近日，计算机与人工智能学院教师黄睿指导的2022级硕士研究生陶豪杰在图像处理领域顶级期刊IEEE Transactions on Image Processing（TIP）上发表了题为“C-NERF: Representing Scene Changes asDirectional Consistency Differencee-based NeRF”的学术论文。（论文链接：https://ieeexplore.ieee.org/document/11222889）

变化检测（Change detection, CD）旨在识别场景中发生改变的区域或物体，其在遥感监控以及机器人导航等领域具有多种应用。以往研究主要基于相机在两个时间戳拍摄的空间对齐图像对来检测场景变化。尽管这类二维方法已取得显著进展，但仍存在两个固有局限性，因此亟需开发三维变化检测方法。一是视角单一，存在遮挡盲区：二维变化检测仅能识别单一视角方向下的变化，无法发现因遮挡而隐藏在其他物体后的变化区域；二是缺乏三维信息，应用受限：该类方法无法获取变化物体的三维形状，这极大地限制了其在需要三维信息的场景中的应用潜力。如图1，本文旨在检测由神经辐射场（Neural Radiance Fields, NeRFs）所表示场景中物体变化引发的场景变化。

图1 C-NERF算法整体设计示意图

本研究的主要贡献包括：突破传统二维方法的视角限制，首次将变化检测任务从二维提升到三维，实现“任意视角变化预测”，解决了遮挡导致的变化遗漏问题；发现“真实变化点在不同视角下具有相似变化特征，虚假变化点则无此特性”的规律；基于此提出“方向一致性约束”，能有效识别实例级、细粒度的场景变化，降低误检率；为验证方法的有效性，构建了全新的场景变化检测数据集，涵盖10个场景、多种场景类型及不同的变化物体，并通过与一系列基准方法对比，充分证明C-NERF的优越性。不同变化检测方法在不同场景下的典型细粒度变化检测结果如图2所示。

图2 不同变化检测方法在不同场景下的典型细粒度变化检测结果

IEEE Transactions on Image Processing（TIP）是中国科学院SCI一区期刊，中国计算机学会推荐的计算机图形学与多媒体领域A类期刊。该期刊涵盖了图像处理领域的前沿研究。

此次计算机与人工智能学院硕士生在一区TOP期刊发表突破性成果，既是学院“十四五”期间深耕科研创新的生动注脚，更是对学院“以高水平成果引领学科发展”战略路径的有力验证。近年来，学院通过构建“科研-人才-资源”三位一体激励机制，对发表高水平论文的师生给予学科建设经费倾斜、招生指标优先配置等配套支持，近三年已累计产出60余篇顶级期刊论文，形成“以点带面”的学术辐射效应。面向"十五五"规划新征程，学院将以更开放的姿态融入国家开放创新的洪流中，为培育新质生产力、实现高水平科技自立自强注入澎湃动能，奋力书写新时代人工智能学科发展的华彩篇章。