計算機學報最新期刊目錄

面向邁創3000異構處理器的多頭注意力機制多重并行優化————作者：路瑤;欒鐘治;李根;齊家興;韓斌;楊海龍;錢德沛;

摘要：針對邁創3000（MT-3000）異構多核處理器在帶寬不足場景下多頭注意力（Multi-Head Attention， MHA）計算效率低的問題，本文提出一套涵蓋算子優化、訪存優化與調度優化的綜合方案，以加速PyTorch框架中的MHA推理。通過融合MT-3000的VLIW指令集、片上存儲層次和DMA傳輸特性，設計了三方面的優化策略：在算子方面，對Linear和Softmax等算子進行內核級優化與...

基于國密SM2支持動態口令恢復的多因素認證方案————作者：汪定;朱留富;

摘要：多因素認證使用兩種及以上認證因素 (如口令、智能卡或生物特征等) 驗證用戶身份，有效緩解了單一認證因素被攻破所帶來的安全風險，增強了身份認證系統的安全性和可靠性，被普遍應用于金融交易、政務建設和軍事國防等關鍵領域。當前廣泛采用的多因素認證方案主要依賴國外密碼算法標準構建，一旦這些已知算法存在潛在缺陷或安全隱患，可能對個人、企業甚至國家信息安全構成重大風險，未能順應國家在網絡安全領域實現技術自主可控...

秩一專家混合用于多任務學習————作者：楊恩能;唐安科;郭貴冰;姜琳穎;孫福輝;王曉燕;沈力;

摘要：多任務學習系統通過促進任務間的知識共享與遷移，能夠同時處理來自不同領域的任務。近年來，基于任務算術的多任務學習方法取得了顯著進展，研究表明，通過在參數層面直接將多個下游任務上獨立微調的專家模型合并到預訓練模型中，可以生成具備解決相應下游任務能力的統一模型，從而為多任務學習提供了一種高效且靈活的解決方案。然而，現有的模型合并方法通常面臨兩個挑戰：一是完全靜態合并的方法由于難以解決任務間的潛在干擾和參...

基于ViT語義指導與結構感知增強的藝術風格遷移————作者：潘書煜;趙征鵬;陽秋霞;普園媛;谷金晶;徐丹;

摘要：藝術風格遷移是計算機視覺領域一個長期的研究熱點，該任務旨在將參考風格圖像的藝術風格遷移到內容圖像中，同時保持內容圖像的語義結構不變。目前基于深度學習的藝術風格遷移方法依然面臨一項主要挑戰：現有方法在遷移過程中無法很好地保持內容域到風格域的語義結構跨域一致性，從而導致風格化結果的內容保真度低、風格化不一致。針對以上問題，本文提出了一種基于ViT(Vision Transformer)語義指導與結構感...

結構與紋理分解的多尺度3D解耦卷積視頻預測————作者：鄭明魁;吳孔賢;邱鑫濤;鄭海峰;趙鐵松;

摘要：視頻預測旨在利用歷史幀預測未來圖像幀，是一項逐像素的密集預測任務。目前的非自回歸模型采用多幀輸入多幀輸出的架構，有效避免了誤差累積。針對現有方法在對視頻數據降維處理時使用跨步卷積進行下采樣而導致局部細節丟失的問題，本文采用了特征域結構與紋理分離學習的思路，去除細節后的低頻結構信息具有更強的時間相關性，有利于局部區域結構像素時空相關性的預測，而高頻細節特征則采用一個獨立的增強模塊進行學習。在此基礎上...

著色（k，l）-中值問題的固定參數近似算法————作者：陳曉紅;張震;徐雪松;陳杰;袁漢春;石峰;

摘要：給定正整數k和非負整數l以及度量空間中的一組設施和著色用戶， 著色（k，l）-中值問題旨在選取不超過k個開設設施、在用戶集合中移除最多l個異常點并為剩余的每個用戶分配一個開設設施， 使得顏色相同的用戶對應不同設施， 且用戶與對應設施之間的距離之和最小。本文利用新的隨機采樣方法確定用來選取開設設施的引導點集合， 并圍繞引導點為問題實例構造小規模候選解集合。本文基于此為著色（k，l）-中值問題提出了時...

基于生物特征識別的隱私保護可驗證聯邦學習————作者：周浩;戴華;楊庚;黃喻先;王周生;

摘要：本文提出了一種基于生物特征的隱私保護可驗證聯邦學習方法（Biometric-based Privacy-Preserving Verifiable Federated Learning，BPPVFL），以解決聯邦學習（Federated Learning， FL）中隱私保護和驗證效率的雙重挑戰。傳統的FL方法，通常不考慮隱私保護，使其易受數據泄露的威脅，而更安全的方法如基于零知識證明或同態哈希的F...

