8.9 交叉选题库：结合导师方向的 20 个可执行题目

使用方式：这不是让你选一个”最酷”的，而是带着这张表去和导师对资源——组里有标注数据、有艺术学院合作者、有某领域行业关系的，对应题目优先级立刻上升。每题标注：算力档（①免费卡 ②单张4090 ③多卡/A100）、周期、交付物。 难度标尺：★=课程级可完成，★★=workshop/会议短文，★★★=主会冲刺（需进组资源）。

A. 评测与基准（算力最省，学术杠杆最高）

A1（★★）VLM 看画三层次基准：构造”形式/内容/语境”三层评测集（8.1 框架直接变成标注维度），测主流 VLM 各层通过率。假设：语境层全面溃败=机会。｜①｜2 月｜数据集+评测报告 A2（★★）美学奖励模型的流派偏差：PickScore/HPS 在不同文化/画种上的分数偏移量化（同构图画种互换重打分）。｜①｜1 月｜偏差分析文 A3（★★）AI 图 vs 人类画的鉴别基准：8.1”五调子/笔触/动线”特征工程 + 分类器，并测 VLM 的鉴别力。｜①｜1.5 月｜基准+特征分析 A4（★★★）构图质量的注意力分析：用 DiT/DiT 的 cross-attention 热图与”构图焦点/动线”的美术学标注做对齐度研究——“模型心里有没有构图”。｜②｜3 月｜可解释性论文

B. 生成与控制（接 4.6，出视觉结果，展示性最强）

B1（★）画种风格 LoRA 系统评测：多画种×多 rank 的复现度量化（4.6 作业的扩展版：色相直方图/笔触特征/专家盲评）。｜②｜1.5 月｜评测协议+repo B2（★★）线稿上色的风格保真：ControlNet+LoRA 叠加下”构图保真 vs 风格保真”的权衡曲线与可控旋钮。｜②｜2 月｜方法短文 B3（★★）构图可控生成：以显著性图/三分法热图为条件的生成控制——把”构图法则”变成可注入条件（saliency-ControlNet）。｜②｜2.5 月｜方法文 B4（★★★）诗画互译：中文诗→画的生成与评价（意象→视觉的映射基准+微调），文化计算浓度最高的题。｜②③｜3 月+｜数据集+模型

C. 理解与知识（VLM+艺术知识，接卷3/卷5）

C1（★★）艺术知识增强 VLM（RAG）：画家/流派/年代表知识库挂 VLM，测语境层问答提升（对 A1 的溃败做补强实验）。｜①②｜2 月｜系统+报告 C2（★★）图像学符号理解：iconography（橄榄枝=和平之类）的符号-语义 benchmark，测 VLM 的文化符号盲区。｜①｜1.5 月｜基准 C3（★★★）流派归因的可解释性：Grad-CAM/attention 与 8.1 形式层特征（笔触/色域）的相关性分析——让归因”说美术学的话”。｜②｜3 月｜可解释性论文 C4（★★）多轮艺术评论 Agent：VLM+工具（检索/放大局部/查数据库）的看画对话 agent——5.1 thinking-with-images 的艺术版。｜②｜2.5 月｜agent 系统

D. 数据与人文（与艺术学院合作的最佳接口）

D1（★★）中国画数据集与标注规范：画种/画家/题跋/印章四字段，标注指南+质量协议（8.1 指出 WikiArt 中国画是短板——空白即机会）。｜①②｜2-3 月｜数据集+ datasheet D2（★★）题跋印章的图文关联：书法 OCR+印章检测+与画面的语义关联（诗书画印一体的多模态本体）。｜②｜3 月｜pipeline+分析 D3（★）美学评分的跨文化对比：同一批图在 NIMA/人类中式审美标注上的分差与特征归因。｜①｜1 月｜分析短文 D4（★★★）文化遗产数字化管线：藏品摄影→3D/增强→VLM 自动描述与知识挂接的端到端 demo（博物馆合作则升★★★+）。｜②③｜3 月+｜系统+案例研究

E. 组合拳（热门引擎×你的领域，接 5.1/8.2/8.6）

E1（★★★）美学偏好奖励模型用于文生图 DPO：自建中式审美偏好对 → 训练奖励模型 → DPO 微调文生图——8.6 的完整闭环。｜③｜3 月+｜方法论文 E2（★★）小模型美学 RL：2B VLM + GRPO 学美学评分（可验证奖励=与人类排序一致度），8.2×5.1 交叉。｜②｜2.5 月｜方法短文 E3（★★★）看画 agent 的过程奖励：5.1 的过程监督用到”先观察局部再综合”的看画推理上。｜③｜3 月+｜会议冲刺 E4（★★）美术史苏格拉底教学 Agent：VLM+课程知识库+追问式对话，教育场景应用（好发、实用、展示性强）。｜②｜2 月｜系统+用户研究

选择决策树

1. 组里有标注人力/艺术合作者 → D 线优先（数据是长期资产，导师最认）；
2. 组里算力紧张、要快出成果 → A1/A2/A3（免费卡，1-2 个月见论文坯子）；
3. 组里有生成模型基础/想蹭 AIGC 热度 → B 线或 E1；
4. 你想练 RL/推理引擎（卷5.1 路线）→ C4/E2/E3；
5. 所有题目的共同底座都是 A1 的数据集——先做 A1，全线受益（这是最稳的战略建议）。

和导师谈时的三句话框架

“我整理了 20 个交叉方向的题目，分四类：评测基准、生成控制、理解知识、数据人文。考虑到咱们组的【数据/合作/算力】资源，我建议从【X】切入，先花【N 周】做出【具体交付物】。这是我目前能力的证明（甩 repo 链接）。“——具体、可拒绝、带证据。

自测题

1. 为什么 A1 是全线底座？（评测数据集是其他所有题目的基础设施——B/C/E 都要用它做验收）
2. 数据题（D 线）对导师的独特价值？（长期资产+师生共建+学科交叉的立项叙事，比一篇论文的长期价值高）
3. 算力档①的题目共同点？（评测/分析/轻微调——推理为主训练为辅）
4. 从”课程级★“到”主会冲刺★★★“差的通常是什么？（数据规模、系统完整度、以及一个严格的消融与对比矩阵——不是更炫的方法）

动手作业

1. 把这 20 题抄进你的台账，按”导师资源/我当前能力/兴趣”三列打分，选出 top3；
2. 为 top1 写一页纸 proposal（2.10 §6 的模板）——下次导师面谈的弹药；
3. 给 A1 画三层评测集的 v0 标注规范（30 条样例即可）——这是本周就能开始的事。