近日，实验室2022级硕士生陈露一篇论文“Hypergraph-guided Intra- and Inter-category Relation Modeling for Fine-grained Visual Recognition”（作者：陈露，王强昌，李兆慧，尹义龙）被CCF A类会议ACM-MM录用。ACM MM是新媒体领域的顶级会议，属于CCF A类会议。

细粒度视觉识别 (FGVR) 旨在区分相似子类别中的对象。人类通过利用类别内的独特性和类别间的相似性，熟练地完成这一具有挑战性的任务。然而，以前的方法未能结合这两个互补的维度，并挖掘各种语义特征之间的内在关系。为了解决这些限制， HI2R提出一种超图引导的类别内和类别间关系建模方法，它同时提取类别内结构信息和类别间关系，以便进行更精确的推理。具体来说，利用超图引导的结构学习 (HSL) 模块，使用超图来捕获高阶结构关系，超越了传统的基于图的、仅限于成对链接的方法。这一进步使模型能够适应显著的类别内变化。此外，提出了一个类别间关系感知 (IRP) 模块，通过提取和分析类别间的语义关系来提高跨类别的特征区分能力。其目标是缓解与完全依赖类别内判别特征相关的鲁棒性问题。最后，引入了随机语义一致性 (RSC) 损失，以将模型的注意力引导到通常被忽视但独特的区域，间接增强了 HSL 和 IRP 模块的表示能力。定性和定量结果都证明了 HI2R 的有效性和实用性。