文章内容

本报讯 近日，2023年度计算机视觉与模式识别大会CVPR(IEEE Conference on Computer Vision and Pattern Recognition)接收论文结果揭晓。我校自动化学院江苏省大数据分析技术重点实验室的一项关于协同显著目标检测的研究成果被高分接收。研三学生吴泱和指导教师宋慧慧教授分别为一作和二作。

录用的CVPR论文的题目为“Co-Salient Object Detection with Uncertainty-aware Group Exchange-Masking”，其内容旨在检测一组输入图片中具有高度相似或者相同的能够吸引人眼注意力的物体和区域。研究注意到，此前工作广泛基于的组共识性假设限制了模型在面对困难样本时的鲁棒性，尤其是当输入模型的图像组存在无关图像时的，模型的表现变差。这也极大地限制了模型在现实生活场景中的应用，因为在现实应用场景中采集到的图像组，绝大部分情况都不能满足组共识性假设。该工作提出了一种基于不确定性感知与组交换掩膜的策略，亮点在于一是提出了一种名为组交换掩膜的强大模型学习机制。以学习的方式在两个组之间选择并交换图像，显著增强模型的鲁棒性和实用性；二是提出了一个隐变量生成分支，通过对隐空间的搭建与采样，建模交换图像带来的不确定性，捕获组共性信息；三是提出了一个变换器分支以高效融合共性-个性特征、确定性-不确定性特征。最终结果在三个公开数据集和多个虚拟现实场景中均达到了顶尖水准。

据了解，CVPR是计算机视觉与模式识别领域最高级别的会议，被中国计算机学会（CCF）列为最高级别A类会议，此次会议有效投稿共9155篇，录用2360篇，接收率为25.78%。

（王玉琛 吴泱）