AI_Conf的博客

持续更新中

持续更新中

1论文名称：Low Resolution Information Also Matters - Learning Multi-Resolution Representations for Person Re-Identification.论文链接： https://www.aminer.cn/pub/60b0713391e0118b560fecd1?f=cs2论文名称：Graph Consistency Based Mean-Teaching for Unsupervised Domain Adapti

1、 论文名称：Reinforcement Learning for Sparse-Reward Object-Interaction Tasks in a First-person Simulated 3D Environment.论文链接：https://www.aminer.cn/pub/5f9bd99491e011dcf482d815?f=cs2、 论文名称：BACKDOORL - Backdoor Attack against Competitive Reinforcement Learnin

1、 论文名称：Evolving Search Space for Neural Architecture Search论文链接：https://www.aminer.cn/pub/5fbcdaee91e01127d58eee45?f=cs论文名称：AdvRush: Searching for Adversarially Robust Neural Architectures论文链接：https://www.aminer.cn/pub/610a359e5244ab9dcbb12867?f=cs论文名

1、 论文名称：Re-distributing Biased Pseudo Labels for Semi-supervised Semantic Segmentation: A Baseline Investigation论文链接：https://www.aminer.cn/pub/60fe36095244ab9dcb35b009?f=cs2、 论文名称：A Simple Baseline for Semi-supervised Semantic Segmentation with Strong Da

1、 论文名称：Re-distributing Biased Pseudo Labels for Semi-supervised Semantic Segmentation: A Baseline Investigation论文链接：https://www.aminer.cn/pub/60fe36095244ab9dcb35b009?f=cs2、 论文名称：Warp Consistency for Unsupervised Learning of Dense Correspondences论文链接：h

AMiner-ICCV 2021 https://www.aminer.cn/conf/iccv20211、论文名称：Pyramid Vision Transformer: A Versatile Backbone for Dense Prediction without Convolutions论文链接：https://www.aminer.cn/pub/6037844c91e011d7c73cd4b7尽管使用卷积神经网络 (CNN) 作为主干在计算机视觉中取得了巨大成功，但这项工作研究了一个简单的

目标检测已经做到很成熟了，但是视频目标检测确实还在发展之中，视频目标检测主要挑战在于在长视频中往往有些帧的质量非常差，比如目标物体出现以下情况，单纯的目标检测算法难以胜任。AMiner给大家准备了三篇关于视频目标检测的相关论文，希望给到大家对研究视频目标检测有帮助。1.Dogfight: Detecting Drones from Drones Videos链接：https://www.aminer.cn/pub/6065b30e91e011d10ad615ab/2.Depth from Camer

AMiner平台由清华大学计算机系研发，拥有我国完全自主知识产权。平台包含了超过2.3亿学术论文/专利和1.36亿学者的科技图谱，提供学者评价、专家发现、智能指派、学术地图等科技情报专业化服务。系统2006年上线，吸引了全球220个国家/地区1000多万独立IP访问，数据下载量230万次，年度访问量超过1100万，成为学术搜索和社会网络挖掘研究的重要数据和实验平台。ICLR 2021 论文推荐ICLR，全称为「International Conference on Learning Represe.

AMiner平台由清华大学计算机系研发，拥有我国完全自主知识产权。平台包含了超过2.3亿学术论文/专利和1.36亿学者的科技图谱，提供学者评价、专家发现、智能指派、学术地图等科技情报专业化服务。系统2006年上线，吸引了全球220个国家/地区1000多万独立IP访问，数据下载量230万次，年度访问量超过1100万，成为学术搜索和社会网络挖掘研究的重要数据和实验平台。CVPR 2021 论文推荐GST: Group-Sparse Training for Accelerating Deep Rein.

AMiner平台（https://www.aminer.cn）由清华大学计算机系研发，拥有我国完全自主知识产权。平台包含了超过2.3亿学术论文/专利和1.36亿学者的科技图谱，提供学者评价、专家发现、智能指派、学术地图等科技情报专业化服务。系统2006年上线，吸引了全球220个国家/地区1000多万独立IP访问，数据下载量230万次，年度访问量超过1100万，成为学术搜索和社会网络挖掘研究的重要数据和实验平台。必读论文：https://www.aminer.cn/topic论文集地址：https:/.

AMiner平台由清华大学计算机系研发，拥有我国完全自主知识产权。平台包含了超过2.3亿学术论文/专利和1.36亿学者的科技图谱，提供学者评价、专家发现、智能指派、学术地图等科技情报专业化服务。系统2006年上线，吸引了全球220个国家/地区1000多万独立IP访问，数据下载量230万次，年度访问量超过1100万，成为学术搜索和社会网络挖掘研究的重要数据和实验平台。CVPR 2021 论文推荐CVPR，英文全称Conference on Computer Vision and Pattern Re.

