近日，智能信息感知团队和智能信息计算团队的两篇论文被机器学习领域顶级国际会议Neural Information Processing Systems (NeurIPS, CCF-A)录用。NeurIPS是机器学习和计算神经科学领域的学术会议，始创于1987年，固定在每年的12月举行。根据谷歌2024学术指标显示，NeurIPS的H5指数为337，在所有机器学习领域学术期刊/会议中位列第二。
论文《Upping the Game: How 2D U-Net Skip Connections Dominate 3D Segmentation》第一作者为智能信息感知团队的黄星儒特聘研究员，第二作者至第四作者分别为硕士研究生郭益豪、黄健和张天云。该研究主要关注3D CNN架构分割过程中，对于医疗影像这类带时间轴信息数据中固有的不同维度体素的各向异性带来的二维切片平面特征提取和利用不充分的问题。对于3D医疗影像数据，二维切片平面相比于时间序列轴显示出了更为丰富的特征信息，3D CNN架构采用各向同性的三维卷积对体积数据进行特征提取，将同样的特征提取方式应用于物理特性不同的三个正交轴维度信息，这种方式无法理解体积数据中三个正交轴维度上的信息密度差异，难以高效地提取时间轴向特征信息和平面特征信息，限制了3D图像分割精度的进一步提升。为了解决这一问题，研究引入了U形跳跃连接（uC），采用结构简化的2D U-Net代替3D CNN中的标准跳跃连接，在三维卷积提取的空间特征和上下文信息中引入了丰富的二维平面切片特征信息，以增强模型对二维平面切片的特征提取能力。
论文《CURE4Rec: A Benchmark for Recommendation Unlearning with Deeper Influence》由浙江大学、索尼AI和杭州电子科技大学合作完成，通讯作者为智能信息计算团队李宇渊特聘副教授，合著者包括我校颜成钢教授和浙江大学陈超超特聘研究员。该研究主要关注推荐系统中的数据撤回问题。推荐系统在电商服务、社交媒体和文娱广告等场景广泛应用，因此系统中包含大量用户敏感信息。随着社会对隐私问题的日益关注，法规中提出的“被遗忘权”要求个人有权从模型中撤回自己的数据。尽管学术界在推荐遗忘方面取得了一定进展，但缺乏统一的评价框架以及对模型更深层次影响的系统评估。为了解决这一问题，该研究提出了CURE4Rec，一个全面的推荐遗忘评估基准。CURE4Rec涵盖了四个关键方面：遗忘完整性、推荐有效性、遗忘效率和推荐公平性，并选择三种数据进行评估：核心数据、边缘数据和随机数据。通过上述方法，该研究构建了多个数据集，并对现有的推荐遗忘方法进行了广泛的实验，重点评估了遗忘对推荐公平性和数据的鲁棒性的影响。为推动相关研究的发展，相关数据资源已开源：https://oktton.github.io/。
黄星儒，通信工程学院智能信息感知团队特聘研究员，本科毕业于北京邮电大学，博士毕业于英国伦敦玛丽女王大学。研究方向为医疗图像处理、深度学习、计算机视觉、语言大模型等。现为国防大数据专业委员会委员，在MIA，IEEE TMI, Medical Physics, International Journal of Cardiology等期刊上发表SCI检索期刊论文35篇，包含中科院一区期刊7篇，中科院TOP期刊15篇。李宇渊，通信工程学院智能信息计算团队特聘副教授，博士毕业于浙江大学。研究方向为可信人工智能（隐私、安全、公平、攻防）。现为中国通信学会高级会员，在ICML、NeurIPS、CVPR等CCF-A类国际顶级会议和Cell子刊等国际顶级期刊发表论文近20篇。学院智能信息感知团队和智能信息计算团队依托杭州电子科技大学“智能信息处理实验室”(HDU IIPLab)，实验室主任为颜成钢教授。实验室现有在职教师50余名，含5位国家级人才及多位省级人才。现有硕博生200余名，毕业生多就职于阿里巴巴、腾讯、字节跳动、海康威视、华为、网易等国内知名企业。实验室为学校交叉创新团队，拥有自由开放的学术氛围和国际前沿的研究方向。实验室采用与海内外知名高校、研究所（清华大学、北京大学、中国科学院、美国北卡罗来纳大学教堂山分校、澳大利亚悉尼科技大学等）联合培养制，长期致力于智能信息处理方面的研究，主要研究方向包括：机器学习、模式识别、计算机视觉、计算机图形学、医学影像处理、生物信息学等。
