直播预告 | ICLR 2022：UniFormer—用于高效时空表征学习的统一变换器

本期 AI Drive，我们邀请到中国科学院深圳先进技术研究院在读博士生黎昆昌，为大家在线解读其发表在 ICLR 2022 的最新研究成果。本次报告的主题为 「UniFormer：用于高效时空表征学习的统一变换器」 。对本期主题感兴趣的小伙伴，4 月 26 日（本周二）晚 7 点，我们准时相约 PaperWeekly 直播间。

直播信息

视频帧间存在巨大的局部冗余性与复杂的全局依赖性，使得从视频中学习丰富的多尺度语义信息极具挑战。现有的两大主流模型 CNN 和 ViT，往往只关注解决问题之一。卷积只在局部小邻域聚合上下文，天然地避免了冗余的全局计算，但受限的感受野难以建模全局依赖；而自注意力通过比较全局相似度，自然将长距离目标关联，但可视化分析表明，自注意力在浅层编码局部特征十分低效。

在 UniFormer 中，我们以 Transformer 的风格统一了卷积与自注意力，在网络浅层和深层分别解决冗余性与长时依赖性两大问题。 实验表明，UniFormer 不仅在视频分类上性能优越，而且拓展到图像分类、检测、分割和姿态估计任务上，同样效果显著。

论文信息

论文标题：  

UniFormer: Unified Transformer for Efficient Spatiotemporal Representation Learning

收录会议： 

ICLR 2022

论文链接： 

https://openreview.net/forum?id=nBU_u6DLvoK

演讲提纲

• 研究背景

• 研究方法

• 结果分析

• 下游拓展

• 结果与展望

嘉宾介绍

 黎昆昌 / 中科院深圳先进院博士生 

黎昆昌，中国科学院深圳先进技术研究院二年级博士生，师从乔宇研究员和王亚立副研究员。主要研究方向为为视频理解与轻量化模型设计。

直播地址

本次直播将在 PaperWeekly 视频号和 B 站直播间进行， 扫描下方海报二维码 或点击 阅读原文 即可免费观看。

 微信视频号 

点击下方 PaperWeekly 视频号预约按钮，第一时间获取开播提醒。

 B站直播间  

https://live.bilibili.com/14884511

合作伙伴

🔍

现在，在「知乎」也能找到我们了

进入知乎首页搜索「PaperWeekly」

点击「关注」订阅我们的专栏吧

·