近日，我校计算机与人工智能学院秦琦冰博士带领多媒体内容分析与检索创新团队在多媒体哈希学习领域取得系列重要进展。两项研究成果分别被信息融合领域权威期刊/CAAI-A类期刊《Information Fusion》和国际多媒体领域顶级学术会议/CCF-A类会议ACM MM 2026录用。两项成果围绕复杂多媒体数据的高效表示与跨模态检索展开研究，体现了课题组在多媒体智能分析与检索领域的持续积累和创新能力。

论文一“Deep Augmented Inter-class Hashing for Cross-Modal Retrieval”发表于《Information Fusion》，团队联合培养博士生吴磊为第一作者，秦琦冰博士为通讯作者。该方法对类别判别信息和图像角度、目标朝向、文本句式等共享结构属性进行协同建模，提高哈希表示的紧凑性与判别能力。《Information Fusion》是Elsevier旗下信息融合领域权威期刊，CAAI-A类期刊，主要刊载多源、多传感器、多过程信息融合相关研究成果，是信息融合、多模态学习、人工智能和智能信息处理等方向的重要学术期刊。该期刊最新影响因子为17.4，CiteScore为26.7，具有较高的国际学术影响力。

论文二“Deep Discriminative Global Relevance Hashing for Cross-modal Retrieval”被第34届ACM国际多媒体会议（ACM MM 2026）接收，团队联合硕士研究生程坤为第一作者，秦琦冰博士为通讯作者。该方法通过构建全局相关性传播机制，综合建模跨模态与同模态样本之间的语义联系，优化多媒体数据的语义对齐和结构一致性。ACM MM由美国计算机协会主办，是中国计算机学会推荐的A类国际学术会议，也是国际多媒体领域最具影响力的顶级会议之一。本届会议将于2026年11月10日至14日在巴西里约热内卢举行。

此次系列成果的取得，进一步体现了课题组在多媒体内容理解、高效表示学习和智能信息检索方向的科研实力，也对提升我校在人工智能与多媒体信息处理领域的学术影响力、促进高层次人才培养具有积极意义。

【作者：孙静  审核：王涛       编辑：张灏    责编：蔡月梅    终审：李庆军】