20240731【多模态研究进展】徐偲：面向低质多模态数据的深度学习
报告嘉宾：徐偲 (西安电子科技大学)
报告时间：2024年7月31日 (星期三)晚上20:00 (北京时间)
报告题目：面向低质多模态数据的深度学习
报告人简介：
徐偲，西电计科院长聘副教授，主要研究方向为可信多模态深度学习，获得CCF A类会议AAAI-24的最佳论文奖 (唯一第一作者)。在IEEE TPAMI、AAAI等中科院一区期刊或CCF A类学术会议发表论文26篇，其中一作/通讯15篇。获得“陕西省优秀博士学位论文”，西安电子科技大学“校长奖”，指导硕士研究生获得APWeb-WAIM 2023的最佳学生论文。作为核心骨干成员参与国家自然科学基金重点项目2项，主持国家自然科学基金青年基金项目等5项科研项目。受邀担任Array、Mathmatics等SCI期刊的编委/客座编委，担任20余个中科院一区期刊/CCF A类会议的审稿人。
个人主页：
https://web.xidian.edu.cn/cxu/
报告摘要：
随着互联网的普及和移动互联网的迅速发展，在社会生活的各个领域涌现出海量的多模态数据。这些开放场景下的多模态数据质量参差不齐，存在诸如模态随机缺失、模态内容冲突等问题。另外，这些任务往往要求模型能综合多模态信息，以提升推荐、检索、医疗辅助诊断等多种应用的性能，同时更可靠地度量决策置信度，以更好地评估和管控风险。本报告拟从多模态深度学习的基本概念、研究领域和范畴出发，结合报告人课题组的工作，介绍面向低质多模态数据的深度学习领域研究的主要问题和研究进展，讨论该领域的挑战和对未来工作的展望。
参考文献：
[1] Xu Cai, Si Jiajun, et al. Reliable conflictive multi-view learning. AAAI, 2024. (Outstanding Paper Award)
[2] Xu Cai, Zhang Yilin, et al. Trusted Multi-view Learning with Label Noise. IJCAI, 2024.
[3] Zhang Qingyang, Wei Yake, Han Zongbo, Fu Huazhu, Peng Xi, Deng Cheng, Hu Qinghua, Xu Cai, Wen Jie, Hu Di, Zhang Changqing. Multimodal fusion on low-quality data: A comprehensive survey. arXiv preprint arXiv:2404.18947, 2024.
[4] Xu Cai, Guan Ziyu, et al. Uncertainty-aware multiview deep learning for internet of things applications. IEEE TII 2022.
[5] Zhao Wei, Xu Cai, et al. TelecomNet: Tag-based weakly-supervised modally cooperative hashing network for image retrieval, IEEE TPAMI 2021.
[6] Xu Cai, Guan Ziyu, et al. Adversarial incomplete multi-view clustering. IJCAI, 2019.
为计算机视觉、图像处理、模式识别与机器学习等研究领域内的华人青年学者提供深入学术交流的舞台。
顶部