【CVPR2019最新图结构教程】 基于图结构网络的表征学习（附下载）

导读

计算机视觉最具影响力的学术会议之一的 IEEE CVPR 在2019 年 6 月 16 日 在美国加州的长滩市召开举行。来自NVIDIA 的Sifei Liu、CMU的Xiaolong Wang、Georgia Tech的Jianwei Yang，UMass Amherst的Hang Su等人一起分享了各自在图结构网络上的工作和见解，介绍一系列有效的图结构网络，包括非局部神经网络、空间传播网络、稀疏高维CNNs和场景图网络等。

Learning Representations via Graph-structured Networks

基于图结构网络的表征学习

讲者：Sifei Liu, Varun Jampani,  Xiaolong Wang , Dhruv Batra, Abhinav Gupta, Jan Kautz, Ming-Hsuan Yang

摘要：近年来，卷积神经网络(ConvNets)在众多计算机视觉任务中的应用出现了显著的增长。卷积的结构在许多任务中被证明是强大的，可以从图像像素中捕捉相关性和抽象概念的。然而，当计算机视觉处理更困难的人工智能任务时，ConvNets也被证明在建模相当多的属性方面存在缺陷。这些特性包括成对关系（pairwiserelation）、全局上下文（global context）和处理空间网格之外的不规则数据的能力。一个有效的方向是根据手头的任务用图重新组织要处理的数据，同时构建网络模块，在图中跨视觉元素关联和传播信息。我们将这些具有传播模块的网络称为图结构网络。在本教程中，我们将介绍一系列有效的图结构网络，包括非局部神经网络、空间传播网络、稀疏高维CNNs和场景图网络。我们也将讨论在许多视觉问题中仍然存在的相关开放挑战。

链接：

https://xiaolonw.github.io/graphnn/

Learnable Spatial Propagation Networks

讲者：Sifei Liu

主页：https://www.sifeiliu.net/

PPT：

https://drive.google.com/file/d/1FLu20DiqxxBgHKrqAyDvXU6LZhiyIyhK/view?usp=sharing

Learning Graph Representations for Video Understanding 

讲者：Xiaolong Wang 

主页：http://www.cs.cmu.edu/~xiaolonw/

PPT：

https://drive.google.com/file/d/1MuvAvcep5jC1cPuIZHG1ezR8gcCkmwzs/view

Scene Graph Generation and Its Application to Vision and Language Tasks

讲者：Jianwei Yang

主页：https://www.cc.gatech.edu/~jyang375/

PPT：

https://drive.google.com/file/d/1oH5njQtMZkD39WFuXyM7uw1Px_pyLsaq/view?usp=sharing

Sparse High-Dimensional and Content-Adaptive Convolutions

讲者：Hang Su

主页：https://suhangpro.github.io/

PPT：

https://www.dropbox.com/s/3ud4y097zvs09dh/tutorial_cvpr_hsu.pdf

完整教程Slides下载：

请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“CVPR2019GSN” 就可以获取《【CVPR2019】基于图结构网络的表征学习》下载链接~

-END-

专 · 知

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎登录www.zhuanzhi.ai，注册登录专知，获取更多AI知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程视频资料和与专家交流咨询！

请加专知小助手微信（扫一扫如下二维码添加），加入专知人工智能主题群，咨询技术商务合作~

专知《深度学习:算法到实战》课程全部完成！550+位同学在学习，现在报名，限时优惠！网易云课堂人工智能畅销榜首位！

点击“阅读原文”，了解报名专知《深度学习:算法到实战》课程