施普林格·自然（Springer Nature）旗下期刊 Discover Computing 现面向全球研究者开放“媒体计算最新进展”专刊征稿。
关于本专刊
媒体计算领域正在经历一场深刻的变革。近年来，扩散模型、大型多模态基础模型、对抗生成技术等深度学习方法取得了突破性进展，显著提升了媒体内容的创作与处理能力。然而，这些技术仍面临诸多挑战：计算开销大、语义理解浅层、可控性不足、感知一致性欠缺，以及信任、安全与真实性问题。
本专刊聚焦下一代媒体计算方法，旨在打通智能媒体理解、高效表示、感知建模与多模态交互之间的壁垒，推动媒体系统向资源高效、感知对齐、语义可解释的方向发展，并覆盖视觉、触觉、音频、3D、沉浸式及跨模态等真实应用场景。
征稿主题（包括但不限于）
- 媒体计算与计算机视觉
- 多模态学习
- 扩散模型
- 感知模型（Perception-Aware Models）
- 语义感知分析
- 跨模态智能
- 神经符号学习
- 视频与3D压缩
- 点云处理
- 沉浸式媒体（VR/AR/6DoF）
- 多模态交互
- 人在回路系统（Human-in-the-Loop Systems）
重点应用场景
我们特别欢迎在以下领域具有真实世界验证的研究成果：
- 虚拟现实与增强现实
- 智能机器人与具身智能
- 下一代通信系统
- 医疗影像
- 环境与水下传感
- 数字取证
本专刊支持并推广与联合国可持续发展目标9（SDG 9）相关的研究。
客座编辑
- 潘兆庆教授，博士，天津大学，中国天津
- 张云教授，博士，中山大学，中国广州
- 赵铁松教授，博士，福州大学，中国福州
重要日期
投稿截止日期：2026年12月31日
投稿方式
请访问期刊官网或扫描海报中的二维码，了解更多投稿详情并提交稿件。
https://link.springer.com/collections/hcijcgcejf
关于Discover Computing
Discover Computing 是施普林格·自然（Springer Nature）旗下 Discover 系列期刊之一，致力于发表计算科学领域的高质量原创研究，推动学科交叉与前沿探索。
欢迎转发分享，期待您的来稿！