電院學子論文被國際計算機視覺頂級會議CVPR 2020錄用

 （通訊員：段小樂）  2月24日，2020年度IEEE國際計算機視覺與模式識別會議 (IEEE Conference on Computer Vision and Pattern Recognition，簡稱CVPR) 公布了接收論文結果。我院影像處理實驗室鄧成教授、高新波教授聯合指導的3篇論文入選，論文第一作者分別為博士生楊木李、黨致遠和李茂森。

據悉，本屆CVPR的評審陣容包括198位領域主席和3664位審稿人。會議共收到6656篇有效投稿，收錄論文1470篇，接收率約22%，相比去年降低3個百分點，競爭態勢愈發激烈。CVPR作為計算機視覺領域頂級國際會議之一，每年都吸引全球眾多頂尖科研工作者投稿，其錄用論文指引著計算機視覺領域未來的研究方向。CVPR被中國計算機學會（CCF）推薦為A類會議。根據權威的Google Scholar Citation最新統計，CVPR的H5 index為240，位列全球所有出版物第10（Nature第1，Science第3），工程與計算機類出版物第2，泛人工智能領域第1。

楊木李博士的論文“Learning Unseen Concepts via Hierarchical Decomposition and Composition”提出了一種全新的“分而治之，治而合之”的學習策略以解決未知概念對的識別問題。該方法首先將已知概念對的圖像輸入拆分為單個概念的視覺特征，然后在語義空間中與其他概念的文本特征組合為具有三種層級結構的概念對。通過進一步挖掘隱藏在這些概念對中的自監督信息，自適應地調控不同概念對之間的距離關系，實現已知概念向未知概念的知識遷移，有效提升未知概念對的識別能力。

黨致遠博士的論文“Multi-Scale Fusion Subspace Clustering Using Similarity Constraint”設計了一種使用相似性約束的多尺度融合網絡來學習更具判別力的自表示系數矩陣。該方法首次提出融合深度子空間聚類中的多尺度信息，大幅提高了深度子空間聚類在多個基準數據集上的性能。

李茂森博士的“Towards Transferable Targeted Attack”提出了一種基于龐加萊度量與三元組損失的有目標對抗樣本生成方法。該方法首次發現并提倡目標對抗樣本不同于非目標攻擊的特殊性，解決了傳統目標攻擊方法中的噪聲固化問題，額外利用了常在目標攻擊中被忽視的真實標簽信息，有效提升了所生成有目標對抗樣本的遷移能力。