研究室和阿里巴巴达摩院合作的1篇视频检索论文被ACM SIGIR 2022接收： Xiangteng He^#, Yulin Pan^#, Mingqian Tang, Yiliang Lv and Yuxin Peng*, "Learn from Unlabeled Videos for Near-duplicate Video Retrieval”, The 45th International ACM SIGIR Conference on Research and Development in Information Retrieval (ACM SIGIR), Madrid, July 11-15, 2022。ACM SIGIR是信息检索领域的顶级国际会议，也是CCF推荐的A类会议，本次大会共有794篇论文提交，共录取161篇论文（录取率20%）。
       现有近似重复视频检索（Near-duplicate Video Retrieval）方法多依赖于大量人工标注数据来学习视频表征，导致其成本巨大且效率低下。针对这一问题，本文提出一种基于自监督学习的视频片段级指纹技术，通过自监督学习能够从无标注数据中有效学习视频表征，通过视频帧间的交互能够学习到帧间的互补、辨识性信息，从而获得了对视频帧顺序、丢失等噪声的鲁棒性特征表示。本文方法的优点是不需要标注数据，能够无监督地从海量数据中学习视频表征，在提升检索准确率的同时，将存储成本和计算成本分别缩小为原来的1/5和1/25。

相关链接： ACM SIGIR 2022 | 基于自监督学习的视频片段级指纹方法