ECCV，英文全稱European Conference on Computer Vision，中文全稱歐洲計算機視覺國際會議。ECCV每年的論文接受率為25-30%左右，每次會議在全球範圍會收錄論文300篇左右，收錄論文的主要來源是來自於美國、歐洲等頂級實驗室及研究所，中國大陸的收錄論文數量在10-20篇之間。聽起來在這裡發表論文是一件特別困難的事情，而在電子科技大學就有這樣一位學生，他不光在ECCV發表論文，值得一提的是他是一名本科生。
近日，電子科技大學英才實驗學院2014級本科生張靖義與阿聯酋阿布扎比IIAI研究院(Inception Institute of Artificial Intelligence)合作的論文“Generative Domain-Migration Hashing for Sketch-to-Image Retrieval”成功入選計算機領域頂級會議之一的 European Conference on Computer Vision（ECCV，歐洲計算機視覺會議）。張靖義同學為該論文第一作者，電子科技大學為第一作者單位。該論文有望入選會議“Spotlight Section”，張靖義同學也將作為訪問學生前往IIAI研究院實習。
圖1：深度模型示意圖
（其中，域遷移模塊由兩個生成器和兩個判別器組成。右下的模塊是哈希網絡，紅色的箭頭代表從簡筆畫到真實圖的循環生成過程，紫色箭頭代表從真實圖到簡筆畫的循環生成過程。）
圖2：域遷移網絡的結果展示圖
（前兩行是從簡筆畫生成真實圖的結果。後兩行是真實圖到簡筆畫的生成結果。結果顯示，我們的網絡擁有雙向域遷移的能力。）
圖3：對sketchy數據集10類結果的t-SNE的結果分析圖
（a-c分別是32，64，128比特真實圖哈希碼的結果，d-f分別是32，64，128比特的簡筆畫的哈希碼的結果。結果顯示，真實圖片和簡筆畫圖片屬於同分布且各個類之間能很好地區分開。）
跨模態檢索是一個非常熱點且重要的問題，而利用簡筆畫去檢索對應的真實圖片不僅具有非常重要的研究意義，更具有很大的商業潛力。但傳統的方法存在許多亟待改進的問題，如不能很好地減小兩個圖片域（domain）之間的差距，不能很好地將“類別檢索”與“精細檢索”統一到一個框架，檢索的結果不理想等等。
該論文提出了一種新的方法來實現“域遷移”（Domain-migration），有別於傳統的方法（即將兩個特徵空間的信息映射到同一個公共子空間），作者首次利用循環生成對抗網絡（CycleGans）把簡筆畫變為“假的真實圖片”，儘可能地保留兩個空間的信息用於檢索。該論文還將“類別檢索”與“精細檢索”統一到一個框架下，在許多數據集上取得了目前最好的效果。其中，在Sketchy數據集上效果比之前最好的方法提高了20.5%，在TU-Berlin數據集上提高了26.4%。
都說電子科技大學是個學霸扎堆的地方，但是他們也的確用實際行動證明了真正優秀的人從來不會刻意談起理想與現實，因為對於他們來說，兩者並沒有什麼不同。如同張靖義一樣，他的詩和遠方就在觸手可及的地方，他的成績證實了青春也可以以這樣的方式不朽。
延伸閱讀
英才實驗學院自2016年開始實施“本科生海外名校科研實習計劃”，每年選拔優秀學子赴海外名校進行為期6個月以上的科研實習，兩年來共派出14人赴美國達特茅斯學院、德克薩斯大學奧斯汀分校、加州大學河濱分校、新加坡南洋理工大學、香港科技大學、IIAI研究院等世界知名大學和研究院進行科研實習。在校內和海外導師聯合指導下，經過多年的科研訓練，2018屆畢業生在學術領域取得了豐碩的成果，全年級共發表33篇高水平論文，包括ACMMM、NIPS、ICLR、ICML、IJCAI、ECCV、SIGKDD、SIGIR、ICC、IoT、TVT等一系列國際頂級會議或期刊。
歡迎關注985、211、“雙一流”建設A類高校電子科技大學本科招生官方頭條號——“成電招生”，獲取更多電子科大精彩資訊！
部分素材來自電子科技大學官微
閱讀更多 成電招生 的文章
