第九届中国模式识别与计算机视觉学术会议（PRCV 2026）于2026年8月22日至25日在哈尔滨国际会展中心亚冬馆隆重召开。PRCV是国内模式识别和计算机视觉领域顶级学术盛会，也是国际上重要且受到国际学术界认可的会议，进入CCF分区（CCF-C）。本次会议由中国人工智能学会、中国计算机学会、中国自动化学会和中国图象图形学会联合主办，哈尔滨工程大学等承办。PRCV 2026汇聚了10余位院士及1000余名海内外专家学者与企业代表，围绕人工智能、计算机视觉、深度学习、多模态大模型、具身智能等前沿方向开展深度学术交流。

图1 团队参会人员合影

教师刘宝弟，硕士生宋琼、徐乃棋、戴一捷参加此次会议。

硕士生徐乃棋在会议上以口头报告形式展示了题为《Online 3D Segmentation with Task-Guided Temporal Memory》的研究工作。针对在线3D分割中已有方法将视觉基础模型的2D先验作为孤立单帧线索处理、忽视动态场景上下文、导致时序连续性断裂和预测碎片化的问题，该工作提出了一种任务引导的时序记忆方法，通过任务引导记忆库对点云进行动态重组以生成并存储语义支撑特征，并利用记忆-查询交互机制建模历史语义记忆与当前原始超点之间的关联，从而细化碎片化预测并保障分割连续性。在ScanNet200等数据集上，该方法取得了优于现有在线3D分割方法的性能。

图2 硕士生徐乃棋作口头报告

硕士生宋琼展示了题为《SAR-Guided Reconstruction of Cloud-Obscured Multispectral Imagery via Spatial-Frequency Fusion》的研究工作。针对光学遥感影像中云层遮挡导致数据可用性严重下降、现有SAR辅助去云方法存在模态差异引起的频谱失真和纹理伪影等问题，该工作提出了协同空频融合网络S²F²-Net，通过残差空频融合模块捕获频域长程依赖以建立全局一致性，边界自适应差异增强模块显式锐化图像轮廓，以及SAR引导注意力模块生成空间注意力掩码以自适应增强受遮挡区域的结构细节。在SEN12MS-CR基准上，该方法在像素级重建以及下游NDVI恢复和植被分类任务中均取得了最优性能。

图3 硕士生宋琼展示研究成果

硕士生戴一捷展示了题为《MapThinker: Dual-Scale Topological Reasoning for Zero-Shot Vision-and-Language Navigation in Continuous Environments》的研究工作。针对连续环境中零样本视觉语言导航方法难以同时维持细粒度局部对齐和稳定长程规划的问题，该工作提出了MapThinker零样本框架，构建了包含房间级全局图和节点级局部图的双尺度拓扑语义表示，并设计了融合进度估计与失败感知回溯的时空推理策略。在R2R-CE基准上，MapThinker在零样本方法中取得了具有竞争力的性能，缩小了与部分监督方法的差距。

图4 硕士生戴一捷展示研究成果

本科生俞桐展示了题为《Frequency–Intensity Structure Modulation for Benign–Malignant Classification of Full-Field Mammograms》的研究工作。针对全视野乳腺X线摄影中病灶小、对比度低、易被复杂腺体组织遮挡，且通常缺乏病灶级标注等问题，该工作提出了频率-强度结构调制模块FISM，通过频谱通道重校准和结构引导的强度级空间调制，在图像级弱监督下降低病灶相关响应的模糊性。在公开和私有乳腺X线数据集上的实验表明，FISM能够提升良恶性分类性能并生成更聚焦的病灶相关响应。

图5 本科生俞桐展示研究成果

会议期间，团队成员与来自全国高校、科研院所及企业的众多专家学者进行了深入交流，共同探讨了人工智能、计算机视觉、深度学习、多模态大模型等前沿领域的最新研究成果与发展方向，进一步提升了科研视野与创新能力。