IEEE多媒体国际会议ICME2019最佳论文，极链科技斩获，京东获TMM最佳论文- 专知

IEEE多媒体国际会议ICME2019最佳论文，极链科技斩获，京东获TMM最佳论文

【导读】2019年7月8日-12日，图像视觉领域的知名会议IEEE国际多媒体与博览会（ICME）在上海召开。ICME是IEEE在多媒体领域的旗舰年会，会议轮流由美洲、欧洲、亚洲城市主办，本届主办地为中国上海。2019年度ICME共收到来自全球36个国家的研究人员投稿，投稿量破历史记录地达到1002篇，录用率为31%。经过多次严格评选，最终仅两篇论文获得最佳论文奖。

极链获得最佳论文

由极链科技AI研究院与复旦大学、华为诺亚方舟实验室联合完成的论文获大会最佳论文奖。

该论文提出了一种自动检测图像中物体位置的新算法，题目为《An End-to-End Architecture for Class-Incremental Object Detection with Knowledge Distillation》。近年来，面向物体检测的人工智能算法迅速发展。然而，绝大多数物体检测算法在模型训练之后，其可检测的物体种类就被固定下来，无法像人类一样自然地学习越来越多的物体类别。若需添加新类别，则需要使用所有新旧类别的数据对算法进行重新训练，十分费时费力。为了应对这一挑战，该论文提出了一种端到端的解决方案，借助知识蒸馏等手段，可以在仅使用新类别数据的情况下动态更新模型。该方法对新旧类别的物体均有较好的检测能力，且在很大程度上克服了更新过程中经常出现的“学新忘旧”的问题，具有很强的实用性，未来将部署在极链科技VideoAI平台，进行海量视频内容解析。

京东获得TMM最佳论文

京东集团技术副总裁、人工智能研究院副院长梅涛博士（IEEE Fellow）与京东人工智能研究院资深研究员刘武博士、研究员刘鑫辰博士及其合作者的论文《PROVID: Progressive and Multi-modal Vehicle Re-identification for Large-scale Urban Surveillance》被多媒体领域顶级期刊《IEEE TRANSACTIONS ON MULTIMEDIA》（IEEE TMM）杂志收录并评选为最佳论文奖。

该论文提出了一种基于多模态感知数据的渐进式车辆重识别方法，分别在信息空间和物理世界进行由粗粒度到细粒度的渐进式车辆搜索，显著提高了目标车辆发现的效率和准确性。该论文发表一年多时间，Google引用就达到了42次，在IEEE Xplore全文浏览量1200余次。该项研究发布的车辆重识别多模态数据集已经吸引了包括CMU、斯坦福大学等全球超过240个机构和个人申请下载和使用，成为车辆重识别领域的国际基准数据集之一。

自动化所杜长德工作获ICME会议最佳论文亚军奖

中科院自动化研究所类脑智能研究中心博士生杜长德的论文《Doubly Semi-supervised Multimodal Adversarial Learning for Classification, Generation and Retrieval》获得最佳论文亚军奖（Best Paper Runner Up Award）。

该论文提出了一种新的多重半监督多模对抗学习方法，创新性地将分类、生成、检索等重要研究问题融合在了同一个学习框架下，将对抗学习和半监督学习融入到多模态学习中，为解决传统多模学习中依赖大量人工标注、易受缺失模态影响，缺乏上层语义信息等难题提供了一个新的思路，获得评委和与会专家的一致好评。该工作可用在如脑机接口、医学诊断、内容检索与推荐等领域。

参考链接：