0
美國太遠(yuǎn)，望京很近。
在21世紀(jì)20年代的最后一個(gè)周末，雷鋒網(wǎng)AI研習(xí)社聯(lián)合阿里文娛和北理工等共同舉辦了一場「AAAI 2020論文解讀會」。
AAAI 無需多言。2020年2月7日-12日，AAAI 2020 將于美國紐約舉辦。在11月中旬，大會官方公布了今年的論文收錄信息：共有8800 篇提交論文，評審了 7737 篇，接收 1591 篇，接收率 20.6%。
隨后國內(nèi)先后舉辦了多場AAAI 論文分享活動，例如，
12月3日，蘇州人工智能大會上由周國棟教授領(lǐng)銜、漆桂林教授主持的「自然語言處理與AAAI 2020的石城邂逅」；
12月22日，由中國中文信息學(xué)會青工委主辦，北大王選計(jì)算所承辦的「AAAI 2020論文預(yù)講會」；
12月28日，有阿里文娛、北理工、AI研習(xí)社聯(lián)合舉辦的「AAAI 2020論文解讀會」。
以上三場AAAI 2020 論文預(yù)講活動，雷鋒網(wǎng)AI研習(xí)社皆有直播，并將陸續(xù)放出錄播視頻，
感興趣者可以掃描二維碼觀看回放：
或打開網(wǎng)頁：https://www.yanxishe.com/meeting/80
本文將簡要介紹 28 日「AAAI 2020 論文解讀會」的 10 篇論文，并附相應(yīng)講解 PPT 及下載鏈接。
如對以下論文內(nèi)容感興趣，可關(guān)注 微信公眾號「AI 科技評論」，回復(fù)「AAAI2020@望京」，打包下載全部 10 篇論文相關(guān)PPT。
演講人：趙文天（阿里文娛&北京理工大學(xué)）
AAAI 論文：MemCap: Memorizing Style Knowledge for Image Captioning
本文提出了一種通過記憶機(jī)制對語言風(fēng)格相關(guān)的知識進(jìn)行編碼的風(fēng)格化圖像描述方法。由于語言風(fēng)格無法直接從圖像中得到，我們使用記憶模塊存儲語言風(fēng)格相關(guān)的知識，并在生成風(fēng)格化描述時(shí)根據(jù)圖片中的內(nèi)容檢索這些知識。
演講人：林廷恩（清華大學(xué)）
AAAI 論文：Discovering New Intents via Constrained Deep Adaptive Clustering with Cluster Refinement
識別新用戶的意圖是對話系統(tǒng)中的重要任務(wù)，然而我們很難透過聚類方法獲得令人滿意的結(jié)果，因?yàn)橐鈭D定義受主觀先驗(yàn)知識所影響。 現(xiàn)有方法透過過大量特征工程來融入先驗(yàn)知識，不僅會導(dǎo)致模型過擬合，也對聚類中心數(shù)敏感。
在本文中，我們提出了具有聚類細(xì)化的約束深度自適應(yīng)聚類（CDAC+），這種端到端方法可以自然地將成對約束作為先驗(yàn)知識來指導(dǎo)聚類過程。 此外，我們通過強(qiáng)制模型從高置信度分配中學(xué)習(xí)來優(yōu)化聚類。 在消除了低置信度分配之后，我們的方法對集群的數(shù)量出奇地不敏感。 在三個(gè)基準(zhǔn)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，與強(qiáng)基準(zhǔn)相比，我們的方法可以產(chǎn)生重大改進(jìn)。
演講人：旭豪（阿里文娛）
AAAI 論文：Deep Time-Stream Framework for Click-Through Rate Prediction by TrackingInterest Evolution
（暫無PPT分享）
DTS （Deep Time-Stream Framework）是一個(gè)考慮了連續(xù)時(shí)間流信息的CTR預(yù)估框架。解決了目前現(xiàn)有的工業(yè)界廣泛應(yīng)用的CTR模型沒能很好地建模連續(xù)時(shí)間信息的問題。其能夠處理不同間隔下的用戶序列行為，還能根據(jù)不同的預(yù)測時(shí)刻提供更加符合用戶興趣的視頻。
演講人：侯靜怡（阿里文娛&北京理工大學(xué)）
AAAI 論文：Joint Commonsense and Relation Reasoning for Image and Video Captioning
本文提出了一種聯(lián)合常識和關(guān)系推理的圖像視頻文本描述生成方法。該方法通過迭代學(xué)習(xí)算法實(shí)現(xiàn)，交替執(zhí)行以下兩種推理方式：(1) 常識推理，將視覺區(qū)域根據(jù)常識推理，嵌入到語義空間中從而構(gòu)成語義圖；(2) 關(guān)系推理，將語義圖通過圖神經(jīng)網(wǎng)絡(luò)編碼，生成圖像視頻文字描述。
