報告題目：可泛化文本-圖像跨模態(tài)行人檢索研究

報告時間：2024年6月12日10:00-11:00

報告地點：437bwin必贏國際官網(wǎng)B404會議室

報告人：曹敏

報告人國籍：中國

報告人單位：蘇州大學(xué)計算機(jī)科學(xué)與技術(shù)學(xué)院

報告人簡介：曹敏，女，副教授，碩士生導(dǎo)師，蘇州大學(xué)優(yōu)秀青年獲得者。2020年1月于中國科學(xué)院自動化研究所獲得工學(xué)博士學(xué)位，2020年3月入職蘇州大學(xué)計算機(jī)科學(xué)與技術(shù)學(xué)院。目前的研究方向為視覺-語言多模態(tài)學(xué)習(xí)。在本領(lǐng)域頂級會議和期刊上發(fā)表論文20余篇（其中一作/通訊論文14篇，包括5篇CCF A會議、4篇SCI一區(qū)期刊），專利授權(quán)9項，專利受理3項，多次擔(dān)任高水平會議（ICML，NIPS、ICCV、CVPR等）審稿人。曾在德國弗勞恩霍夫研究機(jī)構(gòu)（Fraunhofer-Gesellschaft）交流學(xué)習(xí)。主持國家自然科學(xué)基金青年科學(xué)基金項目、江蘇省“雙創(chuàng)博士”人才項目、蘇州市科技計劃項目、多模態(tài)人工智能系統(tǒng)全國重點實驗室開放課題、人工智能教育部重點實驗室開放課題等。

報告摘要：文本-圖像跨模態(tài)行人檢索旨在根據(jù)行人的文本描述信息檢索目標(biāo)行人，對視頻偵查應(yīng)用至關(guān)重要。現(xiàn)有研究在公開數(shù)據(jù)集已經(jīng)取得了顯著成果，但多限于實驗性封閉環(huán)境：依賴大量標(biāo)注數(shù)據(jù)訓(xùn)練模型并在單一場景的測試數(shù)據(jù)評估。然而現(xiàn)實應(yīng)用常面臨文本數(shù)據(jù)標(biāo)注受限且應(yīng)用場景多變的挑戰(zhàn)。本報告介紹文本-圖像跨模態(tài)行人檢索相關(guān)工作，特別聚焦于現(xiàn)實應(yīng)用場景中該任務(wù)所面臨的挑戰(zhàn)，分享我們在這一領(lǐng)域的初步探索。

邀請人：葉茫