SFFAI 22 报名通知 | SFFAI X MRSA CVPR2019专场

2019 年 3 月 25 日 人工智能前沿讲习班

论坛主题

SFFAI X MRSA CVPR2019专场

召集人

李宏扬，北京大学信息科学技术学院在读硕士，本科毕业于北京科技大学，2018年MS COCO Panoptic Segmentation Contest PKU_360团队（第三名）成员之一。目前主要研究兴趣点在于图像中的object detection。希望可以结识更多的人，彼此分享，共同交流。

论坛讲者

古纾旸，17级中国科学技术大学和微软亚洲研究院(MSRA)联合培养博士生，目前在MSRA视觉计算组实习，导师为郭百宁博士和陈栋博士。主要研究领域为计算机视觉中的生成模型，具体研究方向有图像风格迁移，生成对抗网络，人脸图像编辑等。目前已多次在CVPR等会议上发表过学术论文。

题目：Generative model is more than just GANs

摘要：近些年来，随着深度学习和对抗生成网络的兴起，图像生成领域取得了巨大的进步。然而，对于计算机视觉领域的生成问题，并非只有生成对抗网络这样唯一的解决途径。在本次演讲中，我们将以两篇工作为例，介绍常见的生成模型，以及对于生成模型中的不同问题我们的解决方案：

With GAN: 在肖像编辑的问题中，我们怎么利用GAN同时解决多样性，高质量和可控性的问题。
Without GAN: 在图像风格迁移的任务中，我们怎么解决局部信息和全局信息难以同时保留的问题。

Spotlight：

深度学习时代生成模型概述
基于条件对抗生成网络的肖像编辑
基于深层特征重排列的图像风格迁移

孙可，中国科学技术大学信息学院在读博士生，导师为刘东副教授，目前在微软亚洲研究院VC组的实习生，导师是王井东和肖斌老师。他的研究兴趣包括人体姿态估计、语义分割。至今在ICCV、CVPR、BMVC等国际顶级会议上发表过论文。

题目：人体姿态估计中的高分辨率特征学习

摘要：人体姿态估计任务是一个对定位精度要求很高的任务，预测关键点的空间位置时所采用的特征图的分辨率对结果影响十分明显。现在主流的网络框架中，都是从低分辨率特征中恢复高分辨特征，极大的造成了空间精度上的损失。

在本次讨论中，我将介绍我们在CVPR2019上发表的题为：”High-Resolution Representation Learning for Human Pose Estimation”的论文。在这个工作中，我们设计了新的网络框架，称为高分辨网络（HRNet）。相比于先前的网络，我们在整个网络中始终保持着高分率特征，并通过不断的多尺度特征融合提升高分辨率特征的表达能力，从而获得更加精准的检测结果。我们所设计的网络在计算量和参数量都小于之前最好的方法的情况下，在多个标准数据集上都取得了最好的效果，并且网络可以很容易拓展到其他的计算机视觉任务中，比如语义分割、物体检测以及人脸关键点检测等等。

Spotlight:

人体姿态估计框架的总结和分析
新的网络框架：高分辨网络

近年来，深度学习和对抗生成网络的兴起使得图像生成领域取得了一系列的突破。SFFAI22分享嘉宾古纾旸同学为大家精选了两篇肖像编辑和风格迁移方面的文章，帮你更好的去理解和感受深度学习和对抗生成网络在图像生成方面的应用。

本期另外一位嘉宾孙可同学为大家推荐了几篇人体姿态估计方面的文章，高分辨率和强表达能力一直是深度计算机视觉领域里比较矛盾的两个问题，如何让二者兼并，也许可以从这里找到一些答案。

你可以仔细阅读，带着问题来现场交流哦。

🌟🌟🌟🌟🌟

推荐理由：这篇工作中提出的Hourglass结构，是2016-2018年之间大部分人体姿态估计工作中所采用的基础结构。依靠级联网络中不断的多尺度特征融合以及多级监督机制，其性能相较于之前的工作有显著的提升。

推荐理由来自：孙可

🌟🌟🌟🌟🌟

推荐理由：这篇工作中以简单的网络结构ResNet + Transposed Convolution的方式，在MSCOCO和PoseTrack中都取得了当时最好的效果，并在COCO 2018的Keypoint Detection Task 取得了第二名，以及PoseTrack2018 Challenge的第一名。

推荐理由来自：孙可

🌟🌟🌟🌟🌟

推荐理由：这篇工作中提出了注重保留和提升高分辨率特征的设计思想，提出了全新的网络结构——高分辨网络（HRNet）。通过保持高分辨率特征，并且通过多尺度特征融合加强高分辨率特征的表达特征，极大的提高了空间定位精度。

推荐理由来自：孙可

🌟🌟🌟🌟

推荐理由：本文通过结合图像分割的信息，利用条件对抗生成网络，提出一种新颖的方式来进行多样性，高质量，可控的肖像编辑。

推荐理由来自：古纾旸

🌟🌟🌟🌟

推荐理由：本文提出了一种基于深层特征重排列的方法来进行任意图像风格迁移的任务。在理论和实验上都证明了我们的方法可以同时满足整体特征迁移和局部风格迁移的约束。

推荐理由来自：古纾旸

时间

2019年3月31日（周日）

14:00 -- 17:00

地点

中国科学院自动化研究所

报名方式

点击下方原文链接或扫描二维码报名

活动名额

1、为确保小范围深入交流，本次活动名额有限（不收取任何费用）；

2、活动采取审核制报名，我们将根据用户研究方向与当期主题的契合度进行筛选，通过审核的用户将收到确认邮件；

3、如您无法按时到场参与活动，请于活动开始前 24 小时在AIDL微信公众号后台留言告知，留言格式为放弃报名 + 报名电话。无故缺席者，将不再享有后续活动的报名资格。

SFFAI招募召集人！

Student Forums on Frontiers of Artificial Intelligence，简称SFFAI。

现代科学技术高度社会化，在科学理论与技术方法上更加趋向综合与统一，为了满足人工智能不同领域研究者相互交流、彼此启发的需求，我们发起了SFFAI这个公益活动。SFFAI每周举行一期线下活动，邀请一线科研人员分享、讨论人工智能各个领域的前沿思想和最新成果，使专注于各个细分领域的研究者开拓视野、触类旁通。

SFFAI自2018年9月16日举办第一期线下交流，每周一期，风雨无阻，截至目前已举办18期线下交流活动，共有34位讲者分享了他们的真知灼见，来自100多家单位的同学参与了现场交流，通过线上推文、网络直播等形式，50000+人次参与了SFFAI的活动。SFFAI已经成为人工智能学生交流的第一品牌，有一群志同道合的研究生Core-Member伙伴，有一批乐于分享的SPEAKER伙伴，还有许多认可活动价值、多次报名参加现场交流的观众。

2019年春季学期开始，SFFAI会继续在每周日举行一期主题论坛，我们邀请你一起来组织SFFAI主题论坛，加入SFFAI召集人团队。每个召集人负责1-2期SFFAI主题论坛的组织筹划，我们有一个SFFAI-CORE团队来支持你。一个人付出力所能及，创造一个一己之力不可及的自由丰盛。你带着你的思想，带着你的个性，来组织你感兴趣的SFFAI主题论坛。

当召集人有什么好处？

谁可以当召集人？

怎样才能成为召集人？

为什么要当召集人？

了解我们，加入我们，请点击下方海报！