近日，我院2023级研究生查全兴（导师柳欣教授）以第一作者身份在国际顶级学术期刊IEEE Transactions on Image Processing（简称TIP）上发表题为《UCPM: Uncertainty-Guided Cross-Modal Retrieval with Partially Mismatched Pairs》的研究论文。这一成果标注着我院在跨模态检索领域的研究取得了重要进展。IEEE TIP是国际电气工程师协会（IEEE）下图像处理领域的顶级期刊，是中科院SCI期刊分区大类分区一区TOP期刊、中国计算机学会CCF推荐的计算机图形学与多媒体领域的三大A类期刊之一，2025年影响因子为10.8。

跨模态检索（如图文互搜）需依赖大量精准对齐的标注数据，但人工标注成本高昂，如何从噪声数据中学习鲁棒的匹配模型已经成为热点的研究话题。现有方法通常将数据简单划分为“干净”和“噪声”两类，但难以应对语义模糊的边界样本。UCPM创新地引入不确定性动态评估机制，通过建模样本潜在语义的置信度，将训练数据细分为“高置信匹配对”、“易识别噪声对”以及“难区分边界对”三个子集，显著提升数据利用效率。该框架将认知科学中的不确定性理论融入跨模态噪声关联学习，攻克了传统二值划分导致的误差累积难题。该研究在三个公开数据集上进行了大量实验，突出了所提出框架的优越性能，并展示了与最国内外先进方法相比的竞争性。

该研究工作中，我校为第一完成单位，我院柳欣教授为通讯作者，我院彭淑娟教授，香港浸会大学张晓明讲席教授，电子科技大学徐行教授以及西安电子科技大学王楠楠教授参与了该研究工作。该研究工作得到了福建省大数据智能与安全重点实验室、计算机视觉与机器学习福建省高校重点实验室、厦门市计算机视觉与模式识别重点实验室的实验设备支持。

在线发表网址：https://ieeexplore.ieee.org/document/11024122

编辑：柳   欣

复审：彭佳林

终审：陈荣美