我系于AAAI 2021发表多项重要研究成果

近日，我系于人工智能领域顶级会议AAAI 2021（2021 AAAI Conference on Artificial Intelligence）上发表多项重要研究成果：

1、Weakly Supervised Semantic Segmentation for Large-Scale Point Cloud

信息学院计算机科学系2018级博士生张亚超、2018级硕士李宗豪是该论文共同第一作者，信息学院计算机科学系曲延云教授、华师大谢源教授为该论文共同通讯作者。本文旨在解决弱监督的大尺度点云语义分割任务因标签缺失不能有效训练问题。为此我们提出了一种知识迁移的方法：将自监督任务学习知识迁移至弱监督任务。具体来说，我们构建了一个点云颜色补全的自监督任务，能够在任何含有颜色的点云数据上进行训练，挖掘颜色一致性和类别之间的潜在的先验知识，进一步的将该知识迁移至弱监督点云分割任务提升弱监督网络的表示能力。此外，设计一个高效的稀疏软标签传播方法用于大尺度的点云语义分割，该方法构建了类别原型，并将无标签点和类别原型之间的特征相似度转化为标签传播概率，进一步通过稀疏化来获取的伪标签。实验结果表明，在三个大尺度的点云数据集上，对比当前流行的弱监督点云语义分割方法，我们的方法取得了最优的性能，达到了全监督可比的性能。

2、Alternative Baselines for Low-Shot 3D Medical Image Segmentation—An Atlas Perspective

本文的第一作者是信息学院计算机科学系2017级硕士生王淑欣，通讯作者是计算机科学系王连生副教授。该论文针对三维医学图像中有限标注low-shot分割问题，基于多图谱影像分割方法，提出了两个基线方法，即：Siamese-Baseline和Individual-Difference-Aware (IDA) Baseline，前者针对解剖学上稳定的结构（例如脑组织），后者对形态学上差异更大的结构具有更强的泛化能力（例如腹部器官）。

3、Code Completion by Modeling Flattened Abstract Syntax Trees as Graphs

本文的第一作者为微软亚洲研究院研究员，通讯作者是信息学院计算机系李辉助理教授。该论文提出了在自动代码补全问题中将抽象语法树扁平化后再建模为抽象语法树图的方法CCAG。针对已有方法仅采用扁平化操作或建模为图（树）操作中的一种，而导致抽象语法树中包含的重复模式及远距离关联节点较难被学习的问题，该论文第一次提出了可以融合两种操作，并通过基于注意力机制和位置嵌入的图神经网络进行多任务学习以提供更准确的代码补全预测。实验结果表明，CCAG在真实数据上能取得比包括已应用于Visual Studio Code IDE中的神经网络方法在内的多个state-of-the-art方法更准确的代码补全预测结果。

4、Local Relation Learning for Face Forgery Detection

本文的第一作者是信息学院计算机系2018级硕士生陈燊，通讯作者是信息学院人工智能系纪荣嵘教授。本文提出了一个基于局部区域关联的人脸伪造检测算法，通过一个多尺度局部相似性模块来挖掘真实区域和伪造区域间的差异，并结合RGB-频域注意力机制更全面得学习到区域特征。本方法在多个公开数据集上均取得了最优性能。

5、Dual Distribution Alignment Network for Generalizable Person Re-Identification

本文的第一作者是信息学院计算机科学系2018级硕士陈珮娴，通讯作者为信息学院高级工程师戴平阳老师。本文提出一个适用于行人重识别域泛化问题的双重分布对齐网络。本文的核心思路在于通过Domain-wise Adversarial Feature Learning 和 Identity-wise Similarity Enhancement 两个层面上的约束对齐多个域数据之间的分布，训练得到一个具有足够泛化性的模型，可以直接被运用在新域上。本模型在该任务的常用公开数据集上均取得了最优性能。

AAAI是人工智能领域的顶级会议，被中国计算机学会（CCF）认定为A类会议。据了解，AAAI 2021此次共有1692篇论文被接收，录取率为21%。