近日，多媒体领域国际顶级会议 ACM International Conference on Multimedia（ACM MM 2025）公布了接收结果，实验室两项研究成果入选。这是实验室今年继CVPR、VIS后，高水平研究成果再次被CCF-A类会议接收，也是实验室在ACM MM会议上的首次突破。
成果1：LooBox: Loose-box-supervised 3D Tumor Segmentation with Self-correcting Bidirectional Learning
该成果第一作者是2022级博士研究生兰天中，通讯作者为朱敏教授和徐修远副研究员，章毅教授为共同作者。
临床肿瘤分割往往依赖昂贵的精确标注，松散框虽更高效，却易引入噪声并降低小肿瘤分割精度。针对该问题，该成果提出LooBox框架，引入自校正噪声清理器与双网络一致性约束，有效剔除高噪声像素并实现特征双向传递；配合噪声适配器与跨增强一致性约束，显著提升泛化与抗噪性能。在三大公共肿瘤数据集及真实临床标注下，LooBox在多种噪声水平下均优于8种最新弱监督方法，高噪声下优势更显著，部分性能接近全监督模型，展示了在实际临床应用中的潜力。
成果2：Saliency-Aware Language Guided Network for High-Resolution Salient Object Detection
该成果第一作者是2023级硕士研究生蒋林呈，通讯作者为朱敏教授和程俊龙博士，合作单位是中国电子科技集团公司第二十八研究所。
高分辨率显著目标检测易受复杂场景干扰，纯视觉方法常漏检显著区域且细节缺失。团队构建首个面向该任务的多模态数据集L-HRSOD（18,522对图像-描述），并提出SALNet框架，通过多粒度显著性感知模块利用语言动态调制视觉注意力、修复丢失区域，同时通过动态语言更新策略提升模型的语义区分能力，有效抑制干扰目标。实验表明，SALNet在多个数据集上在定位精度与多目标检测能力方面均显著优于现有方法，验证了语言引导策略的有效性与价值。
恭喜以上各位同学在科研中取得优秀成绩，感谢所有合作者的辛勤付出！
ACM MM是中国计算机学会（CCF）推荐的A类国际学术会议，自1993年首次举办以来，已成为该领域学术界和工业界交流的重要平台。会议本年度共收到来自全球的4711篇有效投稿，最终仅录用1251篇论文，录用率为26.6%，会议将于10月27日至31日在爱尔兰都柏林举行。