齊魯網(wǎng)·閃電新聞3月2日訊近日，山東工商學(xué)院信息與電子工程學(xué)院郭文教授的論文"Dual-level Adaptation for Multi-Object Tracking: Building Test-Time Calibration from Experience and Intuition"被IEEE/CVF Conference on Computer Vision and Pattern Recognition（CVPR）2026接受，實現(xiàn)了山東工商學(xué)院首次以第一作者單位發(fā)表CVPR論文的重要突破。該論文主要由郭文教授、2024級電子信息研究生趙鵬飛與中國科學(xué)院自動化研究所的高君宇副研究員合作完成，論文作者中還包括內(nèi)蒙古大學(xué)博士研究生王宗萌(我校2025屆碩士畢業(yè)生)。

CVPR（國際計算機視覺與模式識別會議）是計算機視覺領(lǐng)域的頂級國際會議。自1977年首次舉辦以來，已有近五十年的歷史，是該領(lǐng)域最具影響力和權(quán)威性的會議之一。在中國計算機學(xué)會推薦的國際學(xué)術(shù)會議中，CVPR為人工智能領(lǐng)域的CCF A類會議。根據(jù)2025年谷歌學(xué)術(shù)全球最有影響力科學(xué)期刊/會議排名，CVPR位列第二（H5指數(shù)為450），僅次于《Nature》期刊。

該論文為應(yīng)對穩(wěn)定且有效的多目標(biāo)跟蹤測試時校準面臨的巨大挑戰(zhàn)，提出了一種基于經(jīng)驗與直覺的測試時校準框架（Test-time Calibration from Experience and Intuition, TCEI），用于在訓(xùn)練與測試數(shù)據(jù)存在分布偏移時提升模型推理的可靠性與魯棒性。論文聯(lián)合利用由近期觀測目標(biāo)構(gòu)建的瞬時記憶，以及由先前處理過的長期測試視頻累積的歷史經(jīng)驗，為多目標(biāo)跟蹤中的身份關(guān)聯(lián)提供自適應(yīng)指導(dǎo)，有效緩解測試數(shù)據(jù)中外觀變化、運動異常等分布偏移因素帶來的性能退化。實驗結(jié)果表明，所提出方法取得了更優(yōu)的跟蹤性能，并展現(xiàn)出良好的泛化能力。

該論文的發(fā)表，標(biāo)志著山東工商學(xué)院相關(guān)研究工作已經(jīng)躋身計算機視覺與模式識別領(lǐng)域的世界前沿，是我校深入推進有組織科研背景下取得的標(biāo)志性科研成果，為學(xué)校的學(xué)科建設(shè)、人才培養(yǎng)、科學(xué)研究注入了新的動力。（通訊員：魏廣芬、徐遠）