欢迎来到 Delta Lab


Delta Lab隶属于河海大学计算机与软件学院，致力于推进计算机视觉领域的发展。我们的研究集中在几个前沿领域：

  • 计算机视觉: 小样本图像分割，文字检测与识别。
  • 人工智能: 可解释性人工智能，因果分析。
  • 多媒体计算: 医学图像分析，图像加密与超分辨率。
  • 智慧水利: 智能水文过程建模，水文大数据处理与分析。

我们致力于通过理论研究和实际应用推动技术的边界。如果您对计算机视觉及其应用充满热情，我们邀请您加入我们。有关我们研究的更多信息或想要参与其中，请通过以下方式与我们联系：wuyirui@hhu.edu.cn. 我们期待与您合作。

最新新闻

7月 6, 2026 1 分钟阅读时长
实验室巫义锐、袁俐新老师受邀担任 IEEE VCIP Area Chair

祝贺实验室巫义锐老师、袁俐新老师受邀担任 IEEE International Conference on Visual Communications and Image Processing (VCIP) Area Chair。 知乎原文

6月 16, 2026 1 分钟阅读时长
恭喜刘新富博士论文被 Applied Soft Computing 录用

祝贺刘新富博士的论文 Multimedia Teaching Framework based on Cyclic Generative LLMs: Taking Sustainability Learning as an Example 被 Applied Soft Computing 录用。该工作提出了面向可持续发展教育的循环生成式大语言模型教学框架。 知乎原文

6月 11, 2026 1 分钟阅读时长
恭喜毛睿同学获河海大学优秀本科毕业论文

祝贺实验室本科生毛睿同学获得河海大学优秀本科毕业论文。其论文研究聚焦于过程引导的对话导航智能体决策优化。 知乎原文

6月 11, 2026 1 分钟阅读时长
恭喜巫义锐老师获评 SN Computer Science 2026 优秀编辑奖

祝贺巫义锐老师获评 SN Computer Science 2026 优秀编辑奖。 知乎原文

6月 11, 2026 1 分钟阅读时长
巫义锐老师受邀在 ICPR 2026 多模态大模型研讨会作主题报告

巫义锐老师受邀在 ICPR 2026 的多模态大模型研讨会作主题报告。研讨会主题为 Advancing Comprehensive Reasoning in Multimodal Large Language Models。 知乎原文

查看全部文章

最新发表

汪建洲, 巫义锐, 袁俐新, 张文逍, Jun Liu. Beyond Sample-Level Forgetting: Improving Reliability in Multimodal Unlearning. In Proceedings of the 43rd International Conference on Machine Learning (ICML 2026), 2026.
Conference record
巫义锐, 刘新富, 袁俐新, 张文逍, Shivakumara Palaiahnakote. Multimedia Teaching Framework based on Cyclic Generative LLMs: Taking Sustainability Learning as an Example. Applied Soft Computing, 202, Article 115782, 2026.
DOI
袁俐新, Ningyu Du, 巫义锐, Shivakumara Palaiahnakote, Umapada Pal. Representative instance selection strategy for discriminative features. Pattern Recognition Letters, 206, 90-96, 2026.
DOI
夏宇航, 甄诚, 巫义锐, 袁俐新, 张文逍, Jun Liu. Disentangled Knowledge Forgetting in Machine Unlearning. In Proceedings of the 35th International Joint Conference on Artificial Intelligence (IJCAI-ECAI 2026), 2026.
Conference record
巫义锐, Qi Yan, 刘新富, Shaohua Wan, Guohua Lv, Jiehan Zhou, Joel J. P. C. Rodrigues. Edge-Cloud Collaborated Prototype Graph Network for Efficient Few-Shot Object Detection. IEEE Internet of Things Journal, 13(11), 22670-22679, 2026.
DOI
查看全部出版物