直播预告| CVPR专场五来了！

点击蓝字

关注我们

AI TIME欢迎每一位AI爱好者的加入！

8月5日 19:30~21:00

AI TIME特别邀请了来自香港城市大学、约翰霍普金斯大学、北京航空航天大学的学生，来为大家带来分享！

哔哩哔哩直播通道

扫码关注AITIME哔哩哔哩官方账号

观看直播

链接：https://live.bilibili.com/21813994

★ 嘉宾介绍 ★

郭小青：

香港城市大学电机工程系三年级博士生，博士导师是袁奕萱教授。她的主要研究方向为医学图像小样本有标注数据下的模型泛化性能研究，包含半监督学习，数据增强，域自适应，域泛化等。研究任务主要集中在医学图像的诊断和分割。博士期间在TMI，MedIA，JBHI，CVPR，MICCAI，IROS，ISBI等顶级期刊会议上发表论文十余篇。

个人主页：https://guo-xiaoqing.github.io/

报告题目：

MetaCorrection: Domain-aware Meta Loss Correction for Unsupervised Domain Adaptation in Semantic Segmentation

内容简介：

无监督域适应(UDA)旨在把知识从有标签源域数据迁移到无标签目标域数据上。现有的基于自训练（self-training）的UDA方法为目标域数据分配伪标签，并利用这些伪标签标记的数据来训练网络使得模型适应于目标域数据。但是由于域差距的存在，利用源域数据优化的模型生成的伪标签不可避免地包含噪声。为了解决这个问题，我们提出了一种基于自训练的元矫正框架（MetaCorrection），旨在通过噪声转移矩阵建模目标域伪标签中的噪声分布，从而来改善目标域的监督信息，消除伪标签中噪声对模型训练的负面影响。代码：https://github.com/CityU-AIM-Group/MetaCorrection 

丁天雨：

约翰霍普金斯大学（JHU）应用数学博士。研究兴趣集中在数值优化、计算机视觉、机器学习和深度学习等方向。曾在微软总部做研究实习，博士期间于NeurIPS, ICML, CVPR等顶级会议上发表多篇论文。

个人主页：https://www.tianyuding.com

报告题目：

CDFI: Compression-Driven Network Design for Frame Interpolation

内容简介：

DNN-based frame interpolation--that generates the intermediate frames given two consecutive frames--typically relies on heavy model architectures with a huge number of features, preventing them from being deployed on systems with limited resources, e.g., mobile devices. We propose a compression-driven network design for frame interpolation (CDFI), that leverages model pruning through sparsity-inducing optimization to significantly reduce the model size while achieving superior performance. Concretely, we first compress the recently proposed AdaCoF model and show that a 10X compressed AdaCoF performs similarly as its original counterpart; then we further improve this compressed model by introducing a multi-resolution warping module, which boosts visual consistencies with multi-level details. As a consequence, we achieve a significant performance gain with only a quarter in size compared with the original AdaCoF. Moreover, our model performs favorably against other state-of-the-arts in a broad range of datasets. Finally, the proposed compression-driven framework is generic and can be easily transferred to other DNN-based frame interpolation algorithm. Our source code is available at https://github.com/tding1/CDFI.

祝澜耘：

北京航空航天大学硕士一年级学生。目前研究领域主要集中在图像分割，自监督学习，半监督学习，元学习等。

个人主页：https://lanyunzhu.site

报告题目：

Learning Statistical Texture for Semantic Segmentation

内容简介：

低层次和高层次特征都在语义分割任务中发挥着重要的作用。现有的语义分割研究主要关注高层次特征的提取，例如通过各类注意力模型提取全局的context信息。然而，对低层次特征提取方式的研究工作相对较少。这篇论文主要关注如何在语义分割任务中提取并利用低层次的纹理特征。本文首先提出了一个量化与计数模块（QCO），以统计的方式在深度神经网络中对纹理进行表征。随后，基于QCO，本文又进一步提出纹理增强模块和金字塔纹理特征提取模块，分别对纹理细节进行增强并从多尺度提取统计化的纹理特征。我们提出的模块在仅需增添较少计算量的情况下，有效地在多个语义分割数据集上改善效果。

# 今日视频推荐 #

直播结束后我们会邀请讲者在微信群中与大家答疑交流，请添加“AI TIME小助手（微信号：AITIME_HY）”，回复“cvpr”，将拉您进“AI TIME CVPR 会议交流群”！

AI TIME微信小助手

主       办：AI TIME 

合作伙伴：智谱·AI、中国工程院知领直播、学堂在线、学术头条、biendata、数据派、 Ever链动

合作媒体：学术头条

AI TIME欢迎AI领域学者投稿，期待大家剖析学科历史发展和前沿技术。针对热门话题，我们将邀请专家一起论道。同时，我们也长期招募优质的撰稿人，顶级的平台需要顶级的你，

请将简历等信息发至yun.he@aminer.cn！

微信联系:AITIME_HY

AI TIME是清华大学计算机系一群关注人工智能发展，并有思想情怀的青年学者们创办的圈子,旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法、场景、应用的本质问题进行探索，加强思想碰撞，打造一个知识分享的聚集地。

更多资讯请扫码关注

我知道你“在看”哟～

点击 阅读原文 了解更多精彩