强化学习（Reinforcement learning）是机器学习中的一个领域，强调如何基于环境而行动，以取得最大化的预期利益。其灵感来源于心理学中的行为主义理论，即有机体如何在环境给予的奖励或惩罚的刺激下，逐步形成对刺激的预期，产生能获得最大利益的习惯性行为。1.论文名称：Off-Dynamics Reinforcement Learning: Training for Transfer with Domain Classifiers论文链接：https://www.aminer.cn/pub/5e.

AMiner平台（https://www.aminer.cn）由清华大学计算机系研发，拥有我国完全自主知识产权。平台包含了超过2.3亿学术论文/专利和1.36亿学者的科技图谱，提供学者评价、专家发现、智能指派、学术地图等科技情报专业化服务。系统2006年上线，吸引了全球220个国家/地区1000多万独立IP访问，数据下载量230万次，年度访问量超过1100万，成为学术搜索和社会网络挖掘研究的重要数据和实验平台。必读论文：https://www.aminer.cn/topic论文集地址：https:/.

AMiner平台（https://www.aminer.cn）由清华大学计算机系研发，拥有我国完全自主知识产权。平台包含了超过2.3亿学术论文/专利和1.36亿学者的科技图谱，提供学者评价、专家发现、智能指派、学术地图等科技情报专业化服务。系统2006年上线，吸引了全球220个国家/地区1000多万独立IP访问，数据下载量230万次，年度访问量超过1100万，成为学术搜索和社会网络挖掘研究的重要数据和实验平台。必读论文：https://www.aminer.cn/topic论文集地址：https:/.

AMiner平台（https://www.aminer.cn）由清华大学计算机系研发，拥有我国完全自主知识产权。平台包含了超过2.3亿学术论文/专利和1.36亿学者的科技图谱，提供学者评价、专家发现、智能指派、学术地图等科技情报专业化服务。系统2006年上线，吸引了全球220个国家/地区1000多万独立IP访问，数据下载量230万次，年度访问量超过1100万，成为学术搜索和社会网络挖掘研究的重要数据和实验平台。必读论文：https://www.aminer.cn/topic论文集地址：https:/.

对抗训练（adversarial training）是增强神经网络鲁棒性的重要方式。在对抗训练的过程中，样本会被混合一些微小的扰动（改变很小，但是很可能造成误分类），然后使神经网络适应这种改变，从而对对抗样本具有鲁棒性。在图像领域，采用对抗训练通常能提高鲁棒性，但是通常都会造成泛化性降低，也就是说，虽然对对抗样本的抵抗力提升了，但是有可能影响普通样本的分类能力。神奇的是，在语言模型领域却观察到不一致的结果——对抗训练既提高了鲁棒性也提高了泛化性。1.论文名称：Amata: An Annealing M.

AMiner会议周刊旨在帮助大家了解人工智能领域的学术会议最新动态。近期会议日程提醒论文截稿时间 （东八区时间）:IJCAI2021 :2021年1月21日 19:59:59ACL2021 :2021年2月2日 19:59:59ICML2021:2021年2月4日 19:59:59即将开始的会议:AAAI 2021:2021年2月2日-9日会议论文推荐1.论文名称：Contrastive Transformation for Self-supervised Correspondence .

研讨会介绍本跨学科研讨会的目的是召集研究人员和从业人员讨论在知识管理和创新中应用的各种AI方法和技术的经验。它包括用于知识管理的AI的方法，技术和组织，以及使用AI的KM应用程序的反馈。要解决的主题包括：知识管理方法，模型，决策支持系统，管理顾问，虚拟培训等，这些将为多学科应用以及应用于全球安全和可持续性的知识管理提供启发。相关论文1.论文名称：Enriching Documents with Compact, Representative, Relevant Knowledge Graphs论文.

AMiner平台由清华大学计算机系研发，拥有我国完全自主知识产权。平台包含了超过2.3亿学术论文/专利和1.36亿学者的科技图谱，提供学者评价、专家发现、智能指派、学术地图等科技情报专业化服务。系统2006年上线，吸引了全球220个国家/地区1000多万独立IP访问，数据下载量230万次，年度访问量超过1100万，成为学术搜索和社会网络挖掘研究的重要数据和实验平台。IJCAI 2020 论文推荐A Deep Reinforcement Learning Approach to Concurrent.

在Medium上，有位名为Prabhu Prakash Kagitha的博主，根据NeurIPS 2020上的论文发表了一篇题为“NeurIPS 2020 Papers: Takeaways for a Deep Learning Engineer”的文章，阅读了NeurIPS 2020中的175篇论文的摘要，汇总了与深度学习有关的见解。让我们一起看看深度学习er都能学习到什么：1、加速基于Transformer的语言模型的逐层下降训练与标准翻译器相比，可切换翻译器(ST)的预训练速度快2.5倍。.

