近日，西安交通大学电信学部计算机学院陕西省大数据知识工程实验室曹相湧副教授团队在计算机视觉领域的国际顶级会议CVPR 2025（IEEE国际计算机视觉与模式识别会议）上取得系列重要突破。团队共有3篇学术论文被接收，其中1篇被评选为口头报告（Oral Presentation），接受率约0.7% (96/13008≈0.7%)，并且是今年96篇口头报告中唯一入选的遥感图像处理工作。同时，团队还在CVPR 2025举办的两项国际顶级挑战赛中表现优异，分别夺得“第四届反无人机挑战赛”（The 4th Anti-UAV Challenge & Workshop）多目标无人机跟踪赛道冠军和“图像超分挑战赛”（RAW Restoration Challenge-Super Resolution）通用赛道冠军以及高效赛道季军。

据悉，CVPR(IEEE/CVF Conference on Computer Vision and Pattern Recognition)作为中国计算机学会推荐的A类国际顶级会议，在计算机视觉领域具有高度国际影响力，其所收录论文不仅代表该领域最前沿的技术突破，更持续引领学科发展方向。据权威的Google Scholar Citation最新统计，CVPR的H5-index为440，位列全球出版物第二名，仅次于《自然》，位列工程与计算机类出版物第一，位列泛人工智能领域第一。

曹相湧副教授团队此次被接收的3篇论文，聚焦遥感图像处理与分析任务中训练样本缺乏、模型泛化能力不足等关键难题，提出了创新性的解决方案：

a)《无训练的开放词汇遥感图像分割技术》（SegEarth-OV: Towards Training-Free Open-Vocabulary Segmentation for Remote Sensing Images）（口头报告）：该研究针对遥感图像开放词汇语义分割（OVSS）的挑战，提出了首个的无需训练的解决方案SegEarth-OV。这项工作显著降低了遥感图像语义分割任务对大规模人工标注数据的依赖，通过新颖的特征上采样和偏差缓解机制，在多样化的遥感场景下均能实现高质量的分割效果，为遥感图像的智能化解译提供了更高效、更灵活的技术路径。

b)《面向遥感目标检测任务的扩散生成式大模型》（AeroGen: Enhancing Remote Sensing Object Detection with Diffusion-Driven Data Generation）：面对遥感图像目标检测（RSIOD）领域高质量标注数据稀缺的瓶颈，该论文提出了一种名为AeroGen的布局可控扩散生成式大模型。该成果首次实现了对遥感图像中水平和旋转包围框目标的同时可控生成，能够按需合成高保真度的训练数据，有效提升了下游检测模型性能，尤其对提升稀有类别检测精度具有重要意义，为解决目标检测任务小样本提供了新思路。

c) 《面向卫星图像的道路图提取：一个全球规模的数据集和一种新方法》（Towards Satellite Image Road Graph Extraction: A Global-Scale Dataset and A Novel Method）：为攻克卫星图像道路图谱提取的难题，团队精心构建了一个全球尺度卫星图像道路图提取数据集Global-Scale，其规模约为现有最大公开数据集的20倍，覆盖全球超过13,800平方公里。基于此，团队进一步提出了新颖的道路图谱提取模型SAM-Road++。该模型有效解决了现有方法在复杂场景下的局限性，显著提升了道路图谱提取的准确性和鲁棒性，为智能交通、城市规划等应用提供了关键技术支撑。

在同期举办的CVPR 2025国际挑战赛中，曹相湧副教授团队凭借深厚的技术积累和出色的算法设计，再创佳绩：

在“第四届反无人机挑战赛”多目标无人机跟踪赛道中，团队以其提出的“Dist-Tracker”方案荣获国际冠军。该赛事旨在推动无人机防御技术的发展，团队的获胜方案在复杂红外场景下对多目标无人机集群实现了高效、鲁棒的跟踪，为低空安全防卫领域提供了重要的技术储备和解决方案。

在“图像超分挑战赛”通用赛道和高效赛道中，团队所提“SMFFRaw”方案夺得通用赛道冠军和高效赛道季军。该赛道聚焦于提升真实世界RAW格式图像的质量，团队的冠军方案在保证图像细节恢复和视觉效果的同时，兼顾了算法的效率和实用性，为推动图像处理技术在移动设备、专业摄影等领域的应用做出了积极贡献。

曹相湧副教授团队长期深耕遥感图像智能解译、底层图像处理、生成式大模型等基础研究方向，致力于推动人工智能技术在星/机载遥感图像解译、智慧城市、低空经济等领域的创新应用。此次在CVPR 2025上取得的系列突破性成果，彰显了西安交大在人工智能与遥感领域的雄厚科研实力和人才培养成效，也为相关领域的学术发展和技术进步贡献了力量。这些成绩的取得是团队师生不懈努力、勇于探索的结果，也是学校及学院对前沿交叉学科研究持续支持的体现。