近日，实验室2020级博士生黄瑾一篇论文“Focusing on Subtle Differences: A Feature Disentanglement Model for Series Photo Selection”（作者：黄瑾，宫永顺，史洋，张欣欣，张健，尹义龙）被CCF B类、中科院一区Top期刊IEEE Transactions on Multimedia（TMM）录用，影响因子为7.3。TMM是国际计算机图像视频处理领域的权威期刊之一。

在现今时代，捕捉生活中的珍贵瞬间往往意味着需要拍摄大量的照片，这就需要从相似的照片中挑选出最佳照片--这一过程既复杂又耗时。因此，研究者们开发出了系列照片选择（SPS）技术，该技术能够通过评估照片的美学质量，从看似相同的照片中推荐出最佳时刻。然而，由于这些图像间存在着微妙的差异，解决SPS问题的难度相当大。目前的方法主要是依赖从原始图像中提取的多种特征类型，如颜色、布局和通用特征，来识别高质量的照片。但这些方法往往忽视了在特征层面区分通用性和特殊性的重要性。本研究旨在深入检测相似照片之间那些微妙的美学区别，提出了一种特征分离模型，该模型通过编码器精准捕捉与标签相关的所有信息。为了进一步提升模型的性能，所提出的方法引入了信息瓶颈（IB）学习，以获取图像对的非冗余表示，并从这些表示中过滤掉不必要的噪声信息。模型的核心在于采用特征约束，将图像特征精细划分为共享属性和特定属性。信息瓶颈策略不仅增强了图像间的互信息，还引导模型聚焦于单个图像中的有意义信息。因此，模型能够过滤掉单个图像中的无关数据，从而显著增强了相似图像对的表示能力。在Phototriage数据集上进行的大量实验显示，所提出的方法更能凸显出照片间的微妙差异，并取得了卓越的效果。