2025年9月26日晚19时，ok138cn太阳集团529第六十一期研究生学术论坛在崇真楼南楼A4030成功举办。本次论坛由2023级研究生王欣、张仕林、2024级研究生杨明伟、2025级研究生伍薇主讲，ok138cn太阳集团529研究生会学术部主办，学院李妩舟老师出席了该论坛。
王欣同学分享的主题为“Source-Free Cross-modality Medical Image Synthesis with Diffusion Priors”。跨模态医学图像合成对于综合诊断至关重要，但现有方法受限于对源域数据的依赖。在真正无源的环境中生成高保真图像仍然是一个重大挑战。为了解决这个问题，他们提出了扩散先验合成与优化（DPSO），这是一个用于跨模态医学图像合成的新颖无源扩散框架。与依赖配对或非配对源-目标数据的先前方法不同，DPSO仅使用目标域数据进行操作。它采用解耦架构，其中通用扩散模型首先执行源编码以创建独立于任何源数据的潜在表示。然后，该表示通过PF-ODE求解器解码到目标模态并进一步优化，两个步骤完全由目标特定先验指导。在IXI和SynthRAD2023上的实验表明，DPSO在不需要任何源图像的情况下实现了强劲性能，为无源医学图像合成提供了灵活且可扩展的解决方案。
张仕林同学分享的主题为“DeFinder: Error-sensitive testing of deep neural networks via vulnerability interpretation”。深度神经网络测试通过对抗性测试用例评估神经网络的脆弱性。开发人员对种子输入实施微小扰动来生成测试用例，这些测试用例由精心设计的测试标准指导。然而，当前基于覆盖率的测试方法依赖于覆盖模型状态，而不是分析种子输入对诱发错误行为的影响。在本文中，他们提出了一种名为DeFinder的新型深度神经网络测试方法，该方法通过为神经网络实施可解释框架来建立模型脆弱性与种子输入之间的关联，从而生成错误敏感测试。通过系统分析种子输入中的脆弱区域，DeFinder显著提高了测试套件最大化测试覆盖率和暴露错误的能力。
杨明伟同学分享的主题为“DressCode: Autoregressively Sewing and Generating Garments from Text Guidance”。服装在人类外观中的关键作用凸显了服装数字化对数字人创建的重要性。虽然3D内容创建的进展至关重要，但文本引导的服装生成仍处于起步阶段。他们提出了DressCode，这是一个文本驱动的3D服装生成框架，可以赋能新手设计师，在时装设计等领域具有巨大潜力。它首先使用SewingGPT（基于GPT的架构，具有交叉注意力和文本条件嵌入）生成缝制图案，然后定制稳定扩散来生成PBR纹理。支持CG友好服装的自然语言交互，有助于图案完成和纹理编辑。评估显示出卓越的质量和提示对齐效果，用户研究证实了其渲染质量和实用价值。
伍薇同学分享的主题为“多模态知识图谱中的跨模态语义对齐方法探析”。多模态知识图谱旨在融合文本、图像等多源异构数据，构建机器认知世界的基础设施，其核心挑战在于跨模态语义对齐。她的汇报聚焦于此，探析如何弥合模态间的"语义鸿沟"。重点剖析基于对比学习（如CLIP）与结合图结构的两类主流对齐方法，并展望其在提升机器深度理解与推理能力方面的应用前景与未来挑战。
