近日，学校发布2022年浙江大学优秀博士学位论文名单，我院4篇博士学位论文获评“优秀博士学位论文”，分别是2022届计算机科学与技术专业博士毕业生张培歆的博士学位论文《深度神经网络的自动化公平性测试》，指导教师为王新宇教授；2022届计算机科学与技术专业博士毕业生王闻箫的博士学位论文《基于卷积神经网络与变换器的高效高性能视觉骨干模型》，指导教师为蔡登教授；2022届计算机科学与技术专业毕业生许佳敏的博士学位论文《面向三维重建与绘制的高效表达方法研究》，指导教师为鲍虎军教授。2022届设计学专业毕业生周志斌的博士学位论文《智能产品的概念设计方法与支持工具研究》，指导教师为孙凌云教授。

热烈祝贺上述获评论文的同学和指导老师！

论文一

深度神经网络的自动化公平性测试

论文的自我评述：

本研究基于表格数据、文本数据以及图像数据等三种常见深度神经网络输入数据类型，对模型的个体歧视样本生成、公平性测试充分性度量以及个体歧视样本扩充重训练等三个方面开展研究工作。针对现有公平性测试方法在深度神经网络上的效果有限、难以直接适用于复杂的数据类型以及缺乏相关的公平性测试充分性标准等三个问题，本研究提出了基于梯度的个体歧视样本生成方法以及基于神经元激活模式相似性的公平性测试充分性度量方法。

论文二

基于卷积神经网络与变换器的高效高性能视觉骨干模型

论文的自我评述：

本文针对当前卷积神经网络和 Transformer 的模型设计或压缩方法中存在的问题提出了若干改进的方法，获得了更加高效、高性能的骨干模型。

（1）针对视觉Transformer，我们创新性地提出了跨尺度嵌入层、长短注意力机制、动态位置偏置、可变分组以及幅值冷却层等设计，降低了视觉Transformer骨干模型的开销，同时提升了模型的性能。

（2）针对卷积神经网络，我们创新性地分别提出了基于相关性的过滤器级剪枝、基于判别性的块级剪枝以及从多个维度对模型进行剪枝的框架，在尽可能保持模型性能的同时，减少了其参数量和计算开销。

论文三

面向三维重建与绘制的高效表达方法研究

论文的自我评述：

本论文的创新点在于提出创新的几何和外观的表达，结合物体的材质特性和问题规模研究了如何利用合理的几何和外观的表达方式进行漫反射材质物体的三维重建、透明物体的三维重建以及基于图像的带反射室内场景的绘制。分别解决了如下三个问题：

1. 占比较小时的相机漂移和几何误差累积的问题；

2. 使用简化的拍摄设备和拍摄光照环境实现高质量的透明物体表面重建；

3. 对带反射效果的室内场景构建高效的表达以实现快速且高真实感的虚拟视点图像绘制。

对应上面三个问题，提出了如下的表达：

1. 面向在线三维物体重建的分段点元表达；

2. 面向透明物体重建的网格-网络混合表达；

3. 面向带反射场景绘制的分层表达。

论文四

智能产品的概念设计方法与支持工具研究

论文的自我评述：

在设计方法层面，本研究提出了智能产品的体验价值构建框架，通过层次化模型分别描述了智能产品体验价值的不同构建要素：机器学习、利益相关者与场景。在此基础上，本文研究了智能产品的概念设计流程。基于材料周期思维，结合了以人为本的设计流程与设计实践，进而提出了智能产品的概念设计流程，为智能产品设计搭建了理论与实践的转化桥梁。

在工具层面，本研究开发了三项概念设计工具：①Transparent ML Blueprint将智能产品透明性的相关设计知识框架转化为可视化的图表工具以及相应的设计手册，为设计透明的智能产品提供全面的领域知识；②ML-lifecycle Canvas将机器学习的生命周期可视化，使用不同卡片象征不同要素与体验价值，帮助设计师系统考虑构建要素，在生命周期内构建智能产品的体验价值；③RapidML Kit提供了简单易用的代码与硬件模块，可用于快速搭建并测试智能产品的功能原型。