国际多媒体会议（ACM International Conference on Multimedia，简称ACM MM）由国际计算机协会（ACM）发起，是多媒体处理、分析与计算领域最具影响力的国际顶级会议。该会议被推荐为CCF-A类会议。ACM MM 2024将于2024年10月28日至11月1日在澳大利亚墨尔本举行。

论文介绍

论文题目：Learning Enriched Features via Selective State Spaces Model for Efficient Image Deblurring

论文作者：高虎，马博文，张莹，杨竞帆，杨晶，党德鹏

通讯作者：党德鹏

论文概述：

图像去模糊的目的是从相应的模糊图像恢复出高质量的图像。CNN和Transformer的出现带来了重大研究进展。然而，这些方法往往面临消除长程退化扰动和保持计算效率之间的两难。虽然选择状态空间模型(SSM)在建模具有线性复杂性的长程依赖关系方面表现出了希望，但它也面临着诸如局部像素遗忘和通道冗余等挑战。为解决该问题，本文提出一种高效的图像去模糊网络，利用选择状态空间模型来聚合丰富和准确的特征。具体而言，本文提出了一个聚合局部和全局信息块(ALGBlock)，旨在有效地捕获和集成局部不变属性和非局部信息。该算法由两个主要模块组成:一个用于捕获局部和全局特征的模块(CLGF)和一个特征聚合模块(FA)。CLGF模块由两个分支组成:全局分支通过选择状态空间模型捕获长程依赖特征，而局部分支利用简化的通道注意力建模局部连通性，从而减少局部像素遗忘和通道冗余。此外，设计了一个FA模块，通过在两个分支聚合时重新校准权重来强调局部部分以进行修复。实验结果表明，所提出的方法在广泛使用的基准测试集上优于当前最先进的方法。

在线链接：https://openreview.net/group?id=acmmm.org/ACMMM/2024/Conference#tab-accept-poster

论文介绍

论文题目：Learning Optimal Combination Patterns for Lightweight Stereo Image Super-Resolution

论文作者：高虎，杨晶，张莹，杨竞帆，马博文，党德鹏

通讯作者：党德鹏

论文概述：

立体图像超分辨率(StereoSR)通过利用另一种视角提供的辅助信息来提高超分辨率的质量。目前的方法主要集中在细化模块设计，堆叠海量网络块来提取和整合信息。虽然性能有所提升，但内存和计算成本也在增加。为了解决这个问题，本文提出了一种自主学习网络块最优组合模式的晶格结构，能够高效和精确地获取特征表示，最终实现了轻量化的StereoSR。具体而言，本文从晶格相位均衡器中汲取灵感，设计了晶格立体NAFBlock (LSNB)，通过耦合的蝶形拓扑结构，用重权重块(RWBlock)桥接NAFBlock对。RWBlock通过特征的自适应重加权，使LSNB能够探索成对NAFBlock的各种组合模式。此外，本文提出晶格立体注意力模块(LSAM)，从另一个角度搜索和迁移最相关的特征。由此产生的紧密互连架构，称为LSSR，广泛的实验表明，所提出方法的性能与最先进的方法有竞争力。

在线链接：https://openreview.net/group?id=acmmm.org/ACMMM/2024/Conference