几小时前，ICLR（国际学习表征会议）组委会公布了今年的论文接收结果。今年，ICLR共收到了2997篇论文投稿，相比去年的2594篇论文投稿，增加了15.5%。其中860篇论文被接收，接受率为28.7%，这些论文有53篇分布在Oral，114篇分布在Spotlight以及693 篇将会用Poster展示。ICLR由Lecun，Hinton和Bengio三位神经网络的元老联手发起。近年来随着深度学习在工程实践中的成功，ICLR会议也在短短的几年中发展成为了神经网络的顶会。在ICLR论文结果公布之际，Le.

教程介绍深度神经网络在计算机视觉、计算语言学和人工智能等领域的广泛应用无疑带来了巨大的成功。然而，DNNs成功的基本原理、DNNs的可信性和DNNs对抗攻击的恢复能力仍然很大程度上缺乏。在可解释人工智能的范围内，对网络预测解释可信度的量化和DNN特征可信度的分析成为一个引人注目但又有争议的话题。相关问题包括：网络特征可信度的量化；DNNs解释的客观性、鲁棒性、语义严谨性；可解释神经网络解释性的语义严谨性等。重新思考现有可解释机器学习方法的可信性和公平性，对可解释机器学习的进一步发展具有重要的价值。本教.

AMiner平台由清华大学计算机系研发，拥有我国完全自主知识产权。平台包含了超过2.3亿学术论文/专利和1.36亿学者的科技图谱，提供学者评价、专家发现、智能指派、学术地图等科技情报专业化服务。系统2006年上线，吸引了全球220个国家/地区1000多万独立IP访问，数据下载量230万次，年度访问量超过1100万，成为学术搜索和社会网络挖掘研究的重要数据和实验平台。IJCAI 2020 论文推荐Unsupervised Scene Adaptation with Memory Regulariza.

**终于开幕！**原定于2020年7月份开幕IJCAI 2020，在2021年1月11日开幕，会议地址也由日本横滨改到了全线上。组委会说，他们尽力缩小了线上会议和现实会议之间的差距，在线上，你可以在大堂参观，加入会议室进行研讨。总之，演讲、Q&A以及Poster 研讨会、社交互动都可以在虚拟场所进行。对此，南京大学周志华教授评价：这次举行的会议全称是：IJCAI-PRICAI 2020暨第29届国际人工智能联合会议和第17届环太平洋人工智能国际会议 （International Joint .

AMiner平台由清华大学计算机系研发，拥有我国完全自主知识产权。平台包含了超过2.3亿学术论文/专利和1.36亿学者的科技图谱，提供学者评价、专家发现、智能指派、学术地图等科技情报专业化服务。系统2006年上线，吸引了全球220个国家/地区1000多万独立IP访问，数据下载量230万次，年度访问量超过1100万，成为学术搜索和社会网络挖掘研究的重要数据和实验平台。IJCAI 2020 论文推荐Scaling Up AND/OR Abstraction Sampling论文链接：https://.

论文名称：Co-GAT: A Co-Interactive Graph Attention Network for Joint Dialog Act Recognition and Sentiment Classification推荐理由：本文介绍的是来自哈工大赛尔实验室刘挺老师和车万翔老师组在AAAI2021上的工作。在对话系统中，对话行为识别和情感分类是捕获说话人意图的两个相关任务，其中对话行为和情感可以分别指示显式意图和隐式意图。对话上下文信息（上下文信息）和相互交互信息是促成两个相关任务的两个关

论文名称：Hierarchical Relational Inference推荐理由：这是Jürgen Schmidhuber组在AAAI2021上的工作，现实世界中的常识性物理推理（Common-sense physical reasoning）需要学习物体的相互作用及其动态。然而，抽象对象的概念包含了各种各样的物理对象，这些对象在它们支持的复杂行为方面有很大的不同。为了解决这个问题，作者提出了一种新颖的物理推理方法，将对象建模为部分的层次结构，这些部分可能在局部单独行为，但更多地在全局范围内作为一个单

论文名称：AViD Dataset: Anonymized Videos from Diverse Countries推荐理由：作者介绍了一个用于动作识别的新公共视频数据集：来自多个国家的匿名视频（ Anonymized Videos from Diverse countries，简称AVID）。与现有的公共视频数据集不同，AVID是来自许多不同国家的动作视频的集合。该工作动机是创建一个公共数据集，这将有利于为所有人进行动作识别模型的训练和预训练，而不是让模型仅对有限的国家有用。此外，所有AViD视频中的

