直播预告|全监督对比学习：语义分割新训练范式

点击蓝字

关注我们

AI TIME欢迎每一位AI爱好者的加入！

1月12日晚 7:30-8:15

AI TIME 特别邀请苏黎世联邦理工学院（ETH Zurich）博后研究员——王文冠，给大家带来分享：《全监督对比学习：语义分割新训练范式》

哔哩哔哩直播通道

★ 嘉宾简介 ★

王文冠：

苏黎世联邦理工学院（ETH Zurich）博后研究员。主要研究方向为自动驾驶、语义分割、视频分析、以人为中心的场景解析和具身人工智能等。在国际权威期刊和会议（如 TPAMI、TIP、TVCG、CVPR、ICCV、ECCV、AAAI、Siggraph Asia）发表学术论文 50 多篇，谷歌学术引用 7900+。曾获百度奖学金、ACM 中国优博奖、中国人工智能学会优博奖、世界人工智能大会优秀青年论文奖，以及CVPR、ICCV、ECCV杰出审稿人，入选 2020 年 Elsevier 中国高被引学者榜单，获澳大利亚研究理事会青年职业奖。

分享内容：

全监督对比学习：语义分割新训练范式

报告简介：

当前语义分割算法本质是通过深度神经网络，将图像像素映射到一个高度非线性的特征空间。然而，当前算法只关注于局部上下文信息（单个图像内、像素之间的位置和语义依赖性），却忽略了训练数据集的全局上下文信息（跨图像的、像素之间的语义相关性），因而难以从整体的角度对习得的特征空间进行约束，进而限制了语义分割模型的性能。对此我们提出了一种全新的、全监督语义分割训练范式：像素对比学习（pixel-wise contrastive learning），强调利用训练数据集中，跨图像的像素-像素对应关系（cross-image pixel-to-pixel relation）来学习一个结构化（well structured）的特征空间，用来替代传统的、基于图像的（image-wise）训练范式。该训练策略可直接应用于主流语义分割模型，带来显著的性能提升，并在模型推理阶段不引入额外计算开销。

直播结束后大家可以在群内进行提问，请添加“AI TIME小助手（微信号：AITIME_HY）”，回复“PhD-3”，将拉您进“AI TIME PhD 交流群-3”！

AI TIME微信小助手

主        办：AI TIME 

合作媒体：学术头条、AI 数据派

合作伙伴：智谱·AI、中国工程院知领直播、学堂在线、蔻享学术、AMiner、 Ever链动

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min.gao@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

哦

~

点击 阅读原文 预约直播！