「AI Drive」是由 PaperWeekly 和 biendata 共同發(fā)起的學(xué)術(shù)直播間，旨在幫助更多的青年學(xué)者宣傳其最新科研成果。我們一直認(rèn)為，單向地輸出知識(shí)并不是一個(gè)最好的方式，而有效地反饋和交流可能會(huì)讓知識(shí)的傳播更加有意義，從而產(chǎn)生更大的價(jià)值。

本期 AI Drive，我們邀請(qǐng)到香港科技大學(xué)研究助理教授沈志強(qiáng)，為大家在線(xiàn)解讀其發(fā)表在 AAAI 2022 的最新研究成果：Un-Mix: Rethinking Image Mixtures for Unsupervised Visual Representation Learning。對(duì)本期主題感興趣的小伙伴，2 月 22 日（本周四）晚 7 點(diǎn)，我們準(zhǔn)時(shí)相約 PaperWeekly 直播間。

直播信息

本工作探究了在自監(jiān)督學(xué)習(xí)常用的雙子結(jié)構(gòu)網(wǎng)絡(luò)中，通過(guò)在輸入空間做圖像融合來(lái)學(xué)習(xí)更加細(xì)粒度的特征表示。文章的核心內(nèi)容討論了如何來(lái)設(shè)計(jì)數(shù)據(jù)采樣，融合策略和構(gòu)建對(duì)應(yīng)的損失函數(shù)，從而去匹配圖像融合之后新的輸入空間。具體而言，本文通過(guò)在對(duì)比學(xué)習(xí)模型的單個(gè)分支上做圖像融合，使得最后兩個(gè)分支的距離度量變?yōu)橐粋€(gè) 0~1 之間的軟化系數(shù)的倍數(shù)，從而使兩個(gè)分支之間的距離變得更加細(xì)微和敏感（該工作首次在自監(jiān)督雙子模型中引入了軟距離的概念），進(jìn)而讓模型學(xué)習(xí)到更加細(xì)粒度的輸入信息的隱空間表達(dá)。

論文標(biāo)題：

Un-Mix: Rethinking Image Mixtures for Unsupervised Visual Representation Learning

論文鏈接：

https://arxiv.org/abs/2003.05438

代碼鏈接：

https://github.com/szq0214/Un-Mix

本次分享的具體內(nèi)容有：?

• 研究背景和動(dòng)機(jī)

• 研究方法介紹

• 結(jié)果分析和代碼實(shí)現(xiàn)

• 理論及可視化分析

• 結(jié)論

嘉賓介紹

?沈志強(qiáng)?/ 香港科技大學(xué)研究助理教授?

沈志強(qiáng)目前是香港科技大學(xué)的研究助理教授，他之前是 CMU 博士后，也是復(fù)旦大學(xué)和 UIUC 聯(lián)合培養(yǎng)博士。他的早期研究工作主要聚焦于傳統(tǒng)的計(jì)算機(jī)視覺(jué)任務(wù)，包括目標(biāo)檢測(cè)（首次提出了learning object detection from scratch的任務(wù)），自監(jiān)督學(xué)習(xí)等。目前他也關(guān)注如何為這些視覺(jué)任務(wù)通過(guò)機(jī)器學(xué)習(xí)算法進(jìn)行加速和優(yōu)化。

直播地址?& 交流群

本次直播將在 PaperWeekly 視頻號(hào)和 B 站直播間進(jìn)行，掃描下方海報(bào)二維碼或點(diǎn)擊閱讀原文即可免費(fèi)觀(guān)看。線(xiàn)上分享結(jié)束后，嘉賓還將在直播交流群內(nèi)實(shí)時(shí) QA，在 PaperWeekly 微信公眾號(hào)后臺(tái)回復(fù)「AI Drive」，即可獲取入群通道。

視頻號(hào)直播間：

掃描下方二維碼關(guān)注 PaperWeekly 視頻號(hào)，第一時(shí)間獲取開(kāi)播提醒。

B 站直播間：

https://live.bilibili.com/14884511

合作伙伴

🔍

現(xiàn)在，在「知乎」也能找到我們了

進(jìn)入知乎首頁(yè)搜索「PaperWeekly」

點(diǎn)擊「關(guān)注」訂閱我們的專(zhuān)欄吧

·

與50位技術(shù)專(zhuān)家面對(duì)面20年技術(shù)見(jiàn)證，附贈(zèng)技術(shù)全景圖

總結(jié)

以上是生活随笔為你收集整理的今晚直播 | AAAI 2022论文解读：重新思考图像融合策略和自监督对比学习的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。