今天10:00 | SCITIC 论坛：AAAI 2023预讲会开讲！

点击蓝字

关注我们

AI TIME欢迎每一位AI爱好者的加入！

AAAI 2023

AAAI会议（AAAI Conference on Artificial Intelligence）是由The Association for Advancement of Artificial Intelligence（国际人工智能协会）每年举办的学术会议，是人工智能领域公认的权威性顶级学术会议。

AAAI 2023是第37届AAAI大会，会议将于2023年2月7日-2月14日美国华盛顿举行。这次会议共收到8777篇论文，录用论文1721篇，录用率约19.6%。

活动时间

2022年12月21日

10:00-17:00

观看方式

哔哩哔哩直播通道

扫码关注AI TIME哔哩哔哩官方账号预约直播

分享日程

10:00-10:20丨褚峤松

清华大学深圳国际研究生院硕士生

报告题目：Adversarial Alignment for Source Free Object Detection

报告摘要：域适应目标检测旨在解决目标检测任务下数据分布差异问题，然而在现实场景下源域数据因为数据隐私或传输成本问题无法直接获取，因此只能利用预训练模型与无标注目标域数据完成迁移。大多数现有方法利用自学习以改善伪标签质量，而直接试图生成源域常常不准确或消耗大量的算力。为此，我们利用基于MC-dropout估计检测方差并将目标域划分为source-similar与source-dissimilar，将任务还原为传统有源域适应问题，重新引入对抗学习范式。

10:20-10:40丨张麟睿

清华大学深圳国际研究生院硕士生

报告题目：Evaluating Model-free Reinforcement Learning toward Safety-critical Tasks

报告摘要：在涉及自主智能体的应用中，安全性至关重要。但本领域目前尚缺乏对复杂动力学环境下满足逐状态安全约束的强化学习算法的实证评估。在本文中，我们重新思考了先前工作并将它们分别归类为基于投影、基于恢复和基于优化的方法，并在六个基准任务上对相关算法进行了比较研究。此外，我们还提出了展开安全层算法（Unrolling Safety Layer, USL），并证明了其在约束策略优化和执行过程中具有显式结构优势。

10:40-11:00丨杨智涵

清华大学深圳国际研究生院硕士生

报告题目：What Does Your Face Sound Like? 3D Face Shape Towards Voice

报告摘要：基于人脸生成个性化语音在影视配音、短视频创作等领域具有广泛的应用前景。我们在该领域首次引入三维脸型信息，提出了一种从三维脸型到个性化语音音色的语音生成方法。三维脸型信息与决定人类音色的骨传导特性直接相关，与语音特征有明确的解剖学关系，具有更好的可解释性；还具有独立于光照、姿态等的天然优势，可以解耦无关因素更准确控制音色。

11:00-11:20丨赵博文

清华大学深圳国际研究生院博士生

报告题目：Combating Unknown Bias with Effective Bias-Conflicting Scoring and Gradient Alignment

报告摘要：依赖数据集中的捷径实现既定目标的模型在鲁棒性和泛化性上表现较差。鉴定-强调范式在处理未知偏好上有很大潜力，但仍受到两个挑战的困扰：鉴定偏好冲突样本的能力和后续的强调策略都尚不完备。我们提出了一种偏好冲突样本评分方法（ECS）和一种基于梯度对齐（GA）的无偏模型训练方式来解决以上两个问题。多组数据集和设定下的实验结果表明所提出的解决方案可以减轻未知偏好对模型的影响。

15:00-15:20丨余天予

清华大学深圳国际研究生院硕士生

报告题目：Visually Grounded Commonsense Knowledge Acquisition

报告摘要：大规模常识知识库促进了许多人工智能领域的发展，但是常识的自动获取仍然十分困难。现有的常识获取方法受限于文本中常识的稀疏性和报道偏差，相反视觉感知能够提供十分丰富的关于真实世界的大量常识。为此，我们提出了 CLEVER 基于视觉数据抽取常识知识，并进一步验证了多个模态在常识获取中的互补性。

15:20-15:40丨黄钰钧

清华大学深圳国际研究生院博士生

报告题目：Learned Distributed Image Compression with Multi-Scale Patch Matching in Feature Domain

