IACLAB陈殊杭同学论文被机器视觉领域顶级学术会议ICCV 2025接收

2025年10月19日至23日，IEEE/CVF国际计算机视觉大会（ICCV 2025）在美国夏威夷檀香山成功举办，聚集了全球计算机视觉、人工智能、医学影像和智能科学等领域的专家学者与产业界人士。ICCV（International Conference on Computer Vision）是计算机视觉领域最具影响力的国际顶级会议之一，与CVPR、ECCV并称为计算机视觉三大国际会议，具有重要的学术地位和广泛影响力。2025年，该会议投稿论文数量达到11239篇，最终接收论文约2698篇，接收率约为24.0%，竞争十分激烈。

在这一重要的国际学术舞台上，IAC实验室陈殊杭同学的论文 “SAMora: Enhancing SAM through Hierarchical Self-Supervised Pre-Training for Medical Images” 被 ICCV 2025 接收为 Poster（论文链接：https://arxiv.org/abs/2511.08626，项目链接：https://github.com/ShChen233/SAMora）。会议期间，陈殊杭同学在现场展示了该项研究的最新成果，并围绕医学图像分割、视觉基础模型和自监督学习等前沿问题，与来自世界各地的学者进行了深入交流与讨论。

此项研究面向医学图像分割中标注数据稀缺、模型迁移能力不足以及基础模型在医学场景中适应性有限等关键问题，提出了一种面向医学图像的层次化自监督预训练框架 SAMora。该方法以 Segment Anything Model（SAM）为基础，通过在图像级、区域级和像素级引入多层次自监督学习任务，充分挖掘医学图像中丰富的层次结构信息。该研究成果不仅体现了自监督学习与视觉基础模型在医学影像分析中的巨大应用潜力，也为医学图像分割中的少样本学习、模型高效微调和跨数据集泛化提供了新的思路。通过对未标注医学图像中多尺度、多层次信息的有效利用，SAMora 为构建更加高效、鲁棒和可推广的医学影像智能分析模型提供了有价值的技术路径。