基于動態結構相似度的多源指紋配準方法————作者：王海霞;顏詩琪;于洋;陳朋;梁榮華;張怡龍;劉義鵬;

摘要：指紋作為最普遍的身份標識之一，一般采集自手指表皮。近年來，成像技術的發展成功實現了皮下內部指紋的獲取。通常，外部指紋的圖像質量較高，而內部指紋完整性較好，內外指紋之間具有互補的特性。將外部指紋和內部指紋圖像中的有效信息提取并融合，可以生成信息量更完整、對后續應用更有益的新的指紋表達。由于采集方式的差異，內外指紋之間存在相對畸變，因此，在融合前必須先進行指紋的配準，恢復其在空間上的一致性。然而，內外...

空天地網絡中異構可靠感知的服務功能鏈（SFC）嵌入與重嵌入研究————作者：秦凱鑫;郭松濤;劉貴燕;

摘要：隨著5G、6G的快速發展，在天空地一體化網絡 (Space-air-ground Integrated Network， SAGIN) 中提供可靠服務需要合適的服務功能鏈 (Service Function Chain， SFC) 嵌入方案以保證服務質量。然而，如何在SAGIN 復雜的拓撲結構、有限的基礎設施資源以及異構的硬件和軟件等特征給現有可靠感知的SFC嵌入方案在提供高服務質量時帶來一定挑戰...

融合外部知識與證據的場景圖注意力網絡多模態謠言檢測————作者：黃學堅;馬廷淮;榮歡;王根生;廖國瓊;劉德喜;

摘要：社交媒體上謠言的泛濫對社會造成了嚴重的負面影響。隨著多模態內容在社交媒體中的迅速增長，多模態謠言檢測受到了越來越多的關注。目前，大多數方法主要聚焦于學習各個模態的特征，并通過特征融合實現不同模態信息的互補。然而，這些方法存在兩個關鍵問題：(1)不同特征空間之間的跨模態關聯難以有效捕捉圖文細粒度語義的一致性；(2)單純依賴圖文內容難以識別一些造謠者精心設計的深層語義不匹配的謠言。為此，本文提出了融合...

數字孿生架構下基于GAN增強的多智能體深度強化學習邊緣推理與異構資源協同優化————作者：袁曉銘;田漢森;黃錕達;鄧慶緒;康嘉文;李長樂;段續庭;

摘要：邊緣側大模型應用正成為推動智能健康、智慧城市等領域智能化與數字化進程的關鍵驅動力。然而，大模型海量智能任務異構性和高動態網絡的不可預測性，使得邊緣設備有限的算力資源難以滿足復雜推理任務對高效且可靠服務質量（Quality of Service， QoS）的需求。因此本文提出了一種基于生成對抗網絡（Generative Adversarial Network， GAN）增強的多智能體深度強化學習（M...

知識引導的基于錨圖學習的多視圖聚類方法研究————作者：梁科;馬慧敏;劉溯源;劉新旺;

摘要：傳統的多視圖聚類方法采用相似度矩陣以刻畫樣本之間關聯性，然而樣本間的關系可以天然地用知識圖譜進行描述。但是現有方法既沒有觀察到這一現象，也沒有設計有效的機制對其加以利用，以至于使得方法的性能次優。為了有效地利用這部分信息，本文首次提出了一種知識引導增強的基于錨圖學習的多視圖聚類方法（Knowledge-guided Anchor-graph-based Multi-view Clustering，...

聯邦遺忘學習隱私安全與算法效率研究綜述————作者：唐湘云;王偉;翁彧;沈蒙;張燾;王偉;祝烈煌;

摘要：在數據驅動的人工智能應用迅猛發展的背景下，用戶對其個人數據安全與隱私保護的需求持續提升。聯邦學習作為一種分布式機器學習范式，通過共享模型參數而非原始數據來完成模型訓練，緩解了用戶數據的隱私泄露風險。然而，聯邦學習仍難以滿足用戶從已訓練模型中刪除其個人數據的需求。為此，聯邦遺忘學習被提出，旨在響應用戶發起的數據遺忘請求，以擦除其數據對模型的影響，同時保持模型的有效性。但目前的聯邦遺忘學習技術還存在隱...

多智能體風險決策理論與方法研究綜述————作者：李鵬;陳少飛;易楚舒;李順;興軍亮;陳璟;

摘要：目前，學術界已有眾多關于多智能體決策的研究，形成了一系列理論與方法，能夠有效表達多個決策主體在合作、競爭等環境下的交互關系并求解得到合理的行為策略，在策略游戲、交通控制等諸多方面取得了成功應用。然而，在現實世界中，智能體在決策時可能會面臨環境狀態變化、自身方法誤差等風險因素，使得智能體獲得的損益值往往偏離預期值，而且其他智能體策略帶來的非平穩性、應對風險的不同態度也會給該智能體帶來進一步的決策挑戰...

