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自然科学奖二等奖“复杂多视图数据的高效表示与融合方法”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：

本项目团队长期从事机器学习和模式识别领域的研究，特别聚焦于多视图数据聚类理论、方法和应用。项目团队成员情况介绍如下：

唐厂，现为中国地质大学（武汉）计算机学院教授，博士生导师，湖北省“杰青”、“青拔”和“楚天学子”。主要研究领域为机器学习和模式识别，发表学术论文100余篇（包括TPAMI、TKDE、TIP、CVPR、IJCAI、AAAI等），其中ESI高被引论文12篇，ESI热点论文2篇，谷歌学术总引7100余次，获授权中国发明专利20余项。主持国家自然科学基金项目3项，CAAI-华为MindSpore学术奖励基金研究课题以及山东省自然科学基金创新发展联合基金重点项目。担任CCF-NCTCS和CCF-AI专委执行委员，Neural Networks、IEEE Journal of Biomedical and Health Informatics和CAAI Transactions on Intelligence Technology等SCI期刊编委，国际数字图像处理大会ICDIP 2022/2023/2024程序主席。获2024年吴文俊人工智能自然科学奖一等奖（排名第2）、2023年度湖北省自然科学三等奖（排名第1）和ACAIT 2021最佳论文奖。

刘新旺，现为国防科技大学计算机学院教授、博导，国家杰青(2023)、国家优青(2019)获得者，基金委重点项目、科技创新2030重大项目负责人，基金委创新群体A类核心成员，多次获得省部级科研奖励，包括一次获得吴文俊人工智能自然科学一等奖(2024, 排名第1)，两次获湖南省自然科学一等奖 (2014, 2021)等奖项。主要研究方向为机器学习、数据挖掘等。共发表CCF A类期刊/会议论文150余篇, 其中包括IEEE T-PAMI 16篇 (含3篇独立作者), ESI高被引论文16篇, 谷歌学术引用共1.9万余次, 连续3年入选全球2%顶尖科学奖榜单 (2022-2024)。担任IEEE T-NNLS, IEEE T-CYB等国际顶刊AE, 以及ICML, NeurIPS等国际顶会领域主席。

祝恩，现为国防科技大学计算机学院教授，学校人工智能与大数据教学团队首席，博士生导师，湖南省芙蓉学者特聘教授。主要研究领域为机器学习与模式识别，在TPAMI、TKDE、NeurIPS、IJCAI、AAAI等发表学术论文200余篇，ESI高被引论文6篇，谷歌学术总引9800余次，授权中国发明专利5项。承担国家自然科学基金3项、国防科技创新项目2项、国家重点研发计划1项、科技创新2030项目1项。指导省部级优秀学位论文8篇。获2007年全国优秀博士学位论文奖、2014年湖南省自然科学一等奖（排名第2）、2022年湖南省自然科学一等奖（排名第3）、2022年湖南省计算机学会科学技术一等奖（排名第1）、2022年国家级教学成果二等奖（排名第4）。2023年入选高效计算机专业优秀教师奖励计划。2022年、2023年进入Elsevier top2%科学家榜。

胡星辰，现为国防科技大学系统工程学院副教授、硕士生导师，加拿大阿尔伯塔大学博士，主要从事计算智能、数据挖掘、知识表示与处理方面的研究工作，主持国家和省部级项目8项，包括国自科青年、面上项目、军委科技委173项目，作为核心骨干参与军委装备发展部、军委科技委等科研项目，军委重大工程项目等10余项。获得湖南省自然科学基金优秀青年基金、湖南省优秀博士后创新人才项目资助。研究成果以第一或通讯作者在中科院一区TOP等高水平期刊发表论文30余篇，授权国家发明专利10余项。获得中国人工智能学会吴文俊人工智能科技进步一等奖1项，中国指挥与控制学会科技进步一等奖2项，国防科技大学青年创新奖1项。

孙琨，现为中国地质大学（武汉）计算机学院副教授，自然资源部高层次科技创新人才工程入选者（青年科技人才），拉斯维加斯手机娱乐网站 三维视觉专委会 (CSIG-3DV)委员。曾担任第二届、第三届、第四届中国三维视觉大会(China3DV)的宣传主席，第十四届、第十六届数字图像处理国际会议（ICDIP）的程序主席，受邀在第十二届拉斯维加斯手机娱乐网站 （ICIG2023）三维视觉前沿论坛作报告。主要研究三维计算机视觉，发表论文30余篇，谷歌学术引用770余次，获得授权发明专利6项。主持国家自然科学基金面上项目、青年项目各1项。

