度学习方法难以有效利用跨任务互补信息以及依赖经验网络设计的问题，该方法首先提出一种顺序梯度迁移框架，利用图像梯度有效捕捉不同融合任务间的互补结构细节；同时，将基本的图像融合规则展开并集成到深度平衡模型中，构建了能够统一处理多种融合任务的高效通用网络。在多聚焦、多曝光和红外可见光图像融合任务上，该方法不仅生成具有更丰富结构信息的图像，而且在客观指标上达到高度竞争性能。此外，在未见过的医学图像融合任务上的泛化实验表明，该方法显著优于现有方法。

图2  FRUF 与 EFRUF 图像融合方法整体架构及基本单元示意图

IEEE Transactions on Pattern Analysis and Machine Intelligence主要收录涵盖计算机视觉、模式识别、机器学习等方向的原创性研究成果，在人工智能领域具有极高的学术影响力。该期刊最新影响因子为18.6，是CCF-A类推荐、中科院一区TOP期刊。

新财经综合实验室由西南财经大学和中国农业银行2021年联合成立，刘贵松教授担任实验室主任。实验室聚焦可信人工智能基础理论、财经科技及数字经济深度融合等领域开展有组织科研和人才培养，近三年实验室持续在多个顶会和顶刊发表最新科研成果，包括NeurIPS、ICDE、AAAI、IJCA、IJCV、IEEE TPAMI、IEEE TKDE、IEEE TIP等。团队现有教师16人、本硕博学生和博士后近80人。

实验室网址：https://nicelab.swufe.edu.cn/