本报综合讯 日前，2023 年 CVPRUG2+和VAND挑战赛结果揭晓，我校人工智能与自动化学院“图像识别与智能 系 统 ”团 队（HUST_VIE）斩 获 了UG2+“单帧图像去雨”赛道全球冠军；VIELab-HUST 团队斩获了 UG2+“大气湍流校正”赛道全球冠军；机械学院“运筹与优化”团队“SegmentAnyAnomaly”（分 割 一 切 异常）获VAND（视觉异常和新颖性检测）全球亚军。
“单帧图像去雨”赛道由加利福尼亚大学洛杉矶分校组织，吸引世界各地275 支队伍参赛。我校 HUST_VIE 参赛队提出一种两阶段渐进式雨天图像增强方法，有机结合模型驱动优化方法与数据驱动学习方法，兼具强表达能力与泛化性，以综合指标最优取得冠军。
“大气湍流校正”赛道由普渡大学智能成像实验室发起，吸引了世界各地40 支队伍参赛，比赛围绕“远距大气湍流扰动下目标识别”主题，设置大气湍流下文字识别和大气湍流下编码靶标识 别 两 个 子 赛 道 。 我 校VIELab-HUST 队伍提出了一种模型与数据联合驱动的大气湍流校正复原框架，先通过多帧配准自适应融合校正图像畸变，进而通过神经网络模型校正图像模糊，从而实现远距湍流图像畸变与模糊退化效应校正，在两个子赛道都取得了冠军。
VAND围绕工业视觉检测的“冷启动”问题，旨在降低视觉异常检测方法对训练数据的依赖，更符合实际工业需求。“运筹与优化”团队提出混合提示正则化方法，使用专家经验、图像内容对视觉语言大模型进行微调，构建了面向工业视觉检测的通用模型。该方法无需任何训练即可用于任意工业产品的视觉检测，有望进一步提升工业视觉检测精度并降低成本，在比赛期间受到了相关领域学者的广泛关注。