2026年7月5日至9日，第27届IEEE多媒体与博览会（2026 IEEE International Conference on Multimedia and Expo，ICME 2026）在泰国曼谷召开。ICME是中国计算机学会（CCF）推荐的B类国际学术会议，入选CCF“计算机图形学与多媒体”领域推荐会议目录，是多媒体领域具有重要影响力的国际学术会议。本届会议以“超越感知：自主智能体时代的智能媒体”（Beyond Perception: Intelligent Media in the Age of Autonomous Agents）为主题，设置高水平论文报告、主题报告、专题研讨、展览和教程等多种交流活动，聚焦多媒体技术、系统与应用领域的最新研究成果，为来自全球高校、科研机构和产业界的研究人员提供了交流最新成果、探讨技术发展趋势的平台。

图1 ICME 2026 开幕式

团队论文《Geometry-Aligned Sketch Representation Learning via Line-Jet Masked Autoencoding》被会议录用，博士生王博文参加此次会议，并在会上展示了相关研究成果。

图2 博士生王博文参加会议

图3 博士生王博文展示研究成果

该论文针对现有表征学习方法在处理稀疏且以笔画几何结构为主要语义载体的草图时，容易过度关注纹理和外观信息而忽视笔画结构的问题，提出了一种以重建Line-Jet几何表征作为目标的LJ-MAE模型，其通过梯度幅值、方向编码和曲率描述笔画的显著性、方向及弯曲特征，引导模型更加关注草图中承载语义信息的几何结构。该方法能够直接从栅格草图图像中学习几何对齐的特征表示，无需依赖矢量笔画序列、骨架化处理或图结构构建，提升了模型对不同草图数据采集形式的适用性。

图4 团队录用论文Poster展示

在本次会议期间，王博文介绍了论文的研究背景、方法设计和实验结果，并围绕草图几何表征、自监督学习及其相关应用与参会专家学者进行了学术交流。此外，王博文深入聆听了多场关于多媒体分析与生成、人工智能与机器学习、多模态媒体计算等领域的前沿报告，全面了解了相关领域的最新研究进展，不仅拓宽了科研视野，也进一步明确了草图表征学习、自监督学习和绘画心理分析等方向的后续研究重点与发展趋势。

论文信息：

Bowen Wang, Haoran Yu, Jin Wang, Xiaoming Zhao, and Weifeng Liu*. “Geometry-Aligned Sketch Representation Learning via Line-Jet Masked Autoencoding,” in Proceedings of the 2026 IEEE International Conference on Multimedia and Expo (ICME 2026), to appear, 2026.