近日，三级网站 视觉人工智能实验室//vai-lab.com/完成的两项工作被国际计算机视觉领域顶级期刊 International Journal of Computer Vision（IJCV）正式录用。

工作一：Dual-Edged Homogeneous-Modality Similarity: Visible-Infrared Modality-Incomplete Person Re-Identification with Modality Adaptive Matching。徐新老师为论文第一作者，研究生詹舒皓为第二作者，三级网站 为第一完成单位。该工作聚焦开放世界场景下的可见光-红外行人重识别（VI-ReID）。传统 VI-ReID 建立在"查询与图库模态固定且已知"的封闭世界假设之上，而真实部署中查询可能为纯可见、纯红外或混合模态，图库长期累积后天然呈多模态共存，导致现有方法面临同模态相似度干扰、模态不确定性、未知模态组合下的鲁棒性退化三大可信挑战。针对上述痛点，论文首次形式化 VIMI-ReID（Visible-Infrared Modality-Incomplete Re-Identification） 任务，并通过重组 SYSU-MM01 与 RegDB 构建 SYSU-VIMI、RegDB-VIMI 两个基准数据集。

工作二： Blurring Modal Boundaries: A Unified Survey from Single-to Multi-Modal Person Re-identification。王晓老师为论文第一作者，研究生王冰为第二作者，三级网站 为第一完成单位。该论文聚焦智能监控系统中的核心任务，行人重识别（Person Re-identification, ReID），系统梳理了从传统单模态 RGB ReID 向跨模态、多模态范式演进的研究脉络。针对低光照、遮挡、非视距等复杂场景下单一可见光模态性能受限的痛点，论文首次将可见光-红外（VI-ReID）、文本-图像（TI-ReID）、草图-照片（Sketch-ReID）、非视距（NLOS-ReID）四类典型跨模态任务，以及三谱（RGB-NIR-TIR）与多模态融合 ReID 纳入统一综述框架，对比分析各子领域的数据集、关键技术路线与代表方法，并给出 VI-ReID 场景下的 Transformer 基线框架，为跨模态身份一致性建模提供系统性参考。

IJCV 是 Springer 旗下计算机视觉领域最具影响力的国际期刊之一，与 IEEE TPAMI 并列为 CCF列表人工智能领域的A类顶刊，年均录用率较低，代表相关方向的最高学术水准。此次论文录用，标志着三级网站 在跨模态视觉理解与智能监控方向的研究受到国际同行认可。