本网讯（计算机科学与技术学院 王逍）近日，计算机科学与技术学院江波教授团队在结构模式识别与多模态信息处理研究方面取得新进展。相关成果分别发表在人工智能顶级期刊IEEE Transactions on Pattern Analysis and Machine Intelligence （影响因子：23.6）和International Journal of Computer Vision （影响因子：19.5），安徽大学均为唯一单位。
图1 基于图注意力扩散模型的神经网络框架
在图表示学习方面，针对现有的图注意力网络难以对图结构关系信息进行充分利用等挑战问题，江波教授团队提出了一种新的图注意力扩散模型（GRA）。GRA能够在注意力扩散的过程中保持图的结构化稀疏特性，并进一步通过能量最小化框架实现了对GRA的机理进行理论分析。相关成果在线发表于人工智能领域顶级期刊《IEEE Transactions on Pattern Analysis and Machine Intelligence》。江波教授为论文的第一作者，汤进教授为论文的通讯作者。
图2 交叉扩散注意力模块的架构图
在多模态信息融合方面，该团队利用异质图扩散模型设计了一种新的交叉扩散注意力（CDA）机制，并基于此实现了一种新的多模态融合模型MutualFormer。相比于传统的交叉注意力，该团队提出的CDA模型能够较好地缓解不同模态域差异给多模态信息融合带来的不利影响。相关成果在线发表于人工智能领域顶级期刊《International Journal of Computer Vision》，博士研究生汪茜茜为论文的第一作者，江波教授为论文的通讯作者。