学术出版物

记录我与AI同行的学术旅程 Tracing my academic journey alongside AI Trazando mi camino académico junto a la inteligencia artificial

19 论文与专著 Papers & manuscripts Artículos y manuscritos
9 中科院一区 论文 CAS Tier 1 journals Revistas CAS Categoría 1
3 国际会议口头报告 论文 Oral talks at global conferences Charlas orales en conferencias globales
5 重点方向：联邦学习 · 零样本 · NeRF · 多模态 · 安全 Focus areas: Federated · Zero-shot · NeRF · Multimodal · Safety Áreas clave: Federado · Zero-shot · NeRF · Multimodal · Seguridad
当前展示 Visible Visibles 0 篇 items trabajos

代表性论文 Highlighted works Trabajos destacados

0
博士论文 PhD thesis Tesis doctoral 2025

Enhanced Privacy and Efficiency in Machine Learning Through Innovative Paradigms

core.ac.uk

F. Wan

围绕隐私强化的机器学习范式，提出跨域协作与效率提升的新框架，为后续联邦学习研究奠定方法论基础。 Synthesizes privacy-enhancing paradigms that enable cross-domain collaboration while boosting training efficiency, forming the methodological bedrock for later federated learning studies. Sintetiza paradigmas que mejoran la privacidad y permiten colaboración entre dominios a la vez que incrementan la eficiencia del entrenamiento, sentando la base metodológica para investigaciones posteriores en aprendizaje federado.

隐私保护 Privacy Privacidad 联邦学习 Federated learning Aprendizaje federado 方法论 Methodology Metodología
期刊 Journal Revista 2024

Sentinel-Guided Zero-Shot Learning: A Collaborative Paradigm without Real Data Exposure

IEEE Transactions on Circuits and Systems for Video Technology · 2024

F. Wan, X. Miao, H. Duan, J. Deng, R. Gao, Y. Long

引入“哨兵”协同体，在不暴露原始数据的前提下实现可靠的零样本识别，平衡隐私与泛化性能。 Introduces sentinel agents that coordinate zero-shot learning without revealing raw data, striking a balance between privacy safeguards and generalization quality. Introduce agentes centinela que coordinan el aprendizaje zero-shot sin exponer datos crudos, equilibrando la protección de la privacidad con la capacidad de generalización.

中科院一区 CAS Tier 1 CAS Categoría 1
联邦学习 Federated learning Aprendizaje federado 隐私保护 Privacy Privacidad 零样本 Zero-shot Zero-shot
期刊 Journal Revista 2026

AdaGA-NeRF for Sparse-View Synthesis

IEEE Transactions on Multimedia · 2026

F. Wan, Z. Jiang, Y. Li, X. Miao, X. Qiu, T. Zhang, Y. Long

提出无需外部先验的自适应几何感知 NeRF，通过不确定性驱动的场景表示、深度一致性约束与分层细节增强改善稀疏视角重建。 Introduces a self-contained geometry-aware NeRF that combines uncertainty-driven supervision, depth-consistent regularization and hierarchical detail refinement for sparse-view synthesis. Propone un NeRF geométrico y autosuficiente que combina supervisión guiada por incertidumbre, regularización de profundidad y refinamiento jerárquico para síntesis con vistas escasas.

中科院一区 CAS Tier 1 CAS Categoría 1
NeRF NeRF NeRF 三维重建 3D reconstruction Reconstrucción 3D 自适应建模 Adaptive modeling Modelado adaptable
DOI
期刊 Journal Revista 2025

Asynchronous Personalized Federated Learning through Global Memorization

Knowledge-Based Systems · 2025

F. Wan, Y. Li, X. Qiu, R. Sun, L. Zhang, X. Miao, T. Zhang, H. Duan, Y. Long

构建全局记忆模块，应对异步设备和个性化需求的双重挑战，显著减轻概念漂移。 Builds a global memorization module that mitigates concept drift when devices join asynchronously, delivering stronger personalization under real-world latency. Propone un módulo de memoria global que reduce la deriva de concepto cuando los dispositivos participan de forma asíncrona, ofreciendo mejor personalización bajo latencia real.

