TPAMI 2023 特刊征稿!大规模多模态学习!

点击下方卡片,关注“CVer”公众号

AI/CV重磅干货,第一时间送达

点击进入—>多模态学习技术交流群

442da866ded690f01742bd420a9a5ddc.png

Large-Scale Multimodal Learning:   Universality, Robustness, Efficiency, and Beyond

TPAMI Special Issue

CALL FOR PAPERS

主旨

近年来,由于互联网的高速发展和各种智能设备的涌现,通过互联网传输的多模态数据日益增多,因此出现了越来越多的多模态应用场景,包括商业服务(如电子商务/商品检索、视觉和语言导航)、通信(如唇读、手语翻译)、人机交互、智慧医疗、智能安防等。特别地,在深度学习时代,深度神经网络极大地促进了多模态学习的发展。

本期特刊的目标是汇集来自多个学科(如:计算机视觉、自然语言处理、机器学习、深度学习、智慧医疗、生物信息学、认知科学)的观点,提出重要的科学问题,并发现研究机会,以应对深度学习和大数据时代多模态学习领域的突出挑战。

客座编辑

c570b4854d3f2a8afb6894013484f92d.png

征稿信息

范围与主题包括但不限于:

-通用多模态学习

-鲁棒的多模态学习

-高效的多模态学习,如模型压缩,快速检索

-大规模的多模态预训练

-自监督/非监督/弱监督多模态学习

-多模态表示学习

-多模态迁移学习

-多模态度量学习

-多模态生成

-多模态数据集和评价指标

-多模态应用,如机器人、AR/VR、艺术/工业设计、医疗保健、商业和教育。

重要时间节点

提交截止日期:2023年3月1日

审稿意见通知日期:2023年6月1日

修订截止日期:2023年8月1日

结果通知日期:2023年9月1日

出版日期(预计): 2023年10月1日

本期特刊的审稿过程将依照TPAMI的标准审稿程序进行。本期特刊将对实验结果的可复现性提出要求,论文被接收后,作者将被要求发布源代码,并提供必要的实验细节。投稿前,请阅读《TPAMI作者须知》(https://www.computer.org/web/tpami/author)。

投稿网址:

https://mc.manuscriptcentral.com/tpami-cs

特刊网页网址http://www.pengxu.net/cfp.html

1245cf49ff2ecb8bb1e7d6ec2b7a94c9.png

9f4816e667d3f8d49ff55d00099aec67.png

点击进入—>多模态学习技术交流群

 
 

多模态学习论文和代码下载

 
 

后台回复:CVPR2022,即可下载CVPR 2022论文和代码开源的论文合集

后台回复:ECCV2022,即可下载ECCV 2022论文和代码开源的论文合集

后台回复:Transformer综述,即可下载最新的3篇Transformer综述PDF

多模态学习交流群成立
扫描下方二维码,或者添加微信:CVer222,即可添加CVer小助手微信,便可申请加入CVer-多模态学习 微信交流群。另外其他垂直方向已涵盖:目标检测、图像分割、目标跟踪、人脸检测&识别、OCR、姿态估计、超分辨率、SLAM、医疗影像、Re-ID、GAN、NAS、深度估计、自动驾驶、强化学习、车道线检测、模型剪枝&压缩、去噪、去雾、去雨、风格迁移、遥感图像、行为识别、视频理解、图像融合、图像检索、论文投稿&交流、PyTorch、TensorFlow和Transformer等。
一定要备注:研究方向+地点+学校/公司+昵称(如多模态学习+上海+上交+卡卡),根据格式备注,可更快被通过且邀请进群

▲扫码或加微信号: CVer222,进交流群
CVer学术交流群(知识星球)来了!想要了解最新最快最好的CV/DL/ML论文速递、优质开源项目、学习教程和实战训练等资料,欢迎扫描下方二维码,加入CVer学术交流群,已汇集数千人!

▲扫码进群
▲点击上方卡片,关注CVer公众号
整理不易,请点赞和在看
  • 1
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值