近日，全球计算机视觉领域顶级学术会议——European Conference on Computer Vision (ECCV 2024)在意大利米兰落幕。我校信息工程学院智能媒体处理课题组两篇研究论文在大会发表。

宁纪锋教授课题组的轻量化目标跟踪研究“Exploring the Feature Extraction and Relation Modeling For Light-Weight Transformer Tracking”在会上发表。该研究聚焦轻量级Transformer模型在目标跟踪任务中的特征提取与关系建模问题。提出了一种新的轻量化目标跟踪模型——FERMT（Feature Extraction and Relation Modeling Tracker），通过将传统的注意力机制分解为四个独立子模块，显著提升了视觉跟踪的速度和精度。该模型引入了双重注意力单元（Dual Attention Unit），增强了特征表示能力。实验结果表明，FERMT在GOT-10k数据集上取得了69.6%的平均重叠率（AO），相比当前领先的实时跟踪器在准确率上提升了5.6%，同时在CPU上的跟踪速度提升了54%。

FERMT跟踪模型框架图

唐晶磊副教授课题组的模型压缩研究“Straightforward Layer-wise Pruning for More Efficient Visual Adaptation”在会上发表。该研究专注于模型压缩与高效迁移学习的前沿课题，提出了一种全新的层剪枝方法——SLS（Straightforward Layer-wise Pruning），该方法通过创新的特征评估机制，并结合t-SNE聚类技术，对高效参数迁移模型进行剪枝，有效解决了跨域任务中模型性能与效率之间的平衡问题。实验表明，SLS在保证模型性能的前提下，显著减少了参数存储开销，提升了模型计算效率，尤其在多任务场景中表现突出。

SLS方法示意框架图

ECCV大会作为全球计算机视觉领域的重要平台，吸引了众多国际顶尖学者的参与。我校硕士生韩锐孜和郑继凯代表课题组参会，并在会上展示了课题组的最新研究成果。

ECCV是全球计算机视觉领域的三大顶级学术会议之一，在全球计算机视觉领域有着很强的学术影响力。ECCV大会作为全球计算机视觉领域的重要平台，吸引了众多国际顶尖学者的参与，2024年ECCV论文录用率仅为18%，创下了新低。我校硕士生韩锐孜和郑继凯代表课题组参会，并在会上展示了课题组的最新研究成果，彰显了我校在国际计算机视觉领域的科研实力与学术影响力。