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： 

近年来，随着大数据技术的快速发展，海量异构多视图数据的分析挖掘成为了一项重要任务。本项目针对海量无标签跨媒体、跨模态以及异构等多视图数据处理过程中的诸多挑战开展研究，取得如下主要科学发现：

①发现了多视图数据不同视图之间的一致性和互补性协同规律，揭示了不同视图之间的耦合机制，提出了共生-隐私策略驱动的多视图柔性融合方法，实现了多视图数据的有效完备表示，解决了多视图数据一致性和互补性难以平衡的难题。

②发现了样本局部关联信息对无监督多视图数据结构信息挖掘的关键作用，提出了嵌入结构保持的高质量深度聚类方法和无参数多核聚类算法，并从理论上证明了无参数多核聚类算法的全局最优解。

③揭示了结构信息对齐优化策略对于提升多视图数据融合的重要意义，提出了特征表示和结构信息挖掘联合优化的快速多视图融合方法，并从理论上证明了优化收敛性，融合效率提升 30%，克服了大规模多视图数据融合效率低的难题。

④发现了多视图数据在特征空间中局部结构保持对于缺失视图恢复的关键作用，提出了结构化理解与缺失视图恢复协同建模和联合优化的新策略，开辟了非完整多视图数据表示与融合的新路径，为多视图数据的实际应用提供了有力的技术支撑。

8篇代表作均发表于图象图形学和人工智能领域重要期刊和会议。谷歌学术总引1235 次，SCI 他引总数为 629 次。2 篇入选 ESI 全球前 1%高被引论文。单篇 SCI 他引最高 299 次。施引者包括 30 余位国内外院士和 IEEE/ACM/AAAI Fellow。

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？

我觉得科研过程中最关键的一点是从问题出发，科研同质化是目前一个比较明显的问题，但真正从问题出发讲故事的工作更能打动人。作为一名科研工作者，我觉得第一个出发点就是要服务于国家战略需求，从国家重大战略需求的角度出发定位自己的研究方向，找准自己的研究问题。另外一个很重要的方面就是基础知识理论的巩固和加强，深度学习兴起之后，我们也要对之前的优化方法和理论体系有深入的了解，加强对数据先验知识的理解以及建模的可解释性。此外，研究过程中一定要围绕问题的本质出发，每一个工作开展之前要认真思考解决的问题是什么？方法的动机是什么？这样才能形成研究的闭环。当然，在诸如DeepSeek等大模型的飞速发展的时代下，我们也要学会利用大模型辅助自己的研究任务。最后，研究的过程贵在坚持，遇到失败和挫折是常有的事情，如何在失败和挫折中达到自我蜕变也是作为科研人员需要具有的一种重要品质。

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？

聚类分析是模式识别与机器学习领域一个非常经典的问题，特别是当今海量多模态、跨媒体数据产生之后，通过人工获取多视图数据的真实标签是一个非常费时费力的过程。

作为无监督跨媒体感知的典型方法，多视图聚类因其将复杂数据化繁为简、化无序为有序的强大能力而被广泛应用于各大领域。虽然得到广泛关注并已有大量研究成果，但是在研究过程中我们发现多视图聚类仍面临数据标注缺失、视图关联复杂、数据视图不全等挑战，大大制约了其应用能力。针对数据标注缺失，我们通过构建无标注下数据内蕴几何流形结构引导的多视图表示学习统一理论，学习原始多视图数据的简约、鲁棒和高判别性统一表示；针对视图关联复杂，我们通过有效地利用不同视图的多样性和一致性之间的耦合机制学习原始多视图数据的统一内在表示，突破了已有方法对多视图关联主观预设的传统范式，增强了多视图数据协同的灵活性；针对数据视图不全，我们设计了多视图聚类与缺失视图恢复统一建模的优化新范式，使得两个过程相互协调趋于最优，突破了传统聚类分析与缺失填充不能相互支撑的瓶颈。

问题五：最后，大家有什么获奖感言想说呢？

首先，感谢拉斯维加斯手机娱乐网站 提供这么宝贵的机会，让我们能展示自己的研究工作。此外，作为学会青工委委员，在学会的培养过程中，自己也得到了很多成长的机会。另外，也感谢项目组每一位成员的辛勤付出，让我们的项目成果能得到专家和学会的认可。最后，也祝学会的各项工作越办越好。