聯邦學習后門攻擊威脅與對抗性防御方法綜述————作者：呂曉婷;劉敬楷;劉芷辰;陳政;許光全;羅文堅;沈蒙;王濱;紀守領;陳愷;王偉;

摘要：聯邦學習作為一種隱私保護的分布式機器學習范式，允許多個參與方在私有數據不出本地的前提下協同訓練機器學習模型。然而，聯邦學習所面臨的安全威脅日益凸顯。后門攻擊，因其具有隱蔽性強和破壞力大等特點，給聯邦學習后門攻擊的檢測和防御帶來了巨大挑戰，成為亟待解決的關鍵問題。本文全面調研、分析和總結了聯邦學習后門攻擊與防御方法，并展望了未來技術的發展方向。首先，剖析并總結了聯邦學習后門攻擊方法�；�于不同的攻擊目...

基于類別共享與獨有信息雙向融合的多類別姿態估計————作者：陳俊杰;陳衛龍;方玉明;姜文暉;牛力;

摘要：姿態估計旨在定位物體各關鍵點的位置，是一項基本的計算機視覺任務，具有廣泛的應用場景�，F有方法聚焦于估計單一類別物體的姿態（如人體），無法較好地用單個模型為多個類別的物體估計姿態。鑒于分類、檢測、分割等模型都可為多類別預測結果，從單類別拓寬到多類別是姿態估計領域的必然發展趨勢。因此，本文研究多類別姿態估計，其關鍵問題在于如何融合類別之間的共享信息與獨有信息，使得單個模型可較好地兼容多個類別的信息。為...

LION優化器的收斂速度分析————作者：董一鳴;李歡;林宙辰;

摘要：LION（evoLved sIgn mOmeNtum）是Google公司通過啟發式程序搜索的方式發現的優化器，是一種獨特的基于學習的優化算法。LION算法通過在上步動量和本步梯度之間維持兩個不同的插值，并有效結合了解耦的權重衰減技術，實現了超越傳統符號梯度下降類算法的性能。LION算法在許多大規模深度學習問題中展現了較強的優勢，得到了廣泛的應用。然而，盡管已有工作已經證明了LION的收斂性，但尚未...

基于穩定替代損失的可泛化平均精度優化————作者：溫佩松;許倩倩;楊智勇;黃慶明;

摘要：平均精度（Average Precision，AP）由于其對排序性能的全面度量，已經成為多種計算機視覺任務中廣泛使用的驗證指標，包括長尾分類、圖像檢索和目標檢測等。為縮小訓練目標與驗證指標之間的差距，近年研究提出了AP指標的直接優化算法。然而，受限于AP風險的不可分解性，大多數現有的AP優化方法基于不穩定的替代損失，即更改一個樣本可能導致損失估計大幅波動。受該特性影響，期望風險與經驗風險差距可能受...

基于時序感知潛在擴散模型的人體交互動作生成————作者：石旭;孫運蓮;駱巖林;張鴻文;

摘要：近年來，人體動作生成在計算機視覺和計算機圖形學領域受到了廣泛關注。隨著需求的增加，人體交互動作生成逐漸成為一個新的研究熱點。然而，相較于單人動作生成，人體交互動作生成尚處于起步階段，尤其是在生成復雜的交互動作方面。雖然基于文本條件的人體交互動作生成方法在生成符合文本描述的高質量人體交互動作方面已取得一定進展，但現有方法大多在原始動作序列上進行生成模型的學習，導致生成速度較慢。此外，它們普遍沿用對比...

基于孿生網絡和交叉注意力機制的空域和JPEG圖像隱寫分析————作者：張倩倩;李浩;張祎;馬媛媛;羅向陽;

摘要：近年來，深度學習在圖像隱寫分析任務中表現出了優越的性能。然而，此類方法在捕獲圖像中微弱的隱寫噪聲時，往往會因下采樣過程中大量關鍵細節信息的丟失，導致在檢測空域和JPEG隱寫圖像時難以同時實現高檢測準確率。為此，本文基于孿生神經網絡對圖像進行分區域細粒度學習，同時利用交叉注意力機制進一步增強模型全局信息感知能力，提出一種跨通道交叉注意力增強的隱寫分析方法(CES-Net)。首先，采用孿生神經網絡作為...

　　計算機學報來自網友的投稿評論：

• 奔跑的辣椒醬

  7月8日郵件投稿計算機學報，16日回復讓壓縮字數，表格最好轉化成文字重新投過，接著進入審稿階段，修改幾次之后收到錄用通知，錄用后編輯部給回復，說發表在最近一期上，總之回復快，審稿快，值得信賴的刊物。

  2024-08-15 17:24

提交