在2025年2月26日至3月5日，我有幸和我们课题组的薛傲如同学一起参加在美国宾夕法尼亚州费城举办的人工智能领域的国际旗舰会议 —— AAAI 2025。这是我第一次出国参加学术会议。在会议期间，我展示了自己的研究成果，主动了解了自己感兴趣的领域的最新进展，和部分优秀的国际同行建立了联系。
我作为共同第一作者在会场上进行海报展示的文章《UniDemoiré: Towards Universal Image Demoiréing with Data Generation and Synthesis》，针对图像去摩尔纹任务中因数据稀缺和多样性不足导致模型泛化能力差的问题，提出了一种通用数据生成与合成的解决方案 UniDemoiré。在 AAAI 会议上，我向同行们详细介绍了整个方案的细节部分。首先，我们构建纯摩尔纹图案数据集，通过多设备、多参数捕获背景无关的摩尔纹图案，避免校准误差并显著提升多样性；其次，我们提出以扩散模型驱动的摩尔纹图案生成方法，利用多尺度裁剪和颜色-锐度筛选策略扩展模式分布，弥补真实数据覆盖不足；最后，我们提出了一个可学习的摩尔纹图像合成框架，结合手工混合规则与色调细化网络（TRN），通过特征统计融合和感知损失优化，减少合成图像与真实场景的色彩亮度差异。实验表明，该方法生成的多样化高保真数据显著提升了去摩尔纹模型的零样本和跨域性能，为解决真实场景中复杂摩尔纹去除提供了新思路。
除了展示自己工作外，我还在会场上主动和我自己感兴趣的领域同行进行交流。在会议期间，我与来自不同研究背景的学者进行了深入的交流和讨论。例如，与 Google DeepMind 团队的 Raghav Gupta 等人探讨了关于多目标偏好对齐的问题，他们的研究《Robust Multi-Objective Preference Alignment with Online DPO》为我提供了新的视角，特别是在如何平衡多个目标和优化策略方面。此外，与清华大学的曲云交流了关于强化学习中奖励分配的问题，他们的研究《Latent Reward: LLM-Empowered Credit Assignment in Episodic Reinforcement Learning》让我在未来的研究中对如何利用潜在奖励函数优化模型训练有了新的思考。
通过这些交流，我不仅拓宽了自己的研究视野，还建立了一些潜在的合作联系，为未来的研究工作打下了良好的基础。
在会议间歇期，我和薛傲如同学一同前往费城的宾夕法尼亚大学进行参观。从会场出发，我们一路漫步，途经了富有历史韵味的博物馆，这些博物馆不仅展示了费城深厚的文化底蕴，还让我们领略到了这座城市独特的艺术魅力。费城作为美国历史的重要见证者，其浓厚的历史氛围在每一个角落都得以体现，无论是古老的建筑还是街头的历史遗迹，都让人感受到岁月的沉淀与魅力。到达宾夕法尼亚大学后，我们被其优美的校园风光和浓厚的学术氛围所吸引。校园内建筑风格古朴典雅，每一处细节都彰显着这所百年学府的底蕴与魅力。此次参观不仅丰富了我们的课余生活，还为我们提供了与不同领域学者和学生交流的机会，进一步拓展了我们的视野和思维方式。
最后，我要衷心感谢我的导师马月昕老师在整个项目中的悉心指导和耐心支持。同时，我也要感谢论文的合作者以及实验室的组员们，你们的协作与帮助让我得以顺利推进研究工作。此外，我还要感谢学校和老师为我提供了这样一个宝贵的平台，让我有机会参与国际学术会议并进行交流。未来，我将继续努力，不断深化我的研究，致力于做出更具影响力的学术成果，为推动学术进步贡献自己的力量。