计算机与人工智能学院研究生论文获CCF高级别会议接收并受邀做报告

时间:2021-04-19 09:36:42    作者:    

近日,计算机与人工智能学院研二学生靳俊杰同学撰写的两篇论文,分别被CCF的A类会议“2021国际万维网大会”(WWW2021)和CCF的B类会议“2021高级应用程序数据库系统国际会议”(DASFAA2021)接收并受邀做口头报告。

DASFAA2021会议于4月11日至4月13日在中国台北召开,WWW2021会议于4月19日至4月30日在斯洛文尼亚召开。会议均为线上进行。论文的作者靳俊杰同学代表课题组分别对这两篇论文进行了介绍并与参会者进行了详细讨论。

论文1:Multi-Scale Gated Inpainting Network with Path-wise Spacial Attention

该论文提出两个新的级联模块确保高质量的修复图像。首先,提出一个多尺度的门控模块控制孔洞填充特征的生成,确保其自适应选择孔洞区域特征向后续单元传递。其次将上述单元连接到新的Path-wise的空间注意力模块对局部特征关系进行映射,缩放其不匹配的局部映射关系,从而增强修复区域的特征连续性。二者统一堆叠于一个简单的U-Net网络中。训练上,提出新的致力于非规则孔洞的空间折扣损失,根据孔洞点与边缘距离施加对应的折扣项,从而逐步加深对孔洞中心的约束。在两个通用数据集上的实验证明了论文提出方法的有效性。详见https://github.com/sfwyly/GS-Net

论文2:Progressive Semantic Reasoning for Image Inpainting

该论文致力于解决修复图像时产生的人工痕迹问题,提出了一种新的图像渐进式修复方法。框架主干通过构建三层逐渐加深并共享参数的语义模块,逐步推断缺失边缘特征。形式上,后一模块逐渐加深并共享前一模块所有参数信息,同时每一模块最外层控制推断边缘范围,从而确保其推理孔洞边缘信息的连续性。进一步,为防止梯度消失与并且传递有效语义信息提出了交叉重构模块。该模块通过转移后一模块更有效的注意力到前一模块,从而重构出缺失的高层语义特征信息。最终在三个通用数据集上的实验达到SOTA的效果。详见https://github.com/sfwyly/PSR-Net

值得一提的是与本文一同做口头报告的还有来自阿里巴巴淘系技术并且斩获最佳论文奖的最新成果。

CCF的A.B类会议对论文要求较高。近年来,学院加强研究生培养,多举措提升研究生学术水平,举办崇真研究生论坛,积极支持学生参加高水平学术会议,常态化邀请高水平专家给研究生作报告,形成了良好的科研育人的氛围,取得了研究生培养数量和质量的双提升。

附:近年来WWW会议的论文录用率: