恭喜阮礼恒顺利毕业！

阮礼恒，本科毕业于上海大学，于2022年9月开始在上海大学计算机工程与科学学院攻读硕士研究生，加入课题组后，跟随韩越兴老师学习形状空间理论和图像生成等相关技术与应用。在韩老师的悉心指导下，完成了以下研究：

1. 针对图像生成模型在训练样本过少及缺乏适用预训练模型时面临的挑战，提出一种基于预形状空间测地曲面信息迁移的图像生成方法。该方法克服了模型难以有效学习极少样本分布的瓶颈，旨在生成高质量、多样化的图像。其核心流程为：首先提取少量样本的深度特征，并利用这些特征在预形状空间中构建测地曲面以进行非线性特征增强；接着，基于增强后的特征构建伪源域以模拟丰富的数据分布，并进行从伪源域到目标域的信息迁移；最终，在信息迁移阶段施加插值监督与正则化约束进行优化。实验证明，相较于现有方法，本方法在多领域数据集上显著提升了生成图像的质量、细节丰富度和多样性，有效缓解了模式坍塌，并展示了其生成图像在辅助下游任务中的潜力。

2. 针对文本引导的零样本图像风格迁移任务的挑战，提出一种基于预形状空间中测地曲面特征增强的零样本风格迁移方法。该方法旨在高效地将外部新颖风格信息注入预训练模型，同时确保风格一致性与内容准确性。具体而言，该方法将测地曲面特征增强思想应用于基于预训练扩散模型的风格迁移框架，结合滑动窗口裁剪处理局部信息，并利用测地曲面特征增强模块在预形状空间中促进风格与内容特征的有效融合。实验表明，该方法能在无需额外模型微调或风格参考的情况下，实现灵活的文本引导风格控制，并在生成具有目标风格的图像时，相较于对比模型，能够更好地维持原有的内容结构。

毕业后，阮礼恒同学将进入华为公司。回首在上海大学的三年，他学习努力，科研认真，专业能力持续精进，也与众多良师益友结下了深厚的情谊。希望阮礼恒同学带着这份收获与历练，在未来的道路上不忘初心，砥砺前行，乘风破浪，前程似锦。

论文链接：基于形状空间理论特征增强的小样本图像生成方法研究与应用

代码链接：https://github.com/P2i42/FAGStyle