近日，计算机视觉领域顶级会议ICCV 2019在韩国首尔举办，软件学院3篇论文被该会录用。此次会议的录用率约24.88%。

ICCV 的全称是 IEEE International Conference on Computer Vision，即国际计算机视觉大会，由IEEE主办，与计算机视觉模式识别会议（CVPR）和欧洲计算机视觉会议（ECCV）并称计算机视觉方向的三大顶级会议，被澳大利亚ICT学术会议排名和中国计算机学会等机构评为最高级别学术会议，在业内具有极高的评价。

软件学院被ICCV2019录用论文

论文：Differential-Evolution-Based Generative Adversarial Networks for Edge Detection

作者：郑文博, 苟超, 严岚, 王飞跃

简介：由于自然场景中的对象具有各种比例，因此学习丰富的边缘信息对于基于视觉的任务非常关键。由于模式坍塌，基于传统的生成对抗网络（GAN）的边缘检测方法效果不佳。为了捕获丰富的边缘信息并尽可能避免模式坍塌，将GAN的学习视为一种进化优化，提出了一种称为基于差分进化的生成对抗网络（DEGAN）的新方法来进行更丰富的边缘检测。特别是，在GANs结构的基础上，引入了一种改进的差分进化算法来优化生成器的输入，并通过判别器评估(差分进化过程中的)适应度函数。在BSDS500和NYUD基准测试中的结果表明，论文提出的DEGAN可以实现最先进的性能，同时保持快速的速度并验证其简单性、有效性和效率，其高质量结果可能使其他基于视觉的任务更好地工作。

论文：VrR-VG: Refocusing Visually-Relevant Relationships

作者：梁远智，白亚龙，张炜，钱学明，朱利，梅涛

简介：视觉关系编码独立个体间交互，在场景语义理解中有重要作用。受限于易于预测的非视觉信息，现有方法倾向于拟合统计偏好，而非真正的学习关系信息。为了推进对象关系的应用，提出针对语义理解，需要学习视觉相关关系，并且按此构建了视觉相关关系数据集（VrR-VG)。相比于现有数据，在场景图生成上，学习型和非学习型方法差距明显扩大。

此外，还提出考虑关系的表示学习方法综合单体对象、属性和关系。通过方法的特征学习，VrR-VG上学得的特征在VQA和caption上有明显提升。进一步证明了提出视觉相关关系有效的提升特征语义表达能力。

作者：李志，王璇，王飞，姜沛林

简介：获取大量丰富标注的训练数据集，是进行准确的三维人体姿态估计的基础和前提。使用人工方法获取标注虽然可行，但过程十分冗长且缓慢。文中提出了一种新的三维人体姿态估计框架，用以补充不完备的训练数据集。首先，使用少量有标签数据训练出一个基网络。利用这一基模型输出的较为可靠的估计，其框架使用3D轨迹补全的方法自动收集视频序列中的标签。其次，使用自动收集的标签进一步训练基模型，使其学习到新的姿态。在被广泛使用的Human3.6M和MPI-INF-3DHP数据集上进行了实验；由实验可见，仅使用一小部分标签进行网络初始训练，该方法成功地使基网络从无标签视频序列中学习到新的人体姿态，令基网络的精度提升约10%。不同于之前的方法，该方法既不依赖于多视图影像，也不需要任何二维关键点标注。

此外，祝继华团队关于标记分布学习方面的论文《Label Enhancement with Sample Correlations via Low-Rank Representation》已被人工智能领域顶级会议AAAI2020录用。