点击下方卡片,关注“CVer”公众号
AI/CV重磅干货,第一时间送达
转载自:机器之心
刚刚,AAAI 2023 大会公布了今年的杰出论文奖、杰出学生论文奖等重要奖项。
AAAI 全称为国际先进人工智能协会 (Association for the Advancement of Artificial Intelligence),是人工智能和机器学习领域的顶级会议,据最新中国计算机学会推荐国际学术会议和期刊目录,AAAI 为人工智能领域的 A 类会议。
AAAI2023 共接收 8777 篇投稿,接收论文 1721 篇,接受率仅为 19.6%。
AAAI-23 正于 2023 年 2 月 7~14 日在美国华盛顿特区举行。刚刚,大会官网公布了今年的杰出论文奖、杰出学生论文奖等重要奖项。
杰出论文奖
今年获得 AAAI 杰出论文奖的是论文《Misspecification in Inverse Reinforcement Learning》。
论文地址:https://arxiv.org/abs/2212.03201
机构:牛津大学计算机科学系
论文作者:Joar Skalse、Alessandro Abate
论文简介:逆向强化学习 (IRL) 旨在从策略 π 中推断出奖励函数 R,因此需要对 π 与 R 之间的关系进行建模。IRL 的主要目的是从人类行为中推断出人类偏好。然而,人类偏好与人类行为之间的真正关系比目前 IRL 中使用的任何模型都要复杂得多。这意味着 IRL 会推断出错误的结果,难以实际应用。该论文从理论上对 IRL 模型进行了数学分析,并指出演示策略与其他导致错误推断的策略有何不同。
杰出学生论文奖
获得杰出学生论文奖的是论文《Decorate the Newcomers: Visual Domain Prompt for Continual Test Time Adaptation》。
论文地址:https://arxiv.org/abs/2212.04145
机构:北京大学、武汉大学、华为、香港中文大学、中科院航天信息研究所
论文作者:Yulu Gan、Xianzheng Ma、Yihang Lou、Yan Bai、 Renrui Zhang、Nian Shi、Lin Luo
论文简介:Continual Test-Time Adaptation (CTTA) 旨在使源模型适应不断变化的未标记目标域,而无需访问源数据。现有方法主要侧重于以自训练方式进行基于模型的自适应,例如为新领域数据集预测伪标签。由于伪标签嘈杂且不可靠,这些方法在处理动态数据分布时会遭受灾难性的「遗忘」和错误累积。
受 NLP 中 prompt 学习的启发,该研究提出在冻结(frozen)源模型参数的同时为目标域学习图像级视觉域 prompt。在测试期间,通过使用学习到的视觉 prompt 重新制定输入数据,这可以使不断变化的目标数据集适应源模型。
具体来说,该研究设计了两种类型的 prompt,即领域特定 prompt 和领域不可知 prompt,以提取当前领域知识并在持续适应中维护领域共享知识。此外,该研究还设计了一种基于稳态的 prompt 适应策略,以抑制领域不变 prompt 中的领域敏感参数,从而更有效地学习领域共享知识。
这种从依赖模型的范式到无模型范式的转变使该方法绕过了灾难性的错误累积问题。实验表明,该研究提出的方法在四个广泛使用的基准(包括 CIFAR-10C、CIFAR-100C、ImageNet-C 和 VLCS 数据集)上比当前 SOTA 方法取得了显著的性能提升。
除了杰出论文和杰出学生论文,还有多篇论文获得优秀论文奖,获奖名单如下:
论文 1:DropMessage: Unifying Random Dropping for Graph Neural Networks
论文作者:Taoran Fang, Zhiqing Xiao, Chunping Wang, Jiarong Xu, Xuan Yang, Yang Yang
论文 2:Two Heads are Better than One: Image-Point Cloud Network for Depth-Based 3D Hand Pose Estimation
论文作者:Pengfei Ren, Yuchen Chen, Jiachang Hao, Haifeng Sun, Qi Qi, Jingyu Wang, Jianxin Liao
论文 3:Neural Architecture Search for Wide Spectrum Adversarial Robustness
论文作者:Zhi Cheng, Yanxi Li, Minjing Dong, Xiu Su, Shan You, Chang Xu
论文 4:CowClip: Reducing CTR Prediction Model Training Time from 12 hours to 10 minutes on 1 GPU
论文作者:Zangwei Zheng, Pengtai Xu, Xuan Zou, Da Tang, Zhen Li, Chenguang Xi, Peng Wu, Leqi Zou, Yijie Zhu, Ming Chen, Xiangzhuo Ding, Fuzhao Xue, Ziheng Qin, Youlong Cheng, Yang You
论文 5:DICNet: Deep Instance-Level Contrastive Network for Double Incomplete Multi-View Multi Label Classification
论文作者:Chengliang Liu, Jie Wen, Xiaoling Luo, Chao Huang, Zhihao Wu, Yong Xu
论文 6:Exploring Tuning Characteristics of Ventral Stream’s Neurons for Few-Shot Image Classification
论文作者:Lintao Dong, Wei Zhai Zheng-Jun Zha
论文 7:MaskBooster: End-to-End Self-Training for Sparsely Supervised Instance Segmentation
论文作者:Shida Zheng, Chenshu Chen, Xi Yang, Wenming Tan
论文 8:SimFair: A Unified Framework for Fairness-Aware Multi-Label Classification
论文作者:Tianci Liu, Haoyu Wang, Yaqing Wang, Xiaoqian Wang, Lu Su, Jing Gao
论文 9:XRand: Differentially Private Defense against Explanation-Guided Attacks
论文作者:Truc Nguyen, Phung Lai, Hai Phan, My T. Thai
论文 10:Clustering What Matters: Optimal Approximation for Clustering with Outliers
论文作者:Akanksha Agrawal, Tanmay Inamdar, Saket Saurabh, Jie Xue
论文 11:Robust Average-Reward Markov Decision Processes
论文作者:Yue Wang, Alvaro Velasquez, George Atia, Ashley Prater-Bennette, Shaofeng Zou
论文 12:Efficient Answer Enumeration in Description Logics with Functional Roles
论文作者:Carsten Lutz, Marcin Przybylko
参考链接:
https://aaai-23.aaai.org/
https://aaai-23.aaai.org/wp-content/uploads/2023/02/AAAI-23-Paper-Awards.pdf
2023年AI算法岗求职群已成立!
本星球不仅面向2024届、2025届找工作和找实习的学生(研一/研二/大三/大四等),还面向刚入学或已工作的人群。目前已有超过4500+位同学加入。星球旨在分享AI算法岗的秋招准备攻略(含刷题)、面试经验和校招/社招/实习的内推机会(含提前批)、学习路线、知识题库和Offer如何选择等。
希望这个星球可以让你少走一些
▲点击上方卡片,关注CVer公众号
整理不易,请点赞和在看