近日，我院赵作鹏副教授团队研究成果《AnyBand-Diff:A Unified Remote Sensing Image Generation and Band Repair Framework with Spectral Priors》被International Conference on Machine Learning (简称ICML)即国际机器学习大会正式接收。
论文提出面向遥感图像的光谱先验引导统一扩散框架，通过掩码条件扩散骨干网路、物理引导采样机制、多尺度物理损失函数三大核心设计，解决现有生成模型忽视物理规律导致的光谱畸变与辐射不一致问题，可从任意波段子集重建完整高光谱信息，在50%波段缺失下仍保持PSNR 29.65dB，生成数据满足NDVI/NDWI等生物物理指数高精度要求，适用于土地分类、植被监测等定量遥感下游任务。
这篇论文通过引入物理先验引导的扩散模型，为遥感图像生成提供了一种新的解决方案，显著提升了生成数据的质量和科学实用性。
ICML是机器学习与人工智能领域的国际顶级学术会议，被中国计算机学会（CCF）推荐为A类国际顶会，与NeurIPS、ICLR并称为人工智能机器学习领域最权威的三大国际顶级学术会议。赵作鹏副教授团队长期从事遥感图像检索、描述与生成领域研究，此次论文入选，体现了上述研究在学术前沿的创新性与影响力。
本届ICML会议共收到23918份论文投稿，数量是上一届的两倍。会议录用了6352份，接受率为26.6%。本届ICML将于2026年7月6日至11日在韩国首尔举行。
