时间：2024年  3月12日  下午2:00-5:20

地点：广州大学 (大学城校区) 理科南314

报告1：

报告人：周昊（硕士生）

报告老师：高鹰，方美娥

报告题目：毕业论文进展汇报

在本次组会上，周昊同学汇报了他的毕业设计进展，主要研究方向为高斯喷射的渲染优化。该研究包含三个部分：余弦近似高斯、椭圆近似高斯，以及顺序无关的 alpha 叠加。首先，周昊同学介绍了高斯喷射在渲染中的应用以及现存的渲染优化方法。 接着，他详细阐述了三种高斯喷射渲染优化方法的原理，并对比分析了它们的优缺点。在余弦近似高斯部分，周昊同学首先介绍了高斯函数在渲染中的应用以及现存的渲染优化方法。她指出，高斯函数具有平滑、对称等性质，因此可以很好地模拟光照的衰减效果。然而，高斯函数的计算复杂度较高，在实际渲染中会造成一定的性能瓶颈。为了进一步提高余弦近似高斯方法的精度，周昊同学提出了一种改进方法。该方法利用余弦函数来拟合高斯函数，从而提高拟合精度。实验结果表明，改进方法可以有效降低误差，并获得更好的渲染效果；在椭圆近似高斯部分，周昊同学介绍了如何利用椭圆来近似高斯函数。她指出，椭圆函数具有与高斯函数相似的形状，并且可以通过调整椭圆的长短轴来控制其形状。在顺序无关的 alpha 叠加部分，周昊同学介绍了如何利用 alpha 叠加来提高渲染效率。他指出，alpha 叠加可以将多个高斯函数进行叠加，从而获得更加复杂的光照效果。最后，周昊同学总结了他的研究成果，并提出了未来的研究方向。 他表示，将继续研究高斯喷射的渲染优化方法，并将其应用于实际的渲染场景中。

报告2：

报告人：林惠龙（硕士生）

指导老师：汪洋涛

报告题目：将列表排序集成到成对排序中图像文字检索

在本次的报告中，林惠龙同学首先介绍了他最近的研究工作（列表排序集成到成对排序中图像文字检索），讲述了列表排名是如何作用在传统的成对ITR上并取得一定的效果，通过引入了RSC模块和S-NDCG作为优化目标共同作用在传统的成对ITR上，并进一步验证其的计算消耗是否有增加，在原始的基础上增加了一些训练时候的计算但可以几乎忽略不计，因此将上述的两者作用在传统的成对ITR上取得了不错的结果，他在实验的复现方面还遇到了一些问题有待解决。

报告3：

报告人：任一帆（硕士生）

指导老师：王艳

报告题目：基于图卷积神经网络的推荐系统

在本次的报告中，任一帆同学首先介绍了推荐系统的来源和主流解决方法。针对这些解决方法提出了过平滑的问题。任一帆同学通过设计模型来缓解过平滑问题。首先他提出了AMP-GCN模型，针对具有相同属性的商品把他们分到一个子图里面进行图卷积操场。第二，引入了商品-商品关系的矩阵，把他加入到邻接矩阵中在进行图卷积操作可以得到更好的效果。然后介绍了模型流程图和实验部分。其中实验部分做了对比实验，消融实验，探究超参数等实验。对于实验设计的情况，也简单做了分析，也得到老师的宝贵建议，为后续进一步提高网络模型性能提供了重要的参考价值。