中科院一区 CAS Tier 1 CAS Categoría 1 审稿中 Under review En revisión
联邦学习 Federated learning Aprendizaje federado 个性化 Personalization Personalización 异步系统 Asynchronous systems Sistemas asincrónicos
会议 Conference Conferencia 2023

Community-Aware Federated Video Summarization

IEEE International Joint Conference on Neural Networks (IJCNN) · 2023

F. Wan, J. Wang, H. Duan, Y. Song, M. Pagnucco, Y. Long

面向跨组织视频数据构建社区感知的联邦摘要模型，实现隐私友好的多场景剪辑。 Designs a community-aware federated summarizer that learns from video silos without sharing raw footage, enabling privacy-aware highlight creation. Diseña un resumidor federado consciente de la comunidad que aprende de silos de video sin compartir material crudo, generando resúmenes respetuosos con la privacidad.

CCF C / CORE A CCF C / CORE A CCF C / CORE A 口头报告 Oral Presentación oral
联邦学习 Federated learning Aprendizaje federado 视频摘要 Video summarization Resumen de video 多媒体 Multimedia Multimedia
会议 Conference Conferencia 2023

Privacy-Enhanced Zero-Shot Learning via Data-Free Knowledge Transfer

IEEE International Conference on Multimedia and Expo (ICME) · 2023

R. Gao*, F. Wan*, D. Organisciak, J. Pu, H. Duan, P. Zhang, X. Hou, Y. Long

构建数据自由的知识蒸馏流程，打破零样本学习对真实样本的依赖。 Delivers a data-free distillation routine that removes the need for raw samples in zero-shot transfer, maintaining accuracy under strict privacy. Propone una destilación sin datos que elimina la necesidad de muestras reales en transferencia zero-shot, manteniendo la precisión bajo fuertes requisitos de privacidad.

CCF B / CORE B CCF B / CORE B CCF B / CORE B 口头报告 Oral Presentación oral 共同一作 Co-first authors Autores principales
隐私保护 Privacy Privacidad 零样本 Zero-shot Zero-shot 知识蒸馏 Knowledge distillation Destilación de conocimiento
会议 Conference Conferencia 2024

Sid-NeRF: Few-Shot NeRF Based on Scene Information Distribution

IEEE International Conference on Multimedia and Expo (ICME) · 2024

Y. Li*, F. Wan*, Y. Long

通过场景信息分布自适应调度射线采样，将少样本 NeRF 推向真实场景应用。 Leverages scene information distribution to adapt sampling for few-shot NeRF, moving sparse capture toward practical deployment. Aprovecha la distribución de información de la escena para adaptar el muestreo en NeRF de pocas muestras, acercándolo a despliegues prácticos.

CCF B / CORE B CCF B / CORE B CCF B / CORE B 口头报告 Oral Presentación oral 共同一作 Co-first authors Autores principales
NeRF NeRF NeRF 三维重建 3D reconstruction Reconstrucción 3D 少样本 Few-shot Few-shot
期刊 Journal Revista 2026

A²D²C: Adaptive Attention-Driven Dynamic Convolution for Local Feature Adaptation

Pattern Recognition

T. Zhang*, F. Wan*, X. Miao, J. Deng, X. Xie, Y. Long

面向局部特征自适应设计注意力驱动的动态卷积，并以轻量化 A²D²C+ 减少冗余计算，在分类与检测任务上兼顾精度和效率。 Adapts dynamic convolution to local image features and introduces the efficient A²D²C+ variant, improving accuracy while reducing redundant computation. Adapta la convolución dinámica a características locales e introduce la variante eficiente A²D²C+, mejorando la precisión con menos cálculo redundante.

中科院一区 CAS Tier 1 CAS Categoría 1 共同一作 Co-first author Coautor principal
动态卷积 Dynamic convolution Convolución dinámica 注意力机制 Attention Atención 模型优化 Model optimization Optimización de modelos
DOI
会议 Conference Conferencia 2024

Dynamic Convolution and Graph-Coupled Attention for Cross-Subject EEG-Vision Decoding

British Machine Vision Conference (BMVC)

T. Zhang, F. Wan†, K. Sun, X. Miao, Y. Sun, M. Shao, Y. Long†

结合动态图卷积与图注意力，实现跨受试者的 EEG-视觉语义解码，提升脑机接口可迁移性。 Combines adaptive dynamic convolution with graph-coupled attention to decode visual semantics across EEG subjects, improving BCI transferability. Combina convolución dinámica adaptable con atención acoplada a grafos para decodificar semántica visual entre sujetos EEG, mejorando la transferibilidad BCI.

