「AI Drive」是由 PaperWeekly 和 biendata 共同發起的學術直播間，旨在幫助更多的青年學者宣傳其最新科研成果。我們一直認為，單向地輸出知識并不是一個最好的方式，而有效地反饋和交流可能會讓知識的傳播更加有意義，從而產生更大的價值。

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

直播信息

本工作探究了在自監督學習常用的雙子結構網絡中，通過在輸入空間做圖像融合來學習更加細粒度的特征表示。文章的核心內容討論了如何來設計數據采樣，融合策略和構建對應的損失函數，從而去匹配圖像融合之后新的輸入空間。具體而言，本文通過在對比學習模型的單個分支上做圖像融合，使得最后兩個分支的距離度量變為一個 0~1 之間的軟化系數的倍數，從而使兩個分支之間的距離變得更加細微和敏感（該工作首次在自監督雙子模型中引入了軟距離的概念），進而讓模型學習到更加細粒度的輸入信息的隱空間表達。

論文標題：

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

本次分享的具體內容有：?

• 研究背景和動機

• 研究方法介紹

• 結果分析和代碼實現

• 理論及可視化分析

• 結論

嘉賓介紹

?沈志強?/ 香港科技大學研究助理教授?

沈志強目前是香港科技大學的研究助理教授，他之前是 CMU 博士后，也是復旦大學和 UIUC 聯合培養博士。他的早期研究工作主要聚焦于傳統的計算機視覺任務，包括目標檢測（首次提出了learning object detection from scratch的任務），自監督學習等。目前他也關注如何為這些視覺任務通過機器學習算法進行加速和優化。

直播地址?& 交流群

本次直播將在 PaperWeekly 視頻號和 B 站直播間進行，掃描下方海報二維碼或點擊閱讀原文即可免費觀看。線上分享結束后，嘉賓還將在直播交流群內實時 QA，在 PaperWeekly 微信公眾號后臺回復「AI Drive」，即可獲取入群通道。

視頻號直播間：

掃描下方二維碼關注 PaperWeekly 視頻號，第一時間獲取開播提醒。

B 站直播間：

https://live.bilibili.com/14884511

合作伙伴

🔍

現在，在「知乎」也能找到我們了

進入知乎首頁搜索「PaperWeekly」

點擊「關注」訂閱我們的專欄吧

·

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

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內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。