近日，课题组在自然图像语义分割、黑盒超参数优化等方面取得新进展，相关研究工作被人工智能领域国际顶级学术会议（AAAI）录用。

相关研究一：针对开放词汇语义分割领域现有前向方法模型存在类别不平衡的问题，提出用使用逆向思维，通过排除不可能的类别来缩小正向方法的选择范围，显著降低了误分类的风险。相关研究论文《Excluding the Impossible for Open Vocabulary Semantic Segmentation》被AAAI 2025录用（赵士远，刘宝弟，白雨，刘伟锋，邵帅）。该工作得到国家自然基金、山东省自然基金等项目的资助。我院硕士研究生赵士远为第一作者，刘宝弟副教授、2018级已毕业博士生邵帅为通讯作者，中国石油大学（华东）为第一署名单位。

图1. 基于排除不可能的开放词汇语义分割流程示意图

相关研究二：针对合成数据语义分割领域存在低质量的合成数据样本的问题，提出了基于CLIP的无需训练的合成数据选择方法，以构建更可靠的合成数据集。相关研究论文《A Training-free Synthetic Data Selection Method for Semantic Segmentation》被AAAI 2025录用（唐浩，俞思悦，庞健，张冰峰）。该工作得到国家自然基金、山东省自然基金、山东省泰山学者青年专家计划等项目的资助。我院硕士研究生唐浩为第一作者，张冰峰副教授为通讯作者，中国石油大学（华东）为第一署名单位。

相关研究三：针对存在树形搜索空间的黑盒超参数优化问题，提出了一种基于自注意力与深度核框架的贝叶斯优化算法，通过transformer将树形搜索空间中各子空间的响应曲面统一进行了建模。相关研究论文《Modeling All Response Surfaces in One for Conditional Search Spaces》被AAAI 2025录用（李家兴，刘巍，薛超，詹忆冰，王晓星，刘伟锋，陶大程）。我院硕士研究生李家兴为第一作者，中国石油大学（华东）为第一署名单位。

图2. 基于CLIP的无需训练的合成数据选择方法流程示意图

图3. 基于自注意力深度核高斯过程的贝叶斯优化算法框架图

AAAI，全称为Association for the Advancement of Artificial Intelligence Conference on Artificial Intelligence，即人工智能促进协会人工智能国际会议，是人工智能领域的顶级学术会议之一。AAAI的学术影响力覆盖广泛，涵盖机器学习、自然语言处理、计算机视觉、多智能体系统、知识图谱等多个研究方向。在各类学术会议的统计排名中，AAAI位居前列。在中国计算机学会（CCF）推荐的国际学术会议中，AAAI 被列为人工智能领域的 A 类会议。