喜报 | 我所两篇论文被人工智能领域顶级国际会议IJCAI 2021录用

发布时间：2021年5月7日

      第30届国际人工智能联合会议（IJCAI-2021）于2021年4月29日发布了论文录用结果，由我所师生共同完成的2篇论文被大会录用。

      IJCAI (International Joint Conference on Artificial Intelligence) 是人工智能领域的顶级国际学术会议，每年举办一次。IJCAI -2021大会投稿数量达4204篇，仅有587篇论文被录取，录用率为13.9%。

      论文一

      SalientSleepNet: Multimodal Salient Wave Detection Network for Sleep Staging

      该论文由我所博士生贾子钰、林友芳老师、王晶老师、本科生谢培义、王雪徽、张应宾合作完成。

      该论文以高精度的睡眠阶段分类为研究目标。睡眠阶段分类对于睡眠质量评估和疾病诊断至关重要，睡眠专家通常利用视觉检查的方式对原始睡眠信号进行特征波形的标注和人工分类，但人工标注费时费力且容易受到主观意识的影响。因此，大多数深度学习的方法为了自动化进行睡眠阶段分类，通常提取时频特征间接捕获显著性的特征波形进行分类。该论文提出了一种多模态显著性波形检测模型，将时间序列分类问题转化为显著性检测问题并应用于睡眠阶段分类。提出模型不依赖于时频特征提取，可以直接从原始信号中探测显著波形服务于高精度的睡眠时间序列分类。此外，该模型融合了多模态睡眠数据且捕获了多尺度的睡眠规则，与现有的SOTA模型相比较，提出模型实现简单，参数量小且可解释性强。在多个睡眠数据集的实验表明SalientSleepNet优于该领域的其他模型。

SalientSleepNet总体模型架构图

      论文二

      Removing Foreground Occlusions in Light Field using Micro-lens Dynamic Filter

      该论文由我所张硕老师、硕士生沈泽琪、林友芳老师合作完成。

      图像中不需要的遮挡物会严重影响图像的视觉质量与实际应用。该论文利用光场图像不同视角之间的互补性来“生成”被遮挡物体，通过基于微透镜的动态卷积在其他视角中“寻找”被遮挡物体，从而能够有效地去除遮挡物。论文的主要贡献包括：提出了一种基于深度学习的端对端去遮挡模型，能够有效地融合光场图像的空间信息和角度信息；提出了一种基于微透镜的动态卷积算法，能够有效地寻找被遮挡物体；实验结果表明，该模型不但能自动去除遮挡，而且在合成数据集和真实数据集上均‍明显优于其他模型。

提出的模型整体框架

      恭喜以上老师和同学在科研中取得优秀的成果，也希望同学们能够再接再厉，继续在科研的道路上不断前行，取得更多优异的成果。