近日，我校电信学部两项和国际信息与软件学院一项研究成果被机器学习领域顶级会议NIPS收录。NIPS（Conference on Neural Information Processing Systems，神经信息处理系统大会）于1987年首次召开，每年一届，迄今已有32年的历史。根据谷歌公布的2018年最新版学术指标（Google Scholar Metrics，GSM）榜单，NIPS在人工智能类目中位列第一，h5指数134。同时，NIPS也被中国计算机学会CCF推荐国际学术会议列表认定为A类会议。NIPS大会在国内外机器学习和人工智能研究领域都有着极高的声望和广阔的影响力。本次NIPS大会共收到创纪录的4856篇论文投稿，最终录用1011篇，录取率仅为20.8%。这三项研究成果获得NIPS的录用，标志着我校信息学科在机器学习和人工智能研究领域取得了进一步的突破。
第一项成果来自大连理工大学人工智能研究中心的尹宝才教授和杨鑫副教授团队，参与者包括博士生许可和硕士生陈少喆等。论文 “Active Matting”旨在解决当前数字抠图（digital image matting）领域普遍存在的要求大量人工标注作为辅助输入信息这一难点问题，创新地提出了一个基于增强学习的交互式主动抠图框架，引导用户在“最有信息量”的区域给出标签，完成抠图任务。该框架彻底使抠图过程摆脱了逐像素标注的繁杂的预处理过程，让用户在轻松的交互过程中高效的完成抠图任务。同时，实验结果表明，在最终抠图结果质量相当的条件下，借助本框架的方法相较传统的依赖人工标注辅助信息的方法时间上减少三分之二。该项技术在图片编辑、三维对象建模、在线直播、电影制作等领域中具有非常重要的商业价值和应用。
第二项成果来自于大连理工大学信息与通信工程学院李培华教授团队，参与者包括博士生王旗龙和硕士生高子淋等。在录用论文“Gated Mixture of Second-order Pooling for Improving Deep Convolutional Neural Networks”中，首次尝试在深度卷积神经网络中以端到端的方式建模复杂的多模态混合概率分布。论文通过门限子网络在参数化的候选二阶统计组件模型中自动选择多个组件，大大提高了深度卷积网络模型的学习能力，同时具有较高的计算效率。这项工作是该团队系列工作的一个推进：在前期发表于CVPR/ICCV/TPAMI的工作中，系统地研究了在深层卷积网络中嵌入协方差矩阵以及多变量高斯概率分布等问题。所研究的方法在视觉识别、目标检测和语义分割等任务中有重要的应用价值。
第三项成果来自于大连理工大学-立命馆大学国际信息与软件学院罗钟铉教授、樊鑫教授和刘日升副教授团队，并由博士生程世超、硕士生马龙和本科生刘小坤共同合作完成的这一研究工作。该论文利用数据驱动优化理论，提出了一个种全新的基于深度网络结构的优化新框架。本方法以协作的方式弥合传统非凸模型优化和深度网络之间的鸿沟。一方面，本文给出的框架首先提供了一种数据驱动的非凸优化模型求解算法，并对算法的数值性质进行了理论分析。另一方面，通过放松约束和执行端到端训练，本文还开发了基于这一策略，整合领域知识（表示为模型）和数据分布（通过网络学习）的协同学习新框架。理论分析和在大量视觉问题中的应用充分验证了该方法的有效性。
背景资料：
大连理工大学人工智能研究中心成立于2017年，是学校专门设立的面向人工智能相关领域的独立科研机构，整合了计算机、控制、信通、生物医学等相关学科，充分发挥交叉学科优势，针对人工智能的核心理论与方法，设立类脑智能、大数据智能、机器人智能三个研究方向，研究以大数据智能、跨媒体智能、自主智能、人机混合增强智能和群体智能等为代表的新一代人工智能技术。
大连理工大学几何计算与智能媒体技术实验室依托辽宁省泛在网络与服务软件重点实验室。该实验室有跨学校、学部的教师团队，研究课题包括机器学习、深度学习、计算机视觉、多媒体技术、优化方法等当前最前沿的领域。近年来在IEEE TPAMI、TIP、TNNLS、TMM、NIPS、IJCAI、AAAI、CVPR、ECCV、ACM MM等人工智能、多媒体技术等领域重要期刊会议发表论文100余篇。
