《中国图象图形学报》

“连续学习及图像处理应用”专题征文通知

以大模型为代表的深度学习方法在许多静态封闭领域已经发挥重要作用，但在开放变化的动态场景中，经典训练方法仍无法有效持续适应变化，模型难以长期维持有效。面对开放环境的连续学习是人类基本能力之一，如何使深度学习模型具有连续学习能力是人工智能的重要研究方向。

近年来，连续学习研究聚焦于提升模型长周期下自适应学习多个任务的能力，核心挑战为同时维持历史知识并保持有效学习。目前，连续学习已在许多长时智能应用领域如智慧城市、自动驾驶、无人系统、机器人中发挥重要作用。对连续学习的研究，有望为下一代自适应人工智能带来全新思路和途径，为长时智能提供技术支持。

《中国图象图形学报》诚邀业内专家共同策划推出“连续学习及图像处理应用”专题，旨在从理论、技术、数据、应用等多个角度对连续学习及其在图像图形领域的前沿发展和关键挑战进行分析与探讨，促进广大读者对连续学习领域的深入理解和探索。

一、专题编委会

胡伏原 教授，苏州科技大学（召集编委）

周  涛 教授，北方民族大学（召集编委）

王  亮 研究员，中国科学院自动化研究所

李  玺 教授，浙江大学

洪晓鹏 教授，哈尔滨工业大学

郑伟诗 教授，中山大学

王瑞平 研究员，中国科学院计算技术研究所

张  彰 副研究员，中国科学院自动化研究所

吕  凡 博士后，中国科学院自动化研究所

二、征稿范围

征稿方向包括但不限于：

1. 连续学习的相关领域前沿综述；

2. 大模型的连续学习方法；

3. 连续学习的有效训练方法；

4. 适用连续学习的神经网络设计；

5. 用于连续学习的新数据集；

6. 样本异常下的连续学习方法；

7. 并行或分布式的连续学习；

8. 测试时或主动的自适应连续学习方法；

9. 连续学习的应用。

三、稿件类型

1. 综述：对某一领域近年国内外研究成果的深度总结、梳理、思考、展望等；

2. 学者观点（小综述）：对某一领域最新研究成果、前沿理论、技术方法等的总结和思考；

3. 数据集论文：重点介绍有价值的原创数据集，建议文章包含但不限于数据集属性、构建方法、评估与验证、可使用方向等；参考链接：

http://www.cjig.cn/jig/ch/reader/view_news.aspx?id=20200413110152001

4. 研究论文：提出科学问题，分析研究思路，验证方法有效性。

5. 代码论文：以原创算法/代码为描述对象，系统、翔实地描述其设计思想、规则原理、适应范围、满足重现所需的环境条件、实验结果等。参考链接：

http://www.cjig.cn/jig/ch/reader/view_news.aspx?id=20200413110233001

四、投稿要求

1. 投稿方式：采用《中国图象图形学报》官网“在线投稿”(http://www.cjig.cn/)进行投稿。投稿时请选择“连续学习及图像处理应用”栏目，或者提交稿件时在题目后 +“连续学习及图像处理应用”字样。

2. 稿件格式：参照《中国图象图形学报》体例和模板进行撰写（http://www.cjig.cn/jig/ch/reader/view_news.aspx?id=20130702100533001）。

3. 投稿论文未在正式出版物上发表过，不存在一稿多投现象，保证投稿文章的合法性(无抄袭、剽窃、侵权等不良行为)，投稿后需签署论文版权转让和保密审查证明。

4. 专题投稿论文不收取审理费。录用刊发论文收取版面费。发表之后，将按照学报标准支付稿酬，并赠送样刊。

五、重要时间

截稿时间：2024年10月31日

同行评议返回时间：2025年1月30日

拟出版时间：2025年5月

六、联系方式

韩编辑

电话：010-58887030

hanxd201310@aircas.ac.cn