Close

多模态认知计算省重点实验室举办首届青年论坛


发表日期:2020-12-16 供稿:郑爱华

1213日上午,多模态认知计算省重点实验室首届青年论坛在安徽大学磬苑校区行知楼负一楼报告厅举办。来自中国科学院自动化研究所的黄岩博士、美国加州大学洛杉矶分校的王可泽博士、北京大学王选计算机研究所的胡玮博士和中科院自动化所智能感知与计算研究中心的黄怀波博士应邀参加会议,并作了高水平的学术报告,我院副院长汤进致欢迎词,安徽大学及省内多所高校的师生通过线上线下参加会议。会议由我院江波博士主持。

微信图片_20201214103602

(副院长汤进致开幕词)

本次论坛第一场是黄岩博士所作的报告。题目为基于对齐跨模态记忆的少样本图像和句子匹配。报告指出,图像与句子匹配问题备受关注,并提出了许多有效的方法,但其固有的少样本问题,即图像和句子中不常见的实例和单词不能很好地关联,往往被忽视,研究较少。因而黄岩博士介绍了课题组最近在少样本图像和句子匹配方面所做的工作,提出了一个对齐跨模态记忆(ACMM)模型来处理这一问题,介绍了当前最新的工作进展。

-6195a0f75a5a333b

黄岩博士作主题报告

本次论坛第二场是王可泽博士所作的报告,题目为基于人机交流学习理论和常识建模。报告指出,不同于现有的机器学习范式,通过人机双向问答过程,人和计算机能逐渐统一对事物的认知,基于人机问答的交流沟通和信息传递方式,在问答过程中分别为人和机器设计不同的视觉概念解析图模型,并解释了什么是视觉解析图模型以及它在人机交流学习中如何作用。

2efe3769f4151098

(王可泽博士作主题报告

本次论坛第三场是胡玮博士所作的报告,题目为无监督图表征学习。报告指出,图数据的机器学习越来越受到重视,但现有的图卷积神经网络模型大多以监督或半监督的方式进行训练,标记成本高,而以无监督的方式来学习图特征表示的方法可以适应更多图的学习任务。基于此,胡玮博士课题组提出了在自动编码器框架下,以无监督的方式编码图中节点的变换方式来实现图变换共变表征学习的方法,介绍了当前最新的工作进展。

-16f623774a09846b

胡玮博士作主题报告

本次论坛最后一场是黄怀波博士所作的报告,题目为深度人脸图像合成。报告指出,当前人脸图像合成技术已经可以产生肉眼难辨真假的虚拟人脸图像,但是在复杂场景下仍然存在细节模糊、生成质量不高和小样本学习等问题。基于此,黄怀波博士以深度学习框架为基础,理论部分从生成学习和表示学习等方面介绍人脸图像合成所涉及的主要基础理论和方法;应用部分结合人脸图像生成、人脸图像复原、年龄合成与分析、人脸图像伪造等方面介绍具体应用场景以及最新进展。

272b900c3ae7cb2d

(黄怀波博士作主题报告

在每一场的提问环节中,四位博士详细地回答了学生和老师们的问题。此次论坛,四位博士用简洁易懂的语言,并结合自己的研究实例深入浅出地讲解了各自的领域知识,奉献出一场高水平的论坛,让师生们受益匪浅