演講人：魏軍（中科院）
AAAI 論文：F3Net: Fusion, Feedback and Focus for Salient Object Detection
近期，許多顯著性檢測模型都是基于多尺度特征融合的，通過融合不同卷積層的特征，這些模型可以輸出準(zhǔn)確的顯著圖。然而由于不同卷積層具有不同感受野，來自這些卷積層的特征存在著較大的差異性，常見的特征融合策略（相加，拼接）忽略了這些差異性并可能導(dǎo)致模型性能受限。
在本文中，我們提出了F3Net來解決上述問題， 它主要包含交叉特征融合（CFM），級聯(lián)的反饋解碼器（CFD）以及像素位置敏感損失(PPA)。具體來說，交叉特征融合的目標(biāo)是有選擇地聚合多層特性。不同于相加或者拼接， 交叉特征融合自適應(yīng)地在融合前從輸入特征中選擇互補(bǔ)成分，有效地避免了引入過多的冗余信息而破壞原有特征。
另外，級聯(lián)的反饋解碼器采用了多級反饋機(jī)制，將靠近監(jiān)督信號的特征引入到前層的特征中進(jìn)行補(bǔ)充矯正以及消除特征間的差異。在生成最終的顯著圖之前，這些細(xì)化的特性要經(jīng)過多次類似的迭代。不同于二值交叉熵，像素位置敏感損失并不會平等對待每一個(gè)像素，它可以綜合單一像素周圍的結(jié)構(gòu)特征，以指導(dǎo)網(wǎng)絡(luò)關(guān)注局部細(xì)節(jié)。來自邊界或易出錯(cuò)部分的困難像素將會得到更多的關(guān)注，以強(qiáng)調(diào)其重要性。F3Net能夠準(zhǔn)確地分割出顯著性目標(biāo)并提供清晰的局部細(xì)節(jié)。它在5個(gè)基準(zhǔn)數(shù)據(jù)集以及4個(gè)評價(jià)指標(biāo)上都取得了目前最好的性能。
[ 6 ]
演講人：牛廣林（北京航空航天大學(xué)）
AAAI 論文：Rule-Guided Compositional Representation Learning on Knowledge Graphs
知識圖譜的表示學(xué)習(xí)是將知識圖譜中的實(shí)體與關(guān)系嵌入低維實(shí)值向量空間。早期的知識圖譜表示學(xué)習(xí)方法只關(guān)注知識圖譜中三元組的結(jié)構(gòu)信息，但由于知識圖譜的結(jié)構(gòu)稀疏性，會導(dǎo)致知識表示學(xué)習(xí)性能受限。最近的一些嘗試考慮采用路徑信息來擴(kuò)展知識圖譜的結(jié)構(gòu)，但是在得到路徑表示的過程中缺乏可解釋性。
本文提出了一種新的基于規(guī)則和路徑的聯(lián)合嵌入的方法（RPJE），該方案充分利用了邏輯規(guī)則的可解釋性和準(zhǔn)確性、知識圖譜表示學(xué)習(xí)的泛化性以及路徑提供的語義結(jié)構(gòu)。具體來說，首先從知識圖譜中挖掘不同長度（規(guī)則體中的關(guān)系個(gè)數(shù)）的Horn子句形式的邏輯規(guī)則，并對其進(jìn)行編碼，用于表示學(xué)習(xí)。然后，應(yīng)用長度為2的規(guī)則來準(zhǔn)確地組合路徑，而顯式地使用長度為1的規(guī)則來創(chuàng)建關(guān)系之間的語義關(guān)聯(lián)并約束關(guān)系的向量表示。此外，在優(yōu)化過程中還考慮了各規(guī)則的置信度，以保證規(guī)則應(yīng)用于表示學(xué)習(xí)的有效性。
大量的實(shí)驗(yàn)結(jié)果表明，RPJE在完成知識圖譜補(bǔ)全任務(wù)方面優(yōu)于其它baselines，這也證明了RPJE在完成知識圖譜補(bǔ)全任務(wù)的優(yōu)越性，驗(yàn)證了利用邏輯規(guī)則和路徑提高知識圖譜表示學(xué)習(xí)的精度和可解釋性。
演講人：于靜（中科院）
AAAI 論文：DualVD: An Adaptive Dual Encoding Model for Deep Visual Understanding in Visual Dialogue
這篇論文，AI 科技評論已經(jīng)做過解讀，完整了解可參見：「DualVD：一種視覺對話新框架 | AAAI2020」
近年來，跨模態(tài)研究引發(fā)了廣泛關(guān)注并取得顯著進(jìn)展，綜合分析語言和視覺等不同模態(tài)的信息對模擬現(xiàn)實(shí)社會中人類對于信息的認(rèn)知過程具有重要意義。
