近日，陈铎友（第一作者）及其合作者（其中张灿，王周同为 806 人工智能部成员）撰写的学术论文《Latent Space Consistency For Sparse-View CT Reconstruction》（稀疏视角 CT 重建中的潜在空间一致性）已于第 33 届国际顶级多媒体会议 ACM Multimedia 2025上成功发表，并在会议期间进行了现场报告。这一成果的取得，标志着陈铎友在三维医学图像重建研究领域取得了重要突破。论文首页如附图所示。
论文首页 (全文详见 https://doi.org/10.1145/3746027.3755572)
ACMMM（ACM International Conference on Multimedia）是计算机科学领域最重要、最负盛名的多媒体旗舰会议，今年迎来了第 33 届盛会。该会议由国际计算机协会（ACM）主办，属于中国计算机学会（CCF）推荐的 A 类国际学术会议，在全球多媒体、计算机视觉、人机交互等研究领域具有极高的学术地位和影响力。ACMMM 2025 已于 2025 年 10 月 27 日 -10 月 31 日 在爱尔兰都柏林的皇家都柏林会议中心（Royal Dublin Convention Centre）成功举办。本次大会致力于整合和交流跨模态信息，重点关注人工智能、3D 与元宇宙、医疗保健、教育和娱乐等领域的创新应用，吸引了来自世界各地的顶尖学者、研究人员和行业精英，分享最新的研究成果和技术进展。
陈铎友在 ACMMM2025 会议现场
陈铎友的论文聚焦于稀疏视角 CT 重建这一重要的医学影像技术难题。他指出，计算机断层扫描（CT）虽然是临床广泛使用的影像模态，但传统的密集采集方式存在扫描时间长和辐射暴露量大的挑战，而稀疏视角 CT 重建技术旨在利用少量 X 射线投影图像高效准确地恢复三维 CT 图像，从而降低成本和风险。研究团队发现，现有基于扩散模型（如 Latent Diffusion Model, LDM）的重建方法，在处理 2D X 射线投影的潜在表示与 3D CT 图像的潜在表示时，难以有效对齐这两种模态的潜在空间。针对该问题，论文提出了一致性潜在空间扩散模型（Consistent Latent Space Diffusion Model, CLS-DM），并创新性地引入了跨模态特征对比学习（cross-modal feature contrastive learning）机制，成功解决了 2D 和 3D 潜在空间的不一致性问题，显著提升了稀疏视角下 CT 图像三维重建的质量和效率。
陈铎友在进行现场汇报（爱尔兰都柏林皇家会议中心）
陈铎友已成功参加了 ACMMM 2025 线下会议，并在国际同行面前展示和解读了其研究成果。现场报告是对研究工作的专业认可，也是与全球多媒体领域专家学者进行深入交流、拓展学术视野的绝佳平台。附图中，我们看到陈铎友同学在会议宣传板前的合影，以及他在会议现场进行报告的精彩瞬间。本次论文的成功发表和现场汇报，是团队在多媒体研究领域的重要一步。
