2025年9月26日晚19時，k8凯发国际與人工智能學院第六十一期研究生學術論壇在崇真樓南樓A4030成功舉辦。本次論壇由2023級研究生王欣、張仕林、2024級研究生楊明偉、2025級研究生伍薇主講，k8凯发国际與人工智能學院研究生會學術部主辦，學院李嫵舟老師出席了該論壇。

王欣同學分享的主題為「Source-Free Cross-modality Medical Image Synthesis with Diffusion Priors」。跨模態醫學圖像合成對於綜合診斷至關重要，但現有方法受限於對源域數據的依賴。在真正無源的環境中生成高保真圖像仍然是一個重大挑戰。為分析決這個問題，他們提出了擴散先驗合成與優化（DPSO），這是一個用於跨模態醫學圖像合成的新穎無源擴散框架。與依賴配對或非配對源-目標數據的先前方法不同，DPSO僅使用目標域數據進行操作。它採用解耦架構，其中通用擴散模型第一时间執行源編碼以創建獨立於任何源數據的潛在表示。然後，該表示顺利获得PF-ODE求解器解碼到目標模態並進一步優化，兩個步驟完全由目標特定先驗指導。在IXI和SynthRAD2023上的實驗表明，DPSO在不需要任何源圖像的情況下實現了強勁性能，為無源醫學圖像合成给予了靈活且可擴展的解決方案。

張仕林同學分享的主題為「DeFinder: Error-sensitive testing of deep neural networks via vulnerability interpretation」。深度神經網絡測試顺利获得對抗性測試用例評估神經網絡的脆弱性。開發人員對種子輸入實施微小擾動來生成測試用例，這些測試用例由精心設計的測試標準指導。然而，當前基於覆蓋率的測試方法依賴於覆蓋模型狀態，而不是分析種子輸入對誘發錯誤行為的影響。在本文中，他們提出了一種名為DeFinder的新型深度神經網絡測試方法，該方法顺利获得為神經網絡實施可解釋框架來建立模型脆弱性與種子輸入之間的關聯，從而生成錯誤敏感測試。顺利获得系統分析種子輸入中的脆弱區域，DeFinder顯著提高了測試套件最大化測試覆蓋率和暴露錯誤的能力。

楊明偉同學分享的主題為「DressCode: Autoregressively Sewing and Generating Garments from Text Guidance」。服裝在人類外觀中的關鍵作用凸顯了服裝數碼化對數字人創建的重要性。雖然3D內容創建的進展至關重要，但文本引導的服裝生成仍處於起步階段。他們提出了DressCode，這是一個文本驅動的3D服裝生成框架，可以賦能新手設計師，在時裝設計等領域具有巨大潛力。它第一时间使用SewingGPT（基於GPT的架構，具有交叉注意力和文本條件嵌入）生成縫製圖案，然後定製穩定擴散來生成PBR紋理。支持CG友好服裝的自然語言交互，有助於圖案完成和紋理編輯。評估顯示出卓越的質量和提示對齊效果，用戶研究證實了其渲染質量和實用價值。

伍薇同學分享的主題為「多模態知識圖譜中的跨模態語義對齊方法探析」。多模態知識圖譜旨在融合文本、圖像等多源異構數據，構建機器認知世界的基礎設施，其核心挑戰在於跨模態語義對齊。她的匯報聚焦於此，探析如何彌合模態間的"語義鴻溝"。重點剖析基於對比學習（如CLIP）與結合圖結構的兩類主流對齊方法，並展望其在提升機器深度理解與推理能力方面的應用前景與未來挑戰。