【CVPR2019最新图结构教程】 基于图结构网络的表征学习(附下载)

导读

计算机视觉最具影响力的学术会议之一的 IEEE CVPR 在2019 年 6 月 16 日 在美国加州的长滩市召开举行。来自NVIDIA 的Sifei Liu、CMU的Xiaolong Wang、Georgia Tech的Jianwei Yang,UMass Amherst的Hang Su等人一起分享了各自在图结构网络上的工作和见解,介绍一系列有效的图结构网络,包括非局部神经网络、空间传播网络、稀疏高维CNNs和场景图网络等。


Learning Representations via Graph-structured Networks

基于图结构网络的表征学习


讲者:Sifei Liu, Varun Jampani,  Xiaolong Wang , Dhruv Batra, Abhinav Gupta, Jan Kautz, Ming-Hsuan Yang


摘要近年来,卷积神经网络(ConvNets)在众多计算机视觉任务中的应用出现了显著的增长。卷积的结构在许多任务中被证明是强大的,可以从图像像素中捕捉相关性和抽象概念的。然而,当计算机视觉处理更困难的人工智能任务时,ConvNets也被证明在建模相当多的属性方面存在缺陷。这些特性包括成对关系(pairwiserelation)、全局上下文(global context)和处理空间网格之外的不规则数据的能力。一个有效的方向是根据手头的任务用图重新组织要处理的数据,同时构建网络模块,在图中跨视觉元素关联和传播信息。我们将这些具有传播模块的网络称为图结构网络。在本教程中,我们将介绍一系列有效的图结构网络,包括非局部神经网络、空间传播网络、稀疏高维CNNs和场景图网络。我们也将讨论在许多视觉问题中仍然存在的相关开放挑战。


链接:

https://xiaolonw.github.io/graphnn/


Learnable Spatial Propagation Networks

讲者:Sifei Liu

主页:https://www.sifeiliu.net/

PPT:

https://drive.google.com/file/d/1FLu20DiqxxBgHKrqAyDvXU6LZhiyIyhK/view?usp=sharing


Learning Graph Representations for Video Understanding 

讲者:Xiaolong Wang 

主页:http://www.cs.cmu.edu/~xiaolonw/

PPT:

https://drive.google.com/file/d/1MuvAvcep5jC1cPuIZHG1ezR8gcCkmwzs/view


Scene Graph Generation and Its Application to Vision and Language Tasks

讲者:Jianwei Yang

主页:https://www.cc.gatech.edu/~jyang375/

PPT:

https://drive.google.com/file/d/1oH5njQtMZkD39WFuXyM7uw1Px_pyLsaq/view?usp=sharing


Sparse High-Dimensional and Content-Adaptive Convolutions

讲者:Hang Su

主页:https://suhangpro.github.io/

PPT:

https://www.dropbox.com/s/3ud4y097zvs09dh/tutorial_cvpr_hsu.pdf


完整教程Slides下载:

请关注专知公众号(点击上方蓝色专知关注

  • 后台回复“CVPR2019GSN” 就可以获取《【CVPR2019】基于图结构网络的表征学习》载链接~

-END-

专 · 知

专知,专业可信的人工智能知识分发,让认知协作更快更好!欢迎登录www.zhuanzhi.ai,注册登录专知,获取更多AI知识资料!

欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程视频资料和与专家交流咨询

请加专知小助手微信(扫一扫如下二维码添加),加入专知人工智能主题群,咨询技术商务合作~

专知《深度学习:算法到实战》课程全部完成!550+位同学在学习,现在报名,限时优惠!网易云课堂人工智能畅销榜首位!

点击“阅读原文”,了解报名专知《深度学习:算法到实战》课程

展开全文
Top
微信扫码咨询专知VIP会员