国际人工智能联合会议（International Joint Conference on Artificial Intelligence, IJCAI）是人工智能领域顶级的国际学术会议之一。在中国计算机学会 (CCF) 的国际学术会议排名中，IJCAI被认定为A类会议。从1969年的第一届IJCAI会议至今，已经成功举办了32届，会议最初为两年一届，自2016年起改为每年召开。33届IJCAI会议将于2024年8月3-9日在韩国济州岛举行。

团队成员2022级研究生叶春锦在李景聪副教授的指导下，其研究成果《A Density-driven Iterative Prototype Optimization for Transductive Few-shot Learning》于2024年4月17日被IJCAI 2024会议录用。

该论文的主要贡献：

1. 针对小样本学习，探索了样本密度与样本质量之间的关系，并引入了一种新颖的原型校正视角，即沿着样本密度上升的方向改进原型质量。
2. 提出了一种相似性评估策略，以有效捕捉类内多样性，从而评估已标记样本与未标记样本之间的信息差距。此外，还提出了一种密度驱动策略，以在密度增长的方向上迭代完善原型。
3. 所提出的方法在四个基准数据集（包括mini-ImageNet、tierered-ImageNet、CUB和CIFAR-FS）以及多种实验设置下，可以达到甚至超过最先进水平的性能。

图1 密度驱动策略

图2 t-SNE可视化结果