团队于10月11日召开组会

    10月11日晚，本实验室在艺设楼西213会议室召开新学期组会，团队指导老师周昊、宋奇隆以及团队全部学生参加。

    首先由24级硕士生李佳豪围绕《Large-Vocabulary Segmentation for Medical Images with Text Prompts》（npj Digital Medicine 2025）展开汇报，介绍了基于文本提示的大词汇量医学图像分割方法，重点展示了SAT作为大语言模型代理在医学图像理解中的应用潜力及其在数据集上的性能表现。随后，24级硕士生陈畅围绕《Self-guided Prototype Enhancement Network for Few-shot Medical Image Segmentation》（MICCAI 2025）展开汇报，系统讲解了该模型在医学图像分析中的多水平原型生成机制与查询引导局部原型增强策略，重点阐述了在少样本条件下如何通过自引导方式提升模型的分割性能。25级硕士生王宗静汇报了《Text-driven Multiplanar Visual Interaction for Semi-supervised Medical Image Segmentation》讲解了该模型通过创新性融合文本信息与多平面视觉交互技术，有效地提升半监督场景下分割精度。

        25级硕士生王彬分别围绕《Single Image Dehazing via Multi-scale Convolutional Neural Networks》（ECCV 2016）与《AOD-Net: All-in-One Dehazing Network》（ICCV 2017）两篇论文展开汇报。他首先介绍了MSCNN及其与HED网络结合的多尺度卷积去雾方法，随后讲解了AOD-Net通过轻量级CNN直接生成清晰图像的一体化去雾思路。25级硕士生丁诗琪以《A Unified Variational Model for Single Image Dehazing》为主题，系统汇报了基于统一变分模型的单幅图像去雾方法。她详细阐述了该模型将透射率估计与无雾图像恢复整合为单一优化问题的框架设计，介绍了融合物理模型与Retinex理论的数学转化过程，以及采用分裂Bregman迭代与FFT加速的优化策略。接着，25级硕士生席德智汇报了《Variational Regularized Transmission Refinement for Image Dehazing》（ICIP 2019），讲解了基于变分正则化的透射率优化方法在图像去雾中的应用，展示了该模型在真实雾图与合成数据集上的去雾效果。

    最后，23级本科生李一凡分享了《基于局部线性和系数分片常数的全变差图像去雾算法》，介绍了在YUV亮通道中引入局部邻域窗口系数全变差与无雾图像全变差约束的改进策略，有效抑制了边缘白边伪影与色彩失真问题。

    团队学生汇报期间，两位指导老师对每位同学的汇报内容进行了细致点评，并提出了下一步改进的建议。