研究所动态

喜报 | 我所两篇论文被计算机领域顶级国际会议ACM MM 2021录用

发布时间:2021年7月9日

      ACM MM-2021于2021年7月4日公布了论文录用结果,在我所老师的指导下博士生贾子钰和硕士生荆栋分别在多模态情绪识别和显著性物体检测方面的论文被ACM MM 2021接收。


      论文1:Occlusion-aware Bi-directional Guided Network for Light Field Salient Object Detection


      该论文由我所硕士荆栋、张硕老师、林友芳老师以及信息所丛润民老师合作完成。该论文的研究目标是基于光场进行准确的显著性物体预测。显著性检测指将一个场景中最引人注目的物体标注出来,是计算机视觉领域的一项基本任务。

      本文的核心创新点是结合场景结构从遮挡边缘信息中提取显著边缘信息,从而利用显著边缘去指导最终的显著性物体预测。对此,本文首先提出一个新的模块在光场极平面图像上提取遮挡边缘特征,并在其基础上进行显著边缘预测。为了将显著物体预测与显著边缘预测结合起来,本文提出了一个双向指导交互模块,在预测显著边缘时抑制环境噪声,在预测显著物体时强调显著边缘,从而得到准确且边缘完备的显著性物体预测。整体结构如图1所示。实验结果表明,本文提出的模型在现存最大的光场显著性检测数据集上的表现优于其它模型。

图1. 模型整体结构示意图


      论文2:HetEmotionNet: Two-Stream Heterogeneous Graph Recurrent Neural Network for Multi-modal Emotion Recognition


      该论文由我所博士生贾子钰、林友芳老师、王晶老师、本科生冯志洋、谢享亨、陈蔡杰合作完成。

      该论文以多模态情感数据的高精度分类为研究目标,提出了一种双流异质图递归神经网络进行多模态情绪数据的分类。尽管现有方法能够达到较高的分类表现,但是如何充分利用多模态生理时间序列的时-频-空域特征互补性、异质性和相关性进行情感识别仍然具有挑战。该论文提出了一种新颖的异质图神经网络HetEmotionNet,在统一的框架下同时建模了多模态数据的特征互补性、相关性和异质性。HetEmotionNet在两个真实世界数据中与现有的SOTA模型相比较实现了最佳的性能。代码之后会开源在https://github.com/ziyujia?tab=repositories

HetEmotionNet总体模型架构图


      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。