電子工程學院4篇成果被ICCV 2023錄用

近日，2023年度國際計算機視覺會議（ICCV 2023）公布了論文錄用結果，電子工程學院共計4篇論文被錄用。分別是鄧成教授團隊武阿明博士的《Deep Feature Deblurring Diffusion for Detecting Out-of-Distribution Objects》、閆杰熹博士的《Learning with Diversity:  Self-Expanded Equalization for Better Generalized Deep Metric Learning》和閔聿寬博士的《Environment-Invariant Curriculum Relation Learning for Fine-Grained Scene Graph Generation》，陳渤教授團隊李妙歌碩士與王東升博士合作的《PatchCT: Aligning Patch Set and Label Set with Conditional Transport for Multi-Label Image Classification》。

據悉，ICCV由電氣和電子工程師協會（IEEE）主辦，每兩年舉辦一次，是計算機視覺領域頂級會議之一，此次會議共接收論文2160篇，錄用率約為26.7%。ICCV 2023將于10月2日至10月6日在法國巴黎舉辦。

武阿明博士論文“Deep Feature Deblurring Diffusion for Detecting Out-of-Distribution Objects”提出了一種用于生成分布外特征的擴散機制（深度特征去模糊擴散）。通過利用生成的特征，緩解了缺乏分布外數據的影響，提升了模型區分分布外物體和分布內物體的能力。多個檢測任務和數據集上的實驗結果表明了所提方法的有效性。

 

閆杰熹博士論文“Learning with Diversity:  Self-Expanded Equalization for Better Generalized Deep Metric Learning”探索了深度度量學習中的魯棒性與泛化性問題，并提出一個新的自擴展對齊方法，自適應地生成具有域多樣性的樣本并有效地利用這些生成樣本用于度量模型的訓練，進一步提升度量模型在未見類和未見域上的泛化能力。在多個數據集上的實驗結果有效證明了所提出方法的有效性。

閔聿寬博士論文“Environment-Invariant Curriculum Relation Learning for Fine-Grained Scene Graph Generation”提出了一種基于不變課程關系學習的場景圖生成方法。基于場景圖生成任務中存在的問題，首先為場景中的各個實體構建不同的采樣分布環境，并以此學習一個對環境變化穩定不變的模型，緩解場景圖生成中的實體數量不平衡問題。其次，為了減輕實體關系的不平衡現象，構建了類均衡的課程學習策略，以平衡不同的學習環境，消除實體關系中的不平衡。實驗結果證明了本方法能夠優化多種現有的場景圖生成模型。

李妙歌碩士與王東升博士合作的“PatchCT: Aligning Patch Set and Label Set with Conditional Transport for Multi-Label Image Classification”，PatchCT是該團隊條件傳輸(Conditional Transport)系列工作在圖像多標簽分類的一次嘗試。作者將多標簽分類任務看作圖像-文本模態對齊問題。通過加載預訓練好的視覺、語言編碼器，得到圖片在兩個模態下的不同語義表示，其中視覺模態由多個圖片patch組成，語義模態由相應的類別vector組成。利用條件傳輸理論正則同一圖片的兩種不同語義表示，進而完成多標簽分類任務，在多個數據集上實現Sota結果，為多標簽分類領域提供了一種新的解決思路。

此次4篇成果的錄用體現了國際學術領域對電院師生科研成果的認可，既擴大了學院的學術影響力，又促進了師生與領域內頂尖學者的交流及對該領域最新研究進展的了解。