主页
2012-06-26：本研究室独立完成的论文被多媒体领域顶级国际会议ACM MM2012接收
本研究室的2篇论文被ACM MM2012接收，其中一篇为Full/Oral paper: Zhiwu Lu, and Yuxin Peng, “Image Annotation by Semantic Sparse Recoding of Visual Content”，另一篇为Short/Poster paper: Xiaohua Zhai, Yuxin Peng, and Jianguo Xiao, “PDSS: Patch-Descriptor-Similarity Space for Effective Face Verification”。祝贺卢志武老师和翟晓华同学。实验室彭宇新教授也是ACM MM2012程序委员会委员（Program Committee Member）。
第一篇论文针对图像标注中很少利用标注信息改善视觉特征的现状，提出了结合标注信息对视觉内容进行稀疏重编码的思想，以得到更高层的包含语义信息的视觉特征。特别要强调的是，我们提出的图像标注方法在几个标准图像集上取得目前最好的结果。此外，该论文中的视觉特征改善算法以及稀疏编码算法具有较好的新颖性和一般性，分别在多媒体内容分析和机器学习中有较大的推广应用价值。
第二篇论文针对真实场景中人脸匹配普遍存在的姿势、光照、表情及遮挡的难题，提出了PDSS(Patch-Descriptor-Similarity Space)，PDSS能够对人脸区域、特征描述子、相似性度量方法进行统一建模，学习出对人脸匹配最为有效的组合，通过结合多个有区分性的局部区域匹配完成人脸匹配，该工作在广泛采用的LFW(Labeled Face in the Wild)人脸库的restricted protocol（只在人脸矫正阶段采用数据集以外的数据）下取得了目前最好的效果。
第一篇论文针对图像标注中很少利用标注信息改善视觉特征的现状，提出了结合标注信息对视觉内容进行稀疏重编码的思想，以得到更高层的包含语义信息的视觉特征。特别要强调的是，我们提出的图像标注方法在几个标准图像集上取得目前最好的结果。此外，该论文中的视觉特征改善算法以及稀疏编码算法具有较好的新颖性和一般性，分别在多媒体内容分析和机器学习中有较大的推广应用价值。
第二篇论文针对真实场景中人脸匹配普遍存在的姿势、光照、表情及遮挡的难题，提出了PDSS(Patch-Descriptor-Similarity Space)，PDSS能够对人脸区域、特征描述子、相似性度量方法进行统一建模，学习出对人脸匹配最为有效的组合，通过结合多个有区分性的局部区域匹配完成人脸匹配，该工作在广泛采用的LFW(Labeled Face in the Wild)人脸库的restricted protocol（只在人脸矫正阶段采用数据集以外的数据）下取得了目前最好的效果。