近日，人工智能领域CCF-A类顶级会议IJCAI 2025（International Joint Conference on Artificial Intelligence）在加拿大召开，并于8月29日至8月31日在中国广州同期召开分会会议，学院薛俊鹏课题组针对缺失点云数据智能增补所提出的相关成果“IE-PMMA:Point Cloud Completion Through Inverse Edge-aware Upsampling and Precise Multi-Modal Feature Alignment”被该会议录用，并在大会由论文第一作者硕士研究生贾然进行口头报告。国际人工智能联合会议（IJCAI）从1969年开始举办至今，今年是第34届会议。本届会议共有5404篇稿件进入评审流程，最终录用率为19.3%。

点云补全是3D计算机视觉中的一项关键任务。在其他点云任务中，边界点信息通常会提供积极贡献。本文首次提出了一种在补全任务中利用边界点信息的新型点云补全方法，该方法也改进了多模态数据的精确对齐问题。

图一：IE-PMMA方法流程图

作者在PCN、ShapeNet34/55和KITTI数据集上进行了测试，展示了IE-PMMA在点云补全任务中的优良性能，特别是逆边界感知上采样模块中新颖的逆加权方法，优先考虑点云的全局形状，以防止局部细节过拟合。

图二：IE-PMMA网络在数据集上的增补效果

近年来，学院高度重视研究生的培养质量，一些高质量科研成果正在不断产出。这些成果将为学院学科建设、研究生培养起到重要的支撑作用。