论文名称：Time to Transfer: Predicting and Evaluating Machine-Human Chatting Handoff推荐理由：聊天机器人能够完全取代人类代理吗？简短的回答可能是–“这取决于…”。对于一些具有挑战性的情况，例如，对话的话题范围超出了训练语料的覆盖范围，聊天机器人可能会出现故障，并返回不理想的语句。这个问题可以通过引入机器-人类聊天交接（MHCH）来解决，它可以实现人类-算法的协作。为了检测正常/可转移的语句，作者提出了一个困难辅助匹配推理（Diffi

论文名称：Sample-Efficient Optimization in the Latent Space of Deep Generative Models via Weighted Retraining推荐理由：科学和工程中的许多重要问题，如药物设计，涉及在复杂、高维和结构化的输入空间上优化一个代价高昂的黑盒目标函数（black-box objective function）。虽然机器学习技术在解决这类问题中表现出了前景，但现有的方法实质上缺乏样本效率。作者引入了一种改进的高效黑盒优化方法，该方法在

论文名称：Video Question Answering on Screencast Tutorials推荐理由：本文介绍了一种关于录屏教程的新颖视频答题任务（video question answering task）。作者介绍了一个数据集，它包括某软件的教程视频中的问题、答案和上下文三元组（context triples）。与其他视频答题工作不同的是，作者数据集中的所有答案都是基于领域知识库的。该工作设计了一种单次识别算法来提取视觉线索，这有助于提高视频答题的性能。同时，作者还根据数据集中视频语境的

IJCAI 2020 论文推荐：论文名称：Textual Membership Queries推荐理由：对数据进行人工标注非常耗时且昂贵，但在很多情况下，这一步骤对于学习过程的成功而言至关重要。为了最大限度地减少人为标注工作，作者提出了一种新型的主动学习方案，它不依赖于现有的未标注数据源。该方法使用少量的标记数据作为核心集，用于合成有用成员查询（MQs）——由人工标记算法生成的未标记实例。作者利用修改运算符和函数，在一定程度上改变实例。他们将这些运算符应用于一小部分实例集（核心集），以创建一组新的成员查

论文名称：An Open Review of OpenReview: A Critical Analysis of the Machine Learning Conference Review Process推荐理由：近年来，主流机器学习会议的参与者数量急剧增加，并且观点范围不断扩大。在这项工作中，作者通过对2017年至2020年间提交给ICLR的论文进行全面研究，对评审过程进行了批判性分析。作者量化了评审分数和接受决策的可重复性/随机性，并研究分数是否与论文影响相关。本文的研究结果表明，在控制论文质量这

论文名称：Attack of the Tails: Yes, You Really Can Backdoor Federated Learning论文链接：https://www.aminer.cn/pub/5f0c26af91e0115455a34adb/?conf=neurips2020推荐理由：由于其分散的本质，联邦学习（Federated Learning）在训练过程中容易受到后门形式的对抗性攻击。后门的目标是破坏训练后的模型在特定子任务上的性能（例如，通过将绿色汽车分类为青蛙）。相关文献中介绍

论文名称：Internal and Contextual Attention Network for Cold-start Multi-channel Matching in Recommendation论文链接：https://www.aminer.cn/pub/5ef96b048806af6ef277212d/?conf=ijcai2020推荐理由：现实世界中的综合个性化推荐系统通常要处理数以百万计的异构项目。由于巨大的计算成本，用复杂的模型进行全语料库检索极具挑战性。因此，大多数大规模的推荐系统由

订阅了解更多论文信息，定制您的个人科研动态信息流：https://www.aminer.cn/user/notificationIJCAI 2020 论文推荐：论文名称：Toward A Neuro-inspired Creative Decoder推荐理由：造力，是一个产生新颖和有价值的想法的过程，它涉及到大脑中任务正激活（控制）和任务负激活（默认）网络之间的关联增强。受这一重要发现的启发，作者提出了一种创意解码器，它可以直接调控神经元激活模式，同时从学习隐空间（learned latent sp.

IJCAI 2020 论文推荐：论文名称：PeerNomination: Relaxing Exactness for Increased Accuracy in Peer Selection在同行选择(peer selection) 中，代理(agents)必须选择自己的一个子集来获得一个奖项(award)或奖品(prize)。由于代理是自利的，作者希望设计出公正的算法，使单个代理不能影响自己被选中的机会。这个问题在资源分配和机制设计中有着广泛的应用，也在人工智能文献中受到了大量的关注。作者在这项研.

AMiner平台（https://www.aminer.cn）由清华大学计算机系研发，拥有我国完全自主知识产权。平台包含了超过2.3亿学术论文/专利和1.36亿学者的科技图谱，提供学者评价、专家发现、智能指派、学术地图等科技情报专业化服务。系统2006年上线，吸引了全球220个国家/地区1000多万独立IP访问，数据下载量230万次，年度访问量超过1100万，成为学术搜索和社会网络挖掘研究的重要数据和实验平台。必读论文：https://www.aminer.cn/topic在线机器学习是工业界比较常.