視覺對話問題是視覺問答任務(wù)的衍生任務(wù)，不同的是，視覺對話任務(wù)需要根據(jù)圖像、歷史對話回答當(dāng)前問題，涉及多個(gè)問題且涵蓋了可能與任何對象、關(guān)系或語義相關(guān)的廣泛視覺內(nèi)容，因此視覺對話需要根據(jù)對話的推進(jìn)，不斷調(diào)整關(guān)注區(qū)域使之有效地捕捉問題所涉及的視覺信息，針對不同問題對圖像進(jìn)行自適應(yīng)的關(guān)注。
如下圖 1 所示「Q1: Is the man on the skateboard?」, 需要關(guān)注「man」，「skateboard」等信息，當(dāng)問題變換為「Q5: Is the sky in the picture」時(shí)，需要將關(guān)注區(qū)域轉(zhuǎn)移至「sky」。問題 Q1 和 Q5 主要關(guān)注在表層（appearance-level）信息問題，而 Q4「Is he young or older」則需要進(jìn)一步地視覺推理得到更高層的語義信息。因此，如何根據(jù)問題進(jìn)行自適應(yīng)調(diào)整并有效地捕捉視覺信息是視覺對話問題中的重要挑戰(zhàn)之一。
根據(jù)認(rèn)知學(xué)中的雙向編碼理論（Dual-Coding Theory）, 人類認(rèn)知信息的過程包含視覺表象和關(guān)聯(lián)文本，人的大腦在檢索關(guān)于某個(gè)概念的信息時(shí)會綜合檢索視覺信息以及語言信息，這種方式能夠加強(qiáng)大腦的理解以及記憶能力。作者根據(jù)此理論，提出從視覺和語義兩個(gè)維度刻畫視覺對話任務(wù)中圖象信息的新框架：語義模塊描述圖像的局部以及全局的高層語義信息，視覺模塊描述圖像中的對象以及對象之間的視覺關(guān)系。基于此框架，作者提出自適應(yīng)視覺選擇模型 DualVD（Duel Encoding Visual Dialog），分別進(jìn)行模態(tài)內(nèi)與模態(tài)之前的信息選擇。
演講人：劉越江（南京大學(xué)）
AAAI 論文：Collaborative Sampling in Generative Adversarial Networks
生成對抗網(wǎng)絡(luò)（GAN）中的標(biāo)準(zhǔn)做法是在生成樣本時(shí)完全丟棄鑒別器。但是，這種采樣方法會丟失鑒別者從數(shù)據(jù)分配中學(xué)到的有價(jià)值的信息。
在這項(xiàng)工作中，我們提出了在生成器和鑒別器之間的協(xié)作采樣方案，以改善數(shù)據(jù)生成。在鑒別器的指導(dǎo)下，我們的方法通過在生成器的特定層通過基于梯度的優(yōu)化來優(yōu)化生成的樣本，從而使生成器的分布更接近于實(shí)際數(shù)據(jù)分布。此外，我們提出了一種實(shí)用的鑒別器整形方法，該方法可以平滑損失情況，并進(jìn)一步改善樣品細(xì)化過程。
通過對合成數(shù)據(jù)集和圖像數(shù)據(jù)集的實(shí)驗(yàn)，我們證明了我們提出的方法能夠定量和定性地改善生成的樣本，從而為GAN采樣提供了新的自由度。我們最終展示了其解決模式崩潰的潛力以及對抗性示例。
[ 9 ]
演講人：景宸琛（阿里文娛&北京理工大學(xué)）
AAAI 論文：Overcoming Language Priors in VQA via Decomposed Linguistic Representations
本文提出了一種基于語言注意力的視覺問答方法。我們的方法可以靈活地學(xué)習(xí)和利用問題中各種信息（問題類型，指代對象和期望概念）的分解表達(dá)。因此我們的方法可以最大程度地減少語言先驗(yàn)的影響，并實(shí)現(xiàn)透明的回答過程。
[ 10 ]
演講人：高志（阿里文娛&北京理工大學(xué)）
AAAI 論文：Revisiting Bilinear Pooling: A Coding Perspective
本文首先證明了常用的特征融合方法——雙線性池化是一種編碼-池化的形式。從編碼的角度，我們提出了分解的雙線性編碼來融合特征。與原始的雙線性池化相比，我們的方法可以生成更加緊致和判別的表示。
相關(guān)文章：
全新視角探究目標(biāo)檢測與實(shí)例分割的互惠關(guān)系 | AAAI 2020
AAAI 2020 論文接收結(jié)果出爐，得分 997 論文被拒，388 反而中了？
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
