热烈祝贺周海辰同学与吕亚哲同学的论文被TMM期刊录用！

近日，IDC实验室2022级硕士毕业生周海辰同学与2024级硕士生吕亚哲同学的论文被TMM期刊录用。论文在邹逸雄等老师的指导下完成，论文的题目是Alleviating Regional Shortcuts for Few-Shot Class-Incremental Learning。该论文研究了小样本类增量学习任务中新类别样本容易被误分类为基类的问题。论文发现，现有方法在基类训练过程中往往过度依赖少数最具判别性的局部区域进行分类，导致模型在面对新类别时难以学习具有良好迁移性的表征，从而产生严重的基类偏置现象。针对这一问题，论文从组合学习的视角对模型的空间表征进行分析，进一步从实验和理论两方面揭示了基类训练中普遍存在的区域捷径现象，即模型倾向于仅关注局部判别区域而忽略更具共享性的语义信息。基于这一发现，论文提出一种基于组合学习的表征学习框架，通过同时学习共享原语集与判别原语集，引导模型充分利用具有跨类别迁移能力的共享语义信息，从而有效缓解区域捷径带来的负面影响。实验结果表明，该方法能够显著提升小样本类增量学习任务中的分类性能与模型可解释性，在多个标准基准数据集上取得了优于现有先进方法的性能表现。

论文信息如下：

Haichen Zhou* ,Yazhe Lyu* , Yixiong Zou, Ruixuan Li, Yuhua Li, Alleviating Regional Shortcuts for Few-Shot Class-Incremental Learning, IEEE Transactions on Multimedia (TMM), 2026

IEEE Transactions on Multimedia (TMM) 是多媒体与人工智能领域公认的顶级国际期刊，是中国计算机学会（CCF）推荐的 A 类期刊，在多媒体信息处理、计算机视觉、多模态学习等研究方向的学术评价体系中占据重要地位。

我们对周海辰同学与吕亚哲同学论文的录用表示热烈祝贺！