近日，我校软件学院赵涓涓教授率领的图像与智能团队在计算模型泛化性研究领域取得重大突破性进展。研究成果以“Augmentation-invariant Learning Strategy via Data Augmentation for Improving Model Generalization”为题，成功被人工智能国际顶级会议Association for the Advancement of Artificial Intelligence（AAAI-2026） 接收。该论文的第一署名单位为太原理工大学，通讯作者为赵涓涓教授，第一作者为我校博士研究生苗雨。

AAAI是人工智能领域历史最悠久、国际影响力极高的学术会议，在该领域享有崇高的学术声誉，是全球人工智能研究成果展示的核心平台，被中国计算机学会（CCF）推荐列为A类国际会议。本届AAAI-2026（The 40th Annual AAAI Conference on Artificial Intelligence）将于2026年1月20日至27日在新加坡博览中心召开。会议共收到全球范围有效投稿23680篇，接收4167篇，整体论文接收率仅为17.6%，竞争极为激烈，录用成果代表了领域的最新前沿进展。

图1 医学影像深层卷积特征空间中语义特征簇的类分布和方向漂移特征示意图

本研究聚焦于运用数学之美构建连接理论严谨性与医学实际应用性的数据增强框架以提高模型泛化能力。通过流形约束的变分贝叶斯增强，提出了一种有效的隐式增强不变学习策略。大量实验表明，该方法在公共医学图像数据集上表现出较高的性能，优于现有的增强方法。

图2 所提算法框架的详细示意图

研究团队的突破性科学贡献可精炼概括如下：

(1)提出一种高效的隐式增强不变学习策略（AILS）。该策略将流形约束变分贝叶斯推断应用于医学影像，确保解剖学合理性。

(2)设计了新型复合替代损失函数（AiHLoss），融合贝叶斯判别边界以增强鲁棒性，并引入双向语义散度项以保障一致性。

(3)大量实验验证表明，采用本算法框架训练的网络确实获得了更优的增强不变性迁移能力和鲁棒性。