CCF C / CORE A CCF C / CORE A CCF C / CORE A 共同通讯 Co-corresponding Co-corresponsal
脑机接口 Brain-computer interface Interfaz cerebro-computadora 多模态 Multimodal Multimodal 注意力机制 Attention Atención

更多出版物 More publications Más publicaciones

0
期刊 Journal Revista 2026

ConRF: Zero-shot Stylization of 3D Scenes with Conditioned Radiation Fields

Pattern Recognition

X. Miao, Y. Bai, H. Duan, F. Wan, Y. Huang, Y. Long, Y. Zheng

利用条件辐射场实现零样本三维场景风格化，并支持文本或图像条件下的全局与局部风格控制。 Uses conditioned radiation fields for zero-shot 3D scene stylization with text- or image-guided global and local style control. Usa campos de radiación condicionados para estilizar escenas 3D en modo zero-shot con control global y local guiado por texto o imagen.

中科院一区 CAS Tier 1 CAS Categoría 1 CCF B
NeRF 风格化 Stylization Estilización 生成建模 Generative modeling Modelado generativo
DOI
期刊 Journal Revista 2026

Federated Learning with Prototype-Based Adaptive Domain Adjustment

Neurocomputing

L. Zhang, F. Wan, Y. Long

面向跨域且客户端数量不均衡的联邦学习，将原型聚合与模型聚合解耦，以自适应权重兼顾域覆盖与训练稳定性。 Decouples prototype and model aggregation, learning adaptive weights that balance domain coverage with optimization stability under domain-imbalanced federated learning. Separa la agregación de prototipos y modelos, aprendiendo pesos adaptativos que equilibran la cobertura de dominios y la estabilidad ante heterogeneidad.

中科院二区 CAS Tier 2 CAS Categoría 2 CCF C
联邦学习 Federated learning Aprendizaje federado 域偏移 Domain shift Cambio de dominio 原型学习 Prototype learning Aprendizaje por prototipos
DOI
会议论文 Conference Conferencia 2026

Sample Learning State Guided Dynamic SFT–RL Integration Post-training

Findings of EMNLP 2026

Z. Yang, Y. Liu, Z. Li, W. Gao, B. Li, H. Sun, C. Yuan, F. Wan, C. Wu, X. Wang

依据样本掌握度与探索轨迹分散度动态平衡监督微调和强化学习，在提升数学推理能力的同时抑制奖励黑客问题。 Dynamically balances SFT and RL using sample mastery and rollout dispersion, improving mathematical reasoning while mitigating reward hacking. Equilibra dinámicamente SFT y RL mediante dominio de muestras y dispersión de trayectorias, mejorando el razonamiento y reduciendo el reward hacking.

Findings CCF B
LLM SFT–RL 后训练 Post-training Posentrenamiento
会议论文 Conference Conferencia 2026

FedPAD: Prototype-Guided Domain Association and Robust Prototype Learning for Heterogeneous Federated Learning

FLINS-ISKE 2026

L. Zhang, F. Wan, Y. Long

利用客户端原型推断域关联并重加权模型聚合，同时结合对比学习与离群样本抑制，提升异构联邦学习的鲁棒性。 Infers domain associations from client prototypes to reweight aggregation, combining contrastive learning with outlier-aware prototype estimation for robust heterogeneous FL. Infiere asociaciones de dominio a partir de prototipos para reponderar la agregación y combina aprendizaje contrastivo con estimación robusta ante valores atípicos.

Springer LNCS FLINS-ISKE 2026
联邦学习 Federated learning Aprendizaje federado 原型学习 Prototype learning Aprendizaje por prototipos 鲁棒学习 Robust learning Aprendizaje robusto
Springer 页面 Springer page Página de Springer
期刊 Journal Revista 2025

D²Fusion: Dual-Domain Fusion with Feature Superposition for Deepfake Detection

Information Fusion · 2025

X. Qiu, X. Miao, F. Wan, H. Duan, T. Shah, V. Ojha, Y. Long, R. Ranjan

构建时域与频域联合的深度伪造检测框架，提升跨数据集的鲁棒性。 Presents a time- and frequency-domain fusion pipeline for deepfake forensics, yielding robust performance across datasets. Propone una canalización de fusión en dominios temporal y frecuencial para la forénsica de deepfakes, ofreciendo robustez entre conjuntos de datos.

