出访人员名单（含领队）

李阳

出访国家（地区）

美国丹佛

实际

出访时间

2026年6月2日

至2026年6月10日

实际往返路线（相关城市）

福州——上海——洛杉矶——丹佛——洛杉矶——广州——福州

出访任务

参加2026   年 IEEE/CVF 计算机视觉与模式识别会议（The IEEE/CVF   Conference on Computer Vision and Pattern Recognition 2026）并作论文汇报

出

访

成

果

报

告

我有幸参加了 CVPR 2026 学术会议，并在此次盛会上进行了重要的论文汇报。国际计算机视觉与模式识别会议（The IEEE/CVF Conference on Computer Vision and Pattern Recognition，简称 CVPR）由 IEEE 和计算机视觉基金会（CVF）共同主办，是计算机视觉领域最具影响力的国际顶级会议之一，也是中国计算机学会（CCF）推荐的 A 类会议。作为计算机视觉与人工智能领域的重要学术平台，CVPR 吸引了来自世界各地的研究人员展示最新研究成果，并为学术交流与国际合作提供了广阔的平台。

我的论文题目为 《Transform to Transfer:   Boosting Adversarial Attack Transferability on Vision-Language Pre-training   Models》（从变换到迁移:提升视觉-语言预训练模型上的对抗攻击可迁移性）。该工作针对视觉语言预训练模型（Vision-Language Pre-training Models）黑盒攻击场景下对抗样本迁移能力不足的问题，提出了一种新的 Transform to   Transfer Attack（TTA） 方法。该方法设计了可学习的块级变换组合策略，能够针对不同输入动态选择最优变换组合，从而显著增强输入多样性；同时，引入经过变换增强的积分梯度机制，以缓解对源模型梯度信息的过度依赖，提高跨模型迁移能力。大量实验表明，所提出的方法在图文检索、图像描述和视觉定位等多种下游任务上均表现出优异的攻击迁移性能，并在不同视觉语言预训练模型之间取得了优于现有先进方法的效果。

在汇报过程中，我详细介绍了研究背景、方法设计、实验结果以及相关分析，并与现场专家学者围绕多模态模型鲁棒性、对抗样本迁移机制以及视觉语言模型安全性等问题进行了深入交流。与会学者对该工作表现出浓厚兴趣，并提出了许多具有启发性的意见和建议，使我对多模态模型安全研究有了更加深入的认识。

在会议期间，我积极参与了大会的学术报告、专题研讨以及企业展览活动。通过与来自不同国家和地区的研究人员进行交流，我不仅拓宽了学术视野，也进一步了解了计算机视觉、多模态学习以及大模型安全领域的最新研究进展。此外，我还与相关领域专家及同行学者建立了联系，分享了自己的研究成果，并获得了宝贵的反馈与建议。

参加   CVPR 2026 是我学术生涯中的一次重要经历。此次大会不仅为我提供了与国际顶尖学者交流学习的机会，也让我深入了解了计算机视觉和多模态人工智能领域的发展趋势。通过论文展示和学术交流，我向国际学术界展示了自己的研究成果，获得了宝贵的学术启发和研究思路，为今后的科研工作和进一步开展多模态人工智能安全研究奠定了更加坚实的基础。

该团组已进行事后公示，并无异议。　　　　　　　　　　　　        （领队签字）

遵守外事纪律情况（含意见和建议等）：

严格遵守出访纪律。