第32届国际多媒体会议 (The 32nd ACM International Conference on Multimedia (ACM MM 2024)) 论文录用结果近日揭晓，IDC实验室2022级硕士生张桢毓同学的两篇论文被大会录用，两篇论文均由邹逸雄、李玉华、李瑞轩老师指导完成。

第一篇论文的题目是Learning Unknowns from Unknowns: Diversified Negative Prototypes Generator for Few-Shot Open-Set Recognition。该项研究发现现有的小样本开放集识别（FSOR）模型，特别是基于未知类表征（负原型）的模型，仅能根据已知类的数据来生成负原型。然而，由于未知空间是无限的，而已知空间是有限的，因此这些方法表示未知空间能力受限。为了解决这一限制，该论文提出了一种新的方法，称为多元化未知原型生成器（DNPG），它采用了“从未知中学习未知”的原则，利用从已知类中学习到的未知空间信息，为新类生成更具代表性的负原型，从而更好地解决小样本开放集识别任务。

该论文信息如下：

Zhenyu Zhang, Guangyao Chen, Yixiong Zou, Yuhua Li, Ruixuan Li. Learning Unknowns from Unknowns: Diversified Negative Prototypes Generator for Few-Shot Open-Set Recognition. The 32nd ACM International Conference on Multimedia (ACM MM 2024), Melbourne, Australia, Oct 28 - Nov 1, 2024.

第二篇论文的题目是MICM: Rethinking Unsupervised Pretraining for Enhanced Few-shot Learning。该论文评估了掩码图像建模（MIM）和对比学习（CL）对小样本学习任务的影响。研究结果突出了MIM和CL各自在判别能力和泛化能力方面的局限性，分别导致了他们在U-FSL语境中的表现不佳。为了解决无监督预训练中泛化性和判别性之间的权衡，该论文引入了一种新的范式，称为掩码图像对比建模（MICM）。MICM创造性地将CL的目标对象学习能力与MIM的广义视觉特征学习能力相结合，显著提高了其在下游小样本学习推理中的有效性。

该论文信息如下：

Zhenyu Zhang, Guangyao Chen, Yixiong Zou, Zhimeng Huang, Yuhua Li, Ruixuan Li. MICM: Rethinking Unsupervised Pretraining for Enhanced Few-shot Learning. The 32nd ACM International Conference on Multimedia (ACM MM 2024), Melbourne, Australia, Oct 28 - Nov 1, 2024.

ACM MM是计算机科学领域中多媒体研究的顶级会议，也是中国计算机学会推荐的A类会议，在计算机科学领域享有很高的学术声誉。

我们对张桢毓同学论文的录用表示热烈祝贺！