本期為TechBeat人工智能社區(qū)第473期線上Talk！

北京時(shí)間2月9日(周四)20:00，新加坡科技研究局一級(jí)研究科學(xué)家——許悅聰的Talk將準(zhǔn)時(shí)在TechBeat人工智能社區(qū)開(kāi)播！他與大家分享的主題是:?“基于深度學(xué)習(xí)的視頻數(shù)據(jù)的無(wú)監(jiān)督域適應(yīng)”，屆時(shí)將介紹多模態(tài)驅(qū)動(dòng)談話動(dòng)作生成領(lǐng)域的進(jìn)展。

Talk·信息

主題：基于深度學(xué)習(xí)的視頻數(shù)據(jù)的無(wú)監(jiān)督域適應(yīng)

嘉賓：新加坡科技研究局一級(jí)研究科學(xué)家 許悅聰

時(shí)間：北京時(shí)間?2月9日?(周四) 20:00

地點(diǎn)：TechBeat人工智能社區(qū)

http://www.techbeat.net/

完整版怎么看

掃描下方二維碼，或復(fù)制鏈接https://datayi.cn/w/LPdz7N59瀏覽器，一鍵完成預(yù)約！上線后會(huì)在第一時(shí)間收到通知哦

Talk·介紹

深度無(wú)監(jiān)督域適應(yīng)旨在通過(guò)降低域分布差異促使在數(shù)據(jù)集訓(xùn)練的深度模型能被更好的運(yùn)用在實(shí)際生產(chǎn)生活中。相對(duì)于靜態(tài)圖像和自然語(yǔ)言，對(duì)深度視頻無(wú)監(jiān)督域適應(yīng)任務(wù)的研究數(shù)量較少。視頻蘊(yùn)含靜態(tài)、動(dòng)態(tài)及不同模態(tài)信息，導(dǎo)致更嚴(yán)重的域分布差異。當(dāng)前的各種更針對(duì)空間信息域分布差異而設(shè)計(jì)的域適應(yīng)方案無(wú)法被有效的直接應(yīng)用于深度視頻無(wú)監(jiān)督域適應(yīng)。我們針對(duì)深度視頻無(wú)監(jiān)督適應(yīng)提出了全新的方案與全新的數(shù)據(jù)集，希望能進(jìn)一步推動(dòng)該任務(wù)的長(zhǎng)足發(fā)展。

Talk大綱如下：

• 基于視頻中時(shí)空相關(guān)性信息進(jìn)行域間對(duì)齊實(shí)現(xiàn)深度視頻無(wú)監(jiān)督域適應(yīng)

• 充分利用視頻中的時(shí)序信息進(jìn)行視頻局部域適應(yīng)

• 利用時(shí)序信息一致性進(jìn)行視頻無(wú)源域適應(yīng)

Talk·預(yù)習(xí)資料

• Xu, Y., Cao, H., Chen, Z., Li, X., Xie, L., & Yan, J. (2022). Video Unsupervised Domain Adaptation with Deep Learning: A Comprehensive Survey. arXiv preprint arXiv:2211.10412.

• Xu, Y., Cao, H., Mao, K., Chen, Z., Xie, L., & Yang, J. (2022). Aligning correlation information for domain adaptation in action recognition. IEEE Transactions on Neural Networks and Learning Systems.

• Xu, Y., Yang, J., Cao, H., Chen, Z., Li, Q., & Mao, K. (2021). Partial video domain adaptation with partial adversarial temporal attentive network. In Proceedings of the IEEE/CVF International Conference on Computer Vision (pp. 9332-9341).

• Xu, Y., Yang, J., Cao, H., Wu, K., Wu, M., & Chen, Z. (2022, October). Source-free video domain adaptation by learning temporal consistency for action recognition. In Computer Vision–ECCV 2022: 17th European Conference, Tel Aviv, Israel, October 23–27, 2022, Proceedings, Part XXXIV (pp. 147-164). Cham: Springer Nature Switzerland.

• GitHub:?https://github.com/xuyu0010/awesome-video-domain-adaptation

Talk·嘉賓介紹

本人本科與博士分別于2017年與2021年畢業(yè)于新加坡南洋理工大學(xué)。博士期間獲南洋理工大學(xué)校長(zhǎng)獎(jiǎng)學(xué)金（每年全學(xué)院不超過(guò)5人）。個(gè)人研究方向集中于基于深度學(xué)習(xí)和遷移學(xué)習(xí)的視頻理解與分析及動(dòng)作識(shí)別，且近幾年個(gè)人研究更集中于視頻域適應(yīng)。個(gè)人在各類刊物/會(huì)議發(fā)表論文20余篇，其中包括頂刊TNNLS，Pattern Recognition等，以及頂會(huì)ICCV，ECCV，ACMMM，并曾在ICCV發(fā)表口頭報(bào)告（Oral）論文。本人也于2021年與2022年連續(xù)兩年受邀聯(lián)合承辦與CVPR同時(shí)舉辦的UG2+視覺(jué)挑戰(zhàn)賽暨研討會(huì)，吸引全球超過(guò)20個(gè)國(guó)家與地區(qū)的超100支隊(duì)伍報(bào)名參賽。目前，本人是新加坡科技研究局資訊與通訊研究院的一級(jí)研究科學(xué)家并兼任新加坡南洋理工大學(xué)電子與電機(jī)學(xué)院講師。

個(gè)人主頁(yè)：https://xuyu0010.github.io

關(guān)于TechBeat人工智能社區(qū)

TechBeat (www.techbeat.net) 是一個(gè)薈聚全球華人AI精英的成長(zhǎng)社區(qū)。 我們希望為AI人才打造更專業(yè)的服務(wù)和體驗(yàn)，加速并陪伴其學(xué)習(xí)成長(zhǎng)。 期待這里可以成為你學(xué)習(xí)AI前沿知識(shí)的高地，分享自己最新工作的沃土，在AI進(jìn)階之路上的升級(jí)打怪的根據(jù)地！

更多詳細(xì)介紹>>https://mp.weixin.qq.com/s/pTbCK_MeTk05jK2yx1RTrQ?