中科院一区 CAS Tier 1 CAS Categoría 1
伪造检测 Deepfake forensics Forénsica de deepfakes 多模态 Multimodal Multimodal 特征融合 Feature fusion Fusión de características
期刊 Journal Revista 2025

FMDConv: Fast Multi-Attention Dynamic Convolution via Speed-Accuracy Trade-off

Knowledge-Based Systems · 2025

T. Zhang, F. Wan, H. Duan, K. W. Tong, J. Deng, Y. Long

提出多重注意力驱动的动态卷积，按需裁剪通道开销，实现速度与精度的平衡。 Introduces a multi-attention dynamic convolution that prunes channel cost on demand, balancing throughput and accuracy. Introduce una convolución dinámica con multi-atención que recorta el costo de canales según demanda, equilibrando rendimiento y precisión.

中科院一区 CAS Tier 1 CAS Categoría 1
动态卷积 Dynamic convolution Convolución dinámica 注意力机制 Attention Atención 模型优化 Model optimization Optimización de modelos
期刊 Journal Revista 2024

CTNeRF: Cross-Time Transformer for Dynamic Neural Radiance Field from Monocular Video

Pattern Recognition · 2024

X. Miao, Y. Bai, H. Duan, F. Wan, Y. Huang, Y. Long, Y. Zheng

引入跨时间 Transformer，将单目视频重建为动态辐射场，支持运动场景的高保真渲染。 Employs a cross-time transformer to reconstruct dynamic radiance fields from monocular video, enabling high-fidelity motion rendering. Emplea un transformer cruzado en el tiempo para reconstruir campos de radiancia dinámicos a partir de video monocular, logrando renderizado de alto detalle.

中科院一区 CAS Tier 1 CAS Categoría 1
NeRF NeRF NeRF 视频重建 Video reconstruction Reconstrucción de video Transformer Transformer Transformer
期刊 Journal Revista 2024

DS-Depth: Dynamic and Static Depth Estimation via a Fusion Cost Volume

IEEE Transactions on Circuits and Systems for Video Technology · 2024

X. Miao, Y. Bai, H. Duan, Y. Huang, F. Wan, X. Xu, Y. Long, Y. Zheng

融合动态与静态线索构建代价体，实现复杂场景下的精准深度估计。 Fuses dynamic and static cues inside a cost volume to deliver accurate depth estimation in complex scenes. Fusiona pistas dinámicas y estáticas en un volumen de costo para obtener estimación de profundidad precisa en escenas complejas.

中科院一区 CAS Tier 1 CAS Categoría 1
深度估计 Depth estimation Estimación de profundidad 多视图 Multi-view Multivista 视频理解 Video understanding Comprensión de video
预印本 Preprint Preprint 2022

Absolute Zero-Shot Learning

arXiv:2202.11319

R. Gao*, F. Wan*, D. Organisciak, J. Pu, J. Wang, H. Duan, P. Zhang, X. Hou, Y. Long

探索无样本的知识转移框架，为联邦与隐私场景的零样本学习奠定理论基础。 Explores a data-free transfer framework that grounds zero-shot learning under federated and privacy-aware constraints. Explora un marco de transferencia sin datos que fundamenta el aprendizaje zero-shot en escenarios federados y sensibles a la privacidad.

共同一作 Co-first authors Autores principales
零样本 Zero-shot Zero-shot 隐私保护 Privacy Privacidad 知识迁移 Knowledge transfer Transferencia de conocimiento
预印本 Preprint Preprint 2021

Semi-Supervised Crowd Counting from Unlabeled Data

arXiv:2108.13969

H. Duan*, F. Wan*, R. Sun*, Z. Wang, V. Ojha, Y. Guan, H. P. H. Shum, B. Hu, Y. Long

结合伪标签与密度约束，从海量未标注场景中学习鲁棒的人群计数模型。 Blends pseudo-labeling with density constraints to learn robust crowd counting from largely unlabeled scenes. Combina pseudoetiquetas y restricciones de densidad para aprender conteo de multitudes robusto a partir de escenas mayormente sin etiquetar.

共同一作 Co-first authors Autores principales
人群计数 Crowd counting Conteo de multitudes 半监督 Semi-supervised Semisupervisado 多媒体 Multimedia Multimedia