报告摘要：为了更好地利用分布式压缩场景下的边信息，我们提出了多尺度特征块匹配(MSFDPM)，以此在解码端充分地利用边信息。具体而言，MSFDPM由一个边信息特征提取器、一个多尺度特征域块匹配模块和一个多尺度特征融合网络组成。此外，我们提出重用浅层块间的相关性以加速深层的块匹配。最后，我们发现我们在多尺度特征域中的块匹配与图像域块匹配方法相比，压缩率提高了约20%。

15:40-16:00丨方子介

清华大学深圳国际研究生院硕士生

报告题目：Weakly-Supervised Semantic Segmentation for Histopathology Images Based on Dataset Synthesis and Feature Consistency Constraint

报告摘要：传统的弱监督语义分割大多基于类激活映射方法，面临着分割边界不精准的问题。病理组织结构的同质性更强化了这一缺陷。为此，我们提出一种基于数据合成和特征一致性约束的弱监督组织病理图像分割框架PistoSeg。基于WSSS4LUAD和BCSS-WSSS的实验验证了所提出方法在弱监督组织病理图像分割任务上的优越性。

16:00-16:20丨史祥生

清华大学深圳国际研究生院硕士生

报告题目：Memory-Oriented Structural Pruning for Efficient Image Restoration

报告摘要：基于深度学习的图像复模型的硬件资源开销非常庞大，限制了它们在移动端等实际场景中的应用。为了改善深度图像复原模型的峰值内存开销，本文提出了一种专注于内存优化的结构化剪枝方法。为了优化图像复原模型内存开销的一大来源，长距离跳跃连接，本文在跳跃连接上引入压缩器模块，以解耦跳跃连接和主分支的剪枝过程。本文提出一种迭代剪枝的方法，逐步优化模型各层的内存开销。与基线剪枝方法相比，本文方法可在不显著影响剪枝模型任务性能的同时优化其内存开销。

16:20-16:40丨秦冠羿

清华大学深圳国际研究生院硕士生

报告题目：Data-Efficient Image Quality Assessment with Attention-Panel Decoder

报告摘要：图像质量评价旨在介入图像处理的各过程，提供反馈以优化处理结果，改善图像质量。基于视觉Transformer模型的图像质量评价算法，由于质量评价数据集往往样本数量少，加之视觉Transformer模型预训练数据域和Fine-tune数据域的注意分布不同，无法学习出较好的泛化能力。为了改善这一现象，本文创新地在视觉Transformer模型中引入基于评审团机制的Decoder。这一做法为模型提供了更多的可能特征表达，能够重新建立起适合下游任务的注意分布。实验结果显示本文提出的方法有着更好的泛化能力与高效的数据效率。

16:40-17:00丨谢湘晋

清华大学深圳国际研究生院硕士生

报告题目：Global Mixup: Eliminating Ambiguity with Clustering

报告摘要：数据增强是一种有效的正则化模型的方式，但是数据增强面临着一个两难的困境：保证标签的置信度但是生成与原始样本的样本或者生成与原始样本不相似的样本但是无法保证标签的置信度。这是由于数据增强一段式的增强方式：同时生成样本和继承标签引起的。为了解决这个问题我们在Mixup这个数据增强方法上做了优化，将一段式的数据增强解耦为两段式的，通过聚类方法消除标签确定阶段产生的歧义性，并解除了数据增强生成样本的采样空间限制。

请添加“AI TIME小助手（微信号：AITIME_HY）”，回复“AAAI”，将拉您进群！

AI TIME微信小助手

国际科技信息中心是致力于打造数据与知识双轮驱动的认知智能平台，涵盖基础设施、科技文献、科技数据、科技情报、高端智库和智能服务等体系。

SCITIC论坛由国际科技信息中心倾力打造，围绕深圳“20+8”产业集群相关方向与研究领域，邀请国内外青年学者、科研与产业界专家进行技术前沿与产业趋势内容分享，旨在通过前沿领域输出和观点思辨来探讨各领域的未来发展以及互相之间的交叉与融合。

往期精彩文章推荐

记得关注我们呀！每天都有新知识！

 关于AI TIME 

AI TIME源起于2019年，旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索，加强思想碰撞，链接全球AI学者、行业专家和爱好者，希望以辩论的形式，探讨人工智能和人类未来之间的矛盾，探索人工智能领域的未来。

迄今为止，AI TIME已经邀请了900多位海内外讲者，举办了逾400场活动，超400万人次观看。

我知道你

在看

哦

~

点击 阅读原文 观看直播！