近日，计算机科学与技术学院2024级硕士研究生王芳艳在导师焦铬教授指导下的研究成果《Iterative Refinement of Semantic and Spatial Representations for Open-Vocabulary Camouflaged Object Segmentation》被European Conference on Computer Vision（ECCV）录用，这是我校首次以第一单位在ECCV上发表论文。

ECCV与CVPR（IEEE Conference on Computer Vision and Pattern Recognition）、ICCV（International Conference on Computer Vision）并称为计算机视觉领域三大顶级会议。也是人工智能领域公认的最高水平学术会议之一，每两年举办一届，代表了该领域全球最前沿的研究水平。ECCV2026将于2026年9月8日至13日在瑞典马尔默举行，共有10,473篇论文进入评审流程，最终2,883篇被接收，录用率为27.5%。

开放词汇伪装目标分割旨在分割图像中未见过类别的伪装目标，并识别其潜在类别。现有两阶段方法通常将类别语义作为一次性先验引入分割过程，缺乏文本语义与视觉空间结构之间的迭代交互，容易导致类别判断不准、目标定位不完整以及语义与掩码不一致等问题。为了解决上述问题，团队提出了一种语义-空间迭代精细化框架ISSR。具体而言，ISSR首先利用SAM2生成的分割掩码，从区域级视觉一致性角度对CLIP候选类别进行重排序，以缓解语义歧义；随后将精细化后的类别语义注入SAM2，引导模型生成更准确、更完整的分割结果。通过类别重排序与分割调制的闭环迭代，ISSR实现了语义表示与空间结构的相互增强。实验结果表明，ISSR显著优于现有开放词汇分割方法和伪装目标分割方法。