CSIG自然科学奖授予在我国图像图形领域基础研究和应用基础研究中阐明自然现象、特征和规律，做出重大科学发现的个人和团队。

为宣传科技工作者积极进取的工作精神，聚焦获奖团队背后的故事，学会近日对荣获2024年度CSIG自然科学奖一等奖“跨域图像内容生成理论与方法”的项目团队进行了专访，以对话的形式，为读者们提供一次了解他们的机会。

下面就跟着我们的脚步，走近今天的受访团队吧。

问题一：首先非常感谢各位老师接受我们的采访，请先介绍一下团队成员

非常感谢CSIG的邀请与专访！我是项目第一完成人王楠楠。我们的团队是一支具有深厚科研积累和紧密合作关系的团队。项目的第二完成人是我的博士导师--高新波教授，他为我们的研究方向奠定了重要的理论基础和方向。第三完成人张凯兵教授是我的同门，也是高新波老师的博士，目前在西安工程大学工作。第四完成人是朱明瑞副教授是第五完成人李洁教授的博士生。我们的研究团队这种自然形成的团队架构，不仅研究领域高度一致，而且成员间拥有多年的合作基础，在跨域图像内容生成方向上积累了丰富的科研成果与成果转化经验。正是基于这种传承与合作，我们能够在科研道路上不断前行，取得今天的成果。

问题二：了解完了团队内的各位老师，请为大家简单的介绍一下项目的情况： 

跨域图像内容生成的核心科学问题是信息的跨域补全，即通过分析同一目标在源域和目标域中的关联性和互补性，以源域图像为条件生成目标域图像，并要求生成图像保持结构一致性和纹理真实度。现有方法面临缺乏统一理论框架、计算资源消耗大以及对生成图像质量评价不足等挑战，极大限制了跨域图像内容生成的理论发展和应用推广。为了解决这些瓶颈问题，我们经过十余年的研究，构建了系统的跨域图像内容生成理论与方法体系，并提出了基于质量评价反馈的跨域图像内容生成迭代优化机制。主要科学发现包括：提出了轻量化的图像内容生成神经网络，利用多尺度相似性学习和多线性映射显著提升图像清晰度，并设计了提高生成效率的二值量化推理机制；建立了内容生成的贝叶斯深度协同框架，结合双向对称约束和贝叶斯理论提升图像结构一致性和纹理真实度；创新性地提出了基于偏好图像对的图像质量评价理论框架，使得生成图像的评价结果与人类视觉感知一致。该项目的成果得到了国际学术界的高度评价，并在航天、无人机侦察和AI芯片等领域取得了广泛应用。

问题三：请问各位老师在科研过程中，有没有什么好的方法可以推荐给大家？

在科研过程中，我们的经验表明，聚焦核心问题、建立系统框架以及注重实践反馈是推动研究深入发展的关键方法。以我们项目为例，在研究跨域图像内容生成时，我们始终围绕“信息的跨域补全”这一科学本质，通过分析源域与目标域的关联性和互补性，明确了研究的核心目标，从而避免在次要问题上浪费时间。此外，我们注重构建系统性的理论与方法框架，例如提出轻量化神经网络、贝叶斯深度协同框架和感知质量评价新测度。这种系统性思维不仅帮助我们解决了计算资源消耗和生成质量评价不足等瓶颈问题，还使得研究成果更加易于推广和应用。同时，理论与实践的循环优化也是我们非常推荐的方法。在研究中，我们建立了基于质量评价反馈的跨域生成迭代优化机制，通过实验验证结果并不断调整模型，确保研究始终朝着目标前进。这种基于实验反馈的动态调整，不仅提高了研究效率，也显著增强了成果的实用性。最后，团队合作与多学科融合在科研中尤为重要。我们的研究结合了图像处理、机器学习、统计学等多学科知识，并通过与航天、无人机侦察和AI芯片等领域的应用结合，得到了实践的检验和推动。通过这些经验，我们建议大家在科研过程中始终保持问题导向，重视理论与实践的结合，并注重团队的力量和多学科交叉的创新优势。

问题四：在项目的研究过程中有遇到什么困难吗？大家是如何解决的？

我们在项目研究过程中遇到的困难实际上就是跨域图像内容生成所面临的瓶颈难题。例如，理论框架的缺失是我们最初面临的主要问题。跨域图像内容生成涉及多个领域，现有研究没有统一的理论指导。为此，我们从科学本质入手，围绕“信息的跨域补全”这一核心思想，经过多年的探索构建了系统性的理论与方法体系，将看似分散的研究整合成一个有机整体，从根本上解决了理论指导不足的问题。另一个显著的困难是计算资源消耗巨大。现有生成方法普遍需要高昂的计算成本，这限制了它们的实用性。为了解决这一问题，我们深入研究了图像生成过程中的邻域嵌入关系，提出了多尺度相似性学习和多线性映射的方法，在提升生成图像清晰度的同时，设计了阈值自适应调节与近邻感知约束的二值量化推理机制，大幅减少了计算资源的需求，从而显著提高了生成效率。此外，如何有效评价生成图像的质量也是一大难点。传统的图像质量评价方法依赖主观判断，效率低且不稳定。为此，我们揭示了对比优越性在图像质量评价中的作用机理，创新性地提出了基于偏好图像对的质量评价理论框架，降低了对基础主观评价的依赖，并实现了与人类视觉感知高度一致的评价结果。这不仅为我们自身的研究提供了可靠的优化依据，也为该领域其他研究提供了重要的参考工具。通过这些努力，我们不仅克服了理论和技术上的瓶颈，还推动了研究成果的应用落地，例如在无人机侦察和AI芯片领域的成功实践，充分验证了我们方法的有效性和实用性。这些挑战的解决过程也为我们积累了宝贵的经验，进一步增强了团队应对科研难题的能力。

问题五：最后，大家有什么获奖感言想说呢？

非常荣幸能够获得本次CSIG自然科学一等奖。这不仅是对我们项目成果的高度认可，也是对我们团队十余年努力的一种肯定。回顾整个研究过程，我们始终秉持着“以科学本质为导向、以实际需求为驱动”的原则，在跨域图像内容生成这一领域不断探索和创新。从理论框架的构建到核心算法的突破，再到实际应用的落地，每一步都凝聚着团队成员的智慧与辛勤付出。同时，这个成果的取得也离不开各界的支持，无论是学术同行的宝贵建议，还是实际应用领域对我们技术的反馈，都为我们的研究注入了动力。获奖的背后也让我更加认识到科学研究的重要意义，不仅在于技术的突破，更在于推动社会和产业进步的责任。未来，我们会继续努力，不断完善现有成果，拓展更多应用场景，为跨域图像内容生成领域的发展贡献更多力量。最后，再次感谢CSIG、评审专家以及支持我们的同仁。