NeurIPS 2021 | 物体检测与分割的零标签视觉学习
编者按：随着自监督学习的研究逐步深入，迁移学习的范式已经广泛应用于视觉学习的各个领域，大量的视觉任务都通过使用自监督预训练和有监督微调的方式来部署任务。而微软亚洲研究院的研究员们希望打破这一范式，在 NeurIPS 2021 发表的论文中，研究员们提出了一个可以从无标签视频中学习物体检测和分割的模型，使得自监督预训练模型可以直接服务于应用，而不需要任何有监督微调，实现了零标签的学习。
发布时间：2021-12-01 类型：深度文章
NeurIPS 2021 | 物体检测与分割的零标签视觉学习
编者按：随着自监督学习的研究逐步深入，迁移学习的范式已经广泛应用于视觉学习的各个领域，大量的视觉任务都通过使用自监督预训练和有监督微调的方式来部署任务。而微软亚洲研究院的研究员们希望打破这一范式，在 NeurIPS 2021 发表的论文中，研究员们提出了一个可以从无标签视频中学习物体检测和分割的模型，使得自监督预训练模型可以直接服务于应用，而不需要任何有监督微调，实现了零标签的学习。
发布时间：2021-12-01 类型：深度文章
NeurIPS 2021 | 从残差编码到条件编码，构建基于上下文的视频压缩框架DCVC
编者按：传统视频压缩方法多采用残差编码框架，虽简单有效但却并不是最优解，其熵往往大于或等于条件编码的熵。通过从残差编码到条件编码的转换，微软亚洲研究院多媒体计算组的研究员们构建了一种基于上下文的视频压缩框架（DCVC），为基于深度学习的视频压缩提供了新思路和新方法。实验表明，该视频压缩框架比常用的残差编码框架有更低的信息熵下界，且能够自适应学习帧内编码和帧间编码，适用于对高频细节的恢复。作为一种可拓展性非常强的框架，DCVC 也将在未来继续发挥其强大的压缩性能。相关论文已被 NeurIPS 2021 接收。
发布时间：2021-12-01 类型：深度文章
NeurIPS 2021 | CyGen：基于概率论理论的生成式建模新模式
编者按：在概率论中，两随机变量的一个联合分布可由一个变量的边缘分布和对应条件分布确定，也可对称地由另一变量的边缘分布和另一方向的条件分布确定，但无法由这两个边缘分布确定。因此，可否仅由这两个条件分布来确定联合分布，成为了科研人员感兴趣的研究方向。
发布时间：2021-11-26 类型：深度文章
MobiCom 2021 | Remix：面向边缘设备且可调谐的高分辨率目标检测技术
编者按：目标检测技术在视频分析系统中是十分基础的功能模块，在许多视频分析场景中，若可以在边缘设备上直接运行目标检测模型，可极大提升检测效率，同时也可以降低使用成本。但是，如何在边缘设备运行计算密集的 DNN，以及降低在边缘设备进行检测时的推理延迟，成为了相关领域工作者们重点研究的方向。
发布时间：2021-11-17 类型：深度文章
EMNLP 2021 | 微软亚洲研究院NLP领域最新研究一览
编者按：EMNLP（Conference on Empirical Methods in Natural Language Processing）是计算语言学和自然语言处理领域的顶级国际学术会议。今年的 EMNLP 大会于11月7日-11日正式在线上召开。在本届大会中，微软亚洲研究院有多篇论文入选，今天我们精选了其中的6篇来为大家进行简要介绍。欢迎感兴趣的读者阅读论文原文，一起了解自然语言处理领域的前沿进展！
发布时间：2021-11-09 类型：深度文章
EMNLP 2021 | LayoutReader：基于ReadingBank的阅读序列抽取模型
阅读序列抽取是文档智能分析中一项非常重要的任务，其旨在通过抽取扫描文档或数字商业文档中的单词并重新进行排序，将原本独立的单词组合成读者可以理解的文本。但由于日常工作生活中使用的文档，往往模板和格式各不相同，所以在出现复杂格式时，按照传统方法进行排列往往无法取得较好的效果。因此，微软亚洲研究院自然语言计算组的研究员们构建了首个大规模阅读序列数据集 ReadingBank，并基于 ReadingBank 提出了阅读序列抽取模型 LayoutReader。本文将对 ReadingBank 和 LayoutReader 的实现原理进行简要介绍，欢迎感兴趣的读者点击阅读原文了解论文中的更多详情，本文已被 EMNLP 2021 作为长文录取。
发布时间：2021-11-04 类型：深度文章
ICCV 2021 | 带你了解微软亚洲研究院CV领域前沿进展
2021年计算机视觉领域顶级会议 ICCV 于10月11日至17日在线上正式召开。此次大会共收到6236篇投稿，其中1617篇论文被接收，接收率为25.9%。在本届会议中，来自微软亚洲研究院的论文“Swin Transformer: Hierarchical Vision Transformer using Shifted Windows”荣获最佳论文奖（Marr Prize）。此外，微软亚洲研究院还有多篇优秀论文入选，今天我们精选了其中的6篇来为大家进行简要介绍。
发布时间：2021-10-13 类型：深度文章
IJCAI 2021 | 一文了解微软亚洲研究院机器学习方向前沿进展
第30届国际人工智能联合大会 IJCAI 2021 于8月19日-26日在线上正式召开。此次大会共收到4204篇投稿，其中587篇论文被接收，接收率为13.9%。在本届会议中，微软亚洲研究院也有多篇论文入选，今天我们精选了其中的5篇来为大家进行简要介绍。
发布时间：2021-08-24 类型：深度文章
IJCAI 2021 | 不确定性感知小样本图像分类模型，实现SOTA性能
小样本图像分类是小样本学习研究领域中的一个热点问题，对其展开应用和研究，有十分重大的现实意义。基于度量学习的方法在该领域中得到了广泛应用，并且取得了显著效果。但是在应用这种方法时，由于观测噪声的存在，所以网络模型对于不同输入对应的特征表达具有不同的置信度。对不确定度的建模和利用，对于提升优化效率十分重要。因此，微软亚洲研究院的研究员们提出了不确定性感知小样本图像分类方法。相关研究论文“Uncertainty-Aware Few-Shot Image Classification”已被国际人工智能联合会议 IJCAI 2021 收录。
发布时间：2021-08-19 类型：深度文章
KDD 2021 | Transformer、知识图谱等热点话题，微软亚洲研究院论文精选，速看！
第27届国际数据挖掘与知识发现大会 KDD 2021 于8月14日-18日在线上正式开幕。本次大会共收到1541篇投稿，其中238篇论文被接收，接收率为15.44%。今天我们精选了微软亚洲研究院在此次大会上发表的多篇论文中的5篇，来为大家进行简要介绍，论文主题涵盖：Transformer、云系统、神经网络、最优运输、知识图谱、表格数据理解、Table2Charts 模型等。
发布时间：2021-08-17 类型：深度文章
