鸟群迁徙、猫叫配乐，西浦两项研究登上国际顶会CHI 2025！

最近，两项由西交利物浦大学联合国内外高校合作开展的研究成果，获得了第43届人机交互国际大会CHI 2025（The ACM CHI Conference on Human Factors in Computing Systems）的高度认可。其中一项围绕复杂运动轨迹的可视化问题，提出了创新性的解决方案，并斩获大会“最佳论文奖”；另一项探索多模态AI音乐创作的研究，也成功入选会议论文集。这些突破不仅彰显了科研团队的创造力，也为AI技术在科学研究与艺术创作中的应用打开了新思路。

第43届人机交互国际大会现场

想象你在天空中看着成群结队的候鸟迁徙，它们从遥远的北方飞向温暖的南方。对于生物学家来说，仅仅知道这些鸟从哪里出发、最终飞到哪里，还远远不够。他们还需要搞清楚：这些鸟在中途停了几次？停留在哪里？是否因为天气突变或人类活动而改变了路线？这些细节隐藏着生态环境的信息，也关乎生物保护。

问题在于，这些迁徙路线就像一团缠绕的毛线球——密密麻麻的飞行轨迹叠在一起，不仅难以辨认出每条线的走向，还很容易看不清其中关键的“停靠点”。

对此，西浦智能工程学院俞凌云博士和她的合作者们提出了一种全新的轨迹动画方法“RouteFlow”。这个方法，形象地说，就像是用算法“给毛线团梳头发”——不仅梳顺了错综复杂的路线，还把重要的细节点高亮标注出来。

图1和2为迁移过程中鸟群的轨迹，它们互相遮挡，难以分辨，3和4则是通过RouteFlow整理后呈现的效果，可以看清运动轨迹和途中的停留点

这个系统的灵感，来自日常生活中的公交系统：想象公交车在城市中穿行，它们虽然路线各异，但很多线路会重合、交汇。城市交通规划人员通常会用“线路优化”和“站点分布”来解决线路重叠混乱的问题。研究人员正是借用了这一思路，巧妙地将动画中物体的移动路径和停靠点转化为可以优化的“序列”，从而实现轨迹的清晰展示。

他们提出了两个核心算法：

“层次化边捆绑”算法：它就像整理线缆的束线带，把相似的轨迹“捆”在一起，便于观察整体趋势；

“增量圆堆积”算法：则像是在地图上合理摆放图标的小助手，避免轨迹中的停留点彼此遮挡，方便查看局部细节。

实验结果表明，RouteFlow不仅能准确捕捉运动趋势，还能有效呈现热点区域。这个方法已经在鸟类迁徙、船舶航线等多个领域得到应用，为科学研究提供了更精准、直观的工具。

俞凌云博士（右二）与学生在大会现场

另一项被CHI 2025收录的研究，则把AI带进了音乐创作的世界。

“很多人在使用AI写歌时会遇到一个难题——我想要的是温柔清晨的旋律，结果AI给我来了一段激昂摇滚。”研究负责人、西浦计算机科学硕士生徐万芳解释道，“这是因为目前AI音乐系统大多只能通过文字与用户交互，但情绪、画面感、旋律在文字中很难准确表达。”

徐万芳在大会现场的海报展向其他学者介绍该项目

为此，团队开发了一个多模态输入的AI音乐创作系统，让用户可以用声音、图像，甚至实时的互动方式表达创作意图。

比如，用户哼一段旋律，系统能自动识别节奏，将其变成完整的乐段；用户上传一张夕阳下的海边照片，AI能分析图片的颜色与氛围，生成与之匹配的音乐片段；用户录一段猫叫声，系统不仅会把它融合进音乐中，还会标注在哪一秒响起，让你清晰看到“猫声”的音乐轨迹。

输入海浪声、猫的图片以及开心的文字后生成的音乐

这两项研究的成功并非偶然，它们都得益于跨校协作带来的智慧火花。

“轨迹动画项目由西浦、清华和英国纽卡斯尔大学团队共同推进；AI音乐系统则源于西浦、昆山杜克大学和北京理工大学三校合作举办的工作坊。”西浦智能工程学院院长林永义教授表示，“在这种多方合作模式下，研究团队能整合不同背景和技能，迸发出新的创造力。”