近期，电子科技大学计算机（网安）学院数据智能团队（DIG）科研再获突破，多项研究成果相继被国际权威期刊与会议收录刊发。论文分别发表于计算机视觉顶级期刊IJCV、计算机图形学领域CCF A类会议ACM SIGGRAPH、机器学习领域CCF A类会议ICML、数据挖掘领域CCF A类会议KDD，电子科技大学均为第一完成单位。
图1：《DASR+: Training Domain Distance Aware Network for UnsupervisedImage Super-Resolution》内容示意图
2023级硕士生赵小锐以第一作者在期刊IJCV发表题为《DASR+: Training Domain Distance Aware Network for UnsupervisedImage Super-Resolution》（通讯作者：顾舒航教授）的论文，该文针对合成与真实低分辨率图像间分布差异导致重建性能退化的问题，提出域距离感知超分辨率框架，通过域差异感知训练充分利用源域伪配对数据与目标域非配对真实数据，并结合域距离加权监督策略和域距离自适应网络，将域距离信息融入模型训练与网络结构。实验表明，该方法提升了无监督图像超分辨率的重建质量与视觉真实性。
图2：《GeoQuery: Geometry-Query Diffusion for Sparse-View Reconstruction》内容示意图
2024级博士生曹啸以第一作者在会议ACM SIGGRAPH发表题为《GeoQuery: Geometry-Query Diffusion for Sparse-View Reconstruction》（通讯作者：李文教授）的论文，该文提出GeoQuery，一种面向稀疏视角三维重建的几何引导扩散方法。针对3DGS在少量视角下易产生漂浮伪影、结构错位的问题，方法利用深度与相机位姿建立跨视图几何对应，以可靠参考特征替代受污染查询，并通过局部注意力抑制错误匹配，显著提升渲染修复和新视角合成质量。
图3：《Image Restoration via Diffusion Models with Dynamic Resolution》内容示意图
2025级博士生郑洋以第一作者在会议ICML发表题为《Image Restoration via Diffusion Models with Dynamic Resolution》（通讯作者：刘昭强教授）的论文，该文针对全像素空间扩散复原计算开销大、潜空间方法效率受限于反复变分自编码器编解码的问题，本文提出基于动态分辨率扩散模型的图像修复框架，将现有全像素空间方法DPS与DAPS扩展为SubDPS、SubDAPS，并进一步通过噪声调控、共轭梯度优化与前向校正提出SubDAPS++。实验表明，该方法提升重建质量与推理效率，并降低时间和显存开销。
图4：《Graph Adversarial Defense with Virtual Spectral Anchor Injection》内容示意图
2023级硕士生温翔超以第一作者在会议KDD发表题为《Graph Adversarial Defense with Virtual Spectral Anchor Injection》（通讯作者：刘震副教授）的论文，该文提出锚节点注入增强（ANIE），一种全新的图对抗防御范式。与被动净化或修剪图结构不同，ANIE主动注入虚拟“辅助锚节点”，通过最小化狄利克雷能量稳定图谱流形，增强类别级结构稳定性，引导扰动节点回归正确流形。该框架攻击无关、即插即用，无需修改原图，适用于直推式和归纳式设置。在多个基准数据集上的实验表明，ANIE显著提升GNN鲁棒性，在投毒与逃避攻击下分类准确率最高提升至现有最优防御的2倍。
相关介绍：
计算机（网安）学院数据智能团队（Data Intelligence Group）主要研究领域为机器学习和计算机视觉等。研究团队现有教授5人，副教授1人，助理研究员1人，研究生70余人；设独立机房，配置高性能服务器，拥有GPU显卡200余张。团队近年研究屡获成绩，发表中国科学院一区或CCF A类期刊会议论文100余篇；荣获四川省科学技术进步奖一等奖，吴文俊人工智能科学技术奖-自然科学奖一等奖等；获CVPR NTIRE移动端视频超分辨比赛全球冠军、火箭军主办的“智箭•火眼”人工智能挑战赛有关科目全国冠军等。
团队网站：https://diggers.ai/
