我有幸参加了ICCV 2025（International Conference of Computer Vision）学术会议，并在此次盛会上进行了一次重要的论文汇报。ICCV 是计算机视觉领域的顶级国际会议，每两年召开一次，吸引了来自世界各地的知名学者、工程师与研究人员。会议涵盖视觉识别、三维理解、生成建模、视觉语言、多模态融合等多个前沿方向，为学术界与产业界提供了一个高水平的交流与合作平台。 我的论文题为《A Tiny Change, A Giant Leap: Long-Tailed Class-Incremental Learning via Geometric Prototype Alignment》（细微变革，巨大飞跃：基于几何原型对齐的长尾类增量学习），聚焦于长尾类增量学习中一个被忽视但关键的问题：当新类别增量加入时，常用的随机或线性初始化会导致分类器权重与特征分布发生几何错配，从而引发有害的梯度竞争并加剧遗忘。为此，论文提出了Geometric Prototype Alignment (GPA)，通过三个步骤实现几何一致的初始化与动态锚定：一是冻结特征提取器下估计类原型；二是用归一化的类原型直接初始化分类器权重；三是在增量训练中加入锚定损失以防止权重漂移。该方法设计简洁、即插即用，可与主流类增量学习框架结合。实验结果表明，GPA在若干长尾增量基准上显著提高了平均精度并降低了遗忘率，同时在可视化分析中表现出更紧凑的类内聚集与更清晰的类间分离。汇报过程中，我详细讲解了论文的研究背景、方法和实验结论，与会者积极讨论了GPA的优势与不足，其简洁而有效的思路受到了会场主席和与会同行的认可。 会议期间，我还积极参加了多场口头报告、专题研讨会和企业展览。通过聆听领域内顶尖研究者的报告，我了解了当前视觉基础模型、增量学习和长尾识别等方向的最新进展。在研讨会交流中，我与多位学者就增量学习与原型学习的研究展开讨论，分享了实验经验和潜在合作设想。在企业展览中，我近距离了解了业界在视觉加速芯片、模型压缩与部署优化方面的最新应用实践，进一步认识到学术研究成果向工业落地的挑战与机遇。 参加 ICCV 2025 对我而言是一次有益且富有成效的学术经历，不仅展示并验证了我们的研究成果，也通过研讨会与企业展览获取了有价值的改进意见与实践视角，拓宽了学术视野并明确了若干后续研究方向。 该团组已进行事后公示。 （领队签字） |
