近日，我校本科生一作论文被人工智能与计算机视觉领域国际顶级会议CVPR 2024录用。论文题为《Puff-Net: Efficient Style Transfer with Pure Content and Style Feature Fusion Network》，第一作者为我校计算机学院人工智能创新班三年级本科生郑思哲，指导教师为高攀副教授和秦杰教授。

该论文针对现有图像风格迁移模型无法兼顾输出图像质量和迁移效率的难点，提出了一种轻量级的图像风格迁移模型。该方法设计了两类特征提取器，为模型主体提供更为精确的特征输入，并巧妙地省略了一般Transformer架构中的解码器模块，仅通过编码器即可获得输出图像的有效编码，在测试时进行高效解码就可获得高质量的目标风格图像。该方法将卷积神经网络和Transformer有机结合，在保证输出图像质量的情况下，尽可能地降低计算开销。

CVPR（全称IEEE/CVF Conference on Computer Vision and Pattern Recognition）是人工智能与计算机视觉领域最顶级的国际学术会议（CCF A类会议）。CVPR今年共接收有效投稿11523篇。据最新谷歌学术指标统计，CVPR位列总榜第4，前三名分别为Nature、NEJM和Science，在计算机学科排名第1，h5-index为422（过去5年内至少有422篇论文被引用超过422次）。