近日，永利yl304（网络空间安全学院）彭涛教授团队取得重要科研突破，相关研究论文《Text-Guided Prior Decoupling and Alignment for Few-Shot Surface Defect Segmentation》成功被第34届ACM国际多媒体会议（ACM MM 2026，CCF A类）正式接收。该论文第一作者为学院2024级硕士研究生朱志伟，张自力老师为论文通讯作者，彭涛教授参与合作研究，论文第一作者单位、通讯作者单位均为永利304官网唯一，充分彰显了我校在人工智能与工业视觉检测领域的扎实科研实力。
工业表面缺陷精准分割是智能制造质量检测的核心关键技术，当前行业普遍面临缺陷样本数量稀缺、人工标注成本高昂、复杂生产背景干扰性强等技术难题。传统少样本缺陷分割方法存在语义引导能力薄弱、细微纹理特征丢失、缺陷边界分割模糊等短板，难以满足高精度工业质检的实际应用需求。
针对上述行业痛点与技术瓶颈，团队创新提出一种文本引导的先验解耦与对齐网络TDANet。该方法依托视觉语言模型生成高精度缺陷先验掩码，通过前景背景显式解耦、语义细节交叉对齐、空间-频率协同增强三大创新机制，实现对微小缺陷、复杂纹理和不规则边界的精确分割，大幅提升了工业缺陷检测的精准度与适应性。
图 1 TDANet模型框架
研究团队在FSSD-12和Surface Defect-4i两大少样本表面缺陷分割基准数据集上开展多组对比实验。结果显示，在1-shot、5-shot两种少样本测试场景下，TDANet模型性能均显著优于当前主流先进算法。多项消融实验充分验证了模型三大核心模块的有效性与协同适配性，该方法在复杂背景抑制、微小缺陷定位、精细化边界刻画等方面具备突出优势，拥有更强的鲁棒性与泛化能力，可更好适配复杂工业生产场景的质检需求。
图 2缺陷分割结果对比
ACM MM由国际计算机学会（ACM）主办，是多媒体计算、计算机视觉、人工智能及跨模态学习领域的国际顶级旗舰会议，位列中国计算机学会（CCF）推荐A类会议，在全球相关学术领域具备极高权威性与广泛影响力。会议聚焦多媒体内容分析、智能视觉理解、跨模态交互、智能媒体系统等前沿研究方向，汇聚全球顶尖科研团队与行业专家，是展示人工智能多媒体领域最新科研成果的核心学术平台。本届ACM MM 2026将于2026年11月10日至14日在巴西里约热内卢举办。
近年来，永利yl304持续深耕学科建设与科研创新，坚持推进有组织科研，聚力人工智能等重点研究方向，不断深化国内外学术交流与产学研协同创新。此次成果入选ACM MM顶级会议，是学院研究生培养质量、青年科研力量培育与高水平科研成果产出的重要体现。未来，学院将持续夯实科研根基，聚焦前沿技术与产业需求，持续产出更多高质量、高价值的科研成果，助力学校学科建设与科研创新高质量发展。