近日，我校人工智能學(xué)院吳永飛副教授課題組在IEEE/CVF Conference on Computer Vision and Pattern Recognition（CVPR）2025上發(fā)表了題為“Plug-and-Play PPO: An Adaptive Point Prompt Optimizer Making SAM Greater”的學(xué)術(shù)論文。該論文的第一署名單位為太原理工大學(xué)，計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院（大數(shù)據(jù)學(xué)院）的博士生劉雪宇為論文第一作者，人工智能學(xué)院吳永飛副教授為通訊作者。

CVPR是全球人工智能和計(jì)算機(jī)視覺領(lǐng)域的頂級(jí)國(guó)際會(huì)議，素有計(jì)算機(jī)視覺領(lǐng)域“奧斯卡”之稱，并被中國(guó)計(jì)算機(jī)學(xué)會(huì)（CCF）列為A類會(huì)議。根據(jù)2024年谷歌學(xué)術(shù)（Google Scholar）的全球最有影響力科學(xué)期刊/會(huì)議排名，CVPR位列第二，僅次于《自然》期刊。

該研究創(chuàng)新性地提出即插即用雙空間點(diǎn)提示優(yōu)化器（Plug-and-Play PPO），通過深度強(qiáng)化學(xué)習(xí)技術(shù)突破傳統(tǒng)視覺分割模型的性能瓶頸。研究團(tuán)隊(duì)構(gòu)建雙空間異構(gòu)圖架構(gòu)，巧妙融合預(yù)訓(xùn)練模型的特征匹配能力與物理空間距離信息，利用動(dòng)態(tài)策略網(wǎng)絡(luò)實(shí)現(xiàn)提示點(diǎn)的智能優(yōu)化。該方法的革命性在于無需額外訓(xùn)練即可適配各類分割任務(wù)，顯著提升了基礎(chǔ)模型SAM在復(fù)雜場(chǎng)景下的分割精度。吳永飛副教授作為通訊作者表示：“PPO技術(shù)為視覺基礎(chǔ)模型的優(yōu)化提供了新范式，下一步我們將推動(dòng)該技術(shù)在醫(yī)療影像分析、自動(dòng)駕駛等領(lǐng)域的應(yīng)用轉(zhuǎn)化”。

值得關(guān)注的是，此項(xiàng)突破性成果的產(chǎn)出與我校學(xué)科建設(shè)戰(zhàn)略密不可分。2024年8月我校成立人工智能學(xué)院，與計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院（大數(shù)據(jù)學(xué)院）、軟件學(xué)院學(xué)科優(yōu)勢(shì)互補(bǔ)，共建“智能+”交叉學(xué)科創(chuàng)新平臺(tái)。該論文正是三院協(xié)同創(chuàng)新機(jī)制下“工科做強(qiáng)做大”戰(zhàn)略的典型成果，展現(xiàn)了我校在人工智能前沿領(lǐng)域快速提升的科研實(shí)力。