为深入贯彻党的二十大精神及学校“三个三”发展战略部署，推进人工智能与教育教学深度融合，学校教师教学发展处推出教师数字素养提升系列工作坊。活动聚焦教育教学数字化转型需求，通过学校和各教学单位轮流承办的形式，着力打造智能教育教学创新共同体。第九期活动由基础教学部承办。
5月20日，我院邀请了吉林大学张小利教授对我院教师进行了“AI赋能构建数字模型多模态图像融合及解译” 的教学工作坊，让教师对该领域的研究现状、技术难点及应用前景有了系统性认知。
张小利提到多模态图像融合在医学、遥感、工业等领域的多元应用，如医学图像融合通过结合 MRI 与 SPECT 图像降低误诊率，让我们认识到该技术跨学科的实用价值。然而，技术落地面临诸多挑战，例如医学图像融合中的结构干扰、多焦距图像的焦点误判等问题，凸显了算法优化的必要性。这启示我们在实际工作中需结合具体场景需求，针对性地改进算法，平衡精度与效率。
张小利还向大家展示了边缘感知滤波、软阈值分割、对比蒸馏等算法，体现了 “问题导向 - 理论创新 - 实验验证” 的研究路径。例如，针对传统清晰度指标在平滑区域的失效问题，通过图像成分划分与距离变换系数重构焦点检测逻辑，这种将图像细分处理的思路极具启发性。此外，普适性融合框架中预测层与细节层的分离设计，以及模态缺失下基于补丁选择的知识蒸馏方法，展现了从数据特征与任务需求出发构建模型的创新性，为解决复杂场景下的融合问题提供了新范式。
张小利系统解析传统融合评价依赖单一指标的局限性，而基于 Riesz 变换的 RFSIMF 指标与 3D ROC 分析方法，强调了多维度、客观性的评估原则。这提示我们在技术开发中需同步构建科学的评价体系，避免单一指标的片面性。此外，模态缺失下的解译技术将多模态知识迁移至单模态网络，这种跨模态迁移学习的思路可延伸至其他数据稀缺场景，如小样本学习或跨设备数据融合，为解决实际应用中的数据瓶颈问题提供了参考。
张小利还提到了轻量化网络架构与边缘设备部署，指向了技术产业化的关键环节。结合当前人工智能与物联网的发展趋势，未来可探索多模态融合技术与边缘计算、实时处理的结合，提升算法在移动端或嵌入式设备的运行效率。同时，跨领域的知识融合可能成为新的研究增长点，通过多维度数据融合推动精准医疗等领域的发展。
此次教学工作坊不仅梳理了多模态图像融合的技术脉络，更通过具体案例揭示了科研创新的方法论。在后续工作中，更加注重理论与实践结合，以问题为导向，借鉴培训中的创新思路，探索适用于自身研究领域的数据融合解决方案，为技术落地贡献力量。
