早上好！相信不少同学已经从端午前的推送中了解到将门-TechBeat人工智能社区主办的CVPR 2021 群星闪耀·云际会，在端午假期后要正式与大家见面啦！

⏰北京时间6月15日(周二)晚8点，第①场——西工大戴玉超团队(NPU-CVR)的论文解读Talk已经准时在TechBeat人工智能社区开播，为我们拉开CVPR云际会的序幕！团队负责人西北工业大学电子信息学院教授、博士生导师戴玉超老师携其学生张静、吕韵秋、李艾轩分享了他们在CVPR 2021的工作。

· 点击【https://datayi.cn/w/xRxLJYkR】，免费收看完整talk

Talk·信息

分享人：西工大戴玉超团队（NPU-CVR）

时间：北京时间 6月15日 (周二) 20:00

地点：TechBeat人工智能社区

http://www.techbeat.net/

· 点击【https://datayi.cn/w/xRxLJYkR】，免费收看完整talk

直播交流活动·报名通道

团队介绍

西工大戴玉超团队（NPU-CVR）

• 欢迎有志于扎根西部的视觉领域学者、博士毕业生等加入团队。

• 欢迎对三维视觉、计算成像、图像理解等具有兴趣的2018级本科生和有志于攻读博士学位的学生联系。

戴玉超

西北工业大学电子信息学院教授、博士生导师

戴玉超，西北工业大学电子信息学院教授、博士生导师，陕西省信息获取与处理重点实验室主任。2005年、2008年和2012年分别获得西北工业大学学士、硕士和博士学位。2012年至2017年在澳大利亚国立大学先后从事博士后研究工作和担任ARC DECRA学者。2017年入选国家级青年项目并加盟西北工业大学。

主要研究工作集中在计算机视觉、图像处理、人工智能等领域，包括三维场景重建、动态场景分析、底层视觉、动态视觉传感器、多视角几何、深度学习、无人驾驶、视觉导航等。

已在IEEE TPAMI、IJCV、ICCV、CVPR、ECCV、NeurIPS等国际期刊和会议上发表论文50余篇，谷歌学术引用超3700次。先后获得IEEE CVPR 2012最佳论文奖（大陆高校30年来首次获得该奖项）、IEEE CVPR 2020最佳论文奖提名、DICTA DSTO图像处理最佳基础贡献论文奖、CVPR非刚性结构与运动恢复挑战赛最佳算法奖、DICTA最佳学生论文奖、APSIPA-ASC最佳深度学习/机器学习论文奖和陕西省科技进步二等奖等奖项。

主持和参与国家自然科学基金面上项目，澳大利亚研究委员会(ARC) DECRA项目，国家自然科学基金国际合作重点项目、科技部“新一代人工智能”重大专项等科研项目。担任CVPR、ICCV、ACM-MM等国际会议领域主席(Area Chair)和中国图象图形学报青年编委。①

基于不确定性模型的显著性检测

本文研究针对RGB-D显著性目标检测的不确定研究。针对显著性所具有的“主观性”的特性，本文提出一种基于隐变量模型的显著性检测结构，通过引入一个隐变量来对于“主观性”进行建模。实验结果表明这种不确定建模可以同时实现高的网络性能，同时作为一种生成模型，本模型的一对多映射，使得显式的描述不确定性成为可能。

论文链接：

https://ieeexplore.ieee.org/abstract/document/9405467

代码链接：

https://github.com/JingZhang617/UCNet

张静 | 澳大利亚国立大学在读博士生张静，女，澳大利亚国立大学博士研究生，主要研究方向是显著性目标检测、生成模型和不确定性建模，在国际顶级期刊和国际会议发表论文多篇，第一作者发表TPAMI 2篇、CVPR 3篇、ECCV 1篇，共同一作发表CVPR 2篇。关于RGB-D显著性目标检测的不确定建模论文获得CVPR 2020 最佳论文奖提名。

个人主页：

https://jingzhang617.github.io

②

伪装物体同步定位、分割与排序

该论文针对伪装物体的生物学特性提出伪装物判别性区域定位任务和伪装等级评价任务以及对应的数据集，并通过设计联合学习框架，完成判别性区域定位、目标检测和伪装等级评价，该框架在这些任务上得到了良好的性能。

论文链接：

https://arxiv.org/abs/2103.04011

代码链接：

https://github.com/JingZhang617/COD-Rank-Localize-and-Segment

吕韵秋 | 西北工业大学电子信息学院 在读博士生

吕韵秋，2016年在西安电子科技大学获统计学学士学位，2018年于西安电子科技大学获计算机科学与技术硕士学位。目前为西北工业大学电子与信息学院博士生，师从戴玉超教授，从事显著性检测、伪装物检测与不确定性建模方向研究。

③基于不确定性感知的显著性目标检测与伪装目标检测的联合学习

提出了基于不确定性感知的显著性物体检测和伪装物体检测的联合学习网络，建模网络预测的置信度，并通过深入挖掘两任务间的相关性，利用显著性物体和伪装物体的矛盾对立属性，使相互对立的显著性物体检测与伪装物体检测任务相互帮助。

论文链接：

https://arxiv.org/abs/2104.02628

代码链接：

https://github.com/JingZhang617/Joint_COD_SOD

李艾轩 | 西北工业大学电子信息学院 硕士研究生

李艾轩，女，西北工业大学信号与信息处理专业2019级硕士研究生，师从戴玉超教授，从事显著性检测，伪装目标检测等方向研究。以第一作者发表CVPR 口头报告论文一篇，参与发表CVPR论文3篇。

- The End -

· 点击【https://datayi.cn/w/xRxLJYkR】，免费收看完整talk

关于TechBeat人工智能社区

▼TechBeat(www.techbeat.net)隶属于将门创投，是一个荟聚全球华人AI精英的成长社区。我们希望为AI人才打造更专业的服务和体验，加速并陪伴其学习成长。期待这里可以成为你学习AI前沿知识的高地，分享自己最新工作的沃土，在AI进阶之路上的升级打怪的根据地！

更多详细介绍>>https://mp.weixin.qq.com/s/pTbCK_MeTk05jK2yx1RTrQ