CCF-腾讯犀牛鸟基金五周年系列报道（五）——笃行致远-2017年CCF-腾讯犀牛鸟基金成果分享（下篇）

学海无涯，业界无边。如何将日新月异的产业发展与枝繁叶茂的学术生态做扎实有效的对接，将无限的创想化为落地的实践，始终是激励CCF-腾讯犀牛鸟基金不断探索的初心。

2018年恰逢犀牛鸟基金成立五周年，值此之际特别推出“2017年CCF-腾讯犀牛鸟基金成果分享”专题，介绍2017年基金获奖者的研究项目及其在一年合作中取得的成果。既是总结，亦是传承。

专题将分为两期介绍全部14个科研基金项目，本期为下篇。

浏览上篇文章，请点击：笃行致远-2017年CCF-腾讯犀牛鸟基金成果分享（上篇）

2017年CCF-腾讯犀牛鸟科研基金回顾

2017年，CCF-腾讯犀牛鸟基金累计支持14项科研基金以及24项创意基金，在为期一年的合作周期中，科研基金获奖者与腾讯研发团队在共同关注的前沿科技领域开展深入合作，促进了高质量学术成果的产出，推动了研究成果的产业落地与应用。青年学者累积发表学术论文115篇，其中CCF A类论文64篇、B类论文25篇，联合腾讯公司发表论文22篇，联合申请专利37项，部分技术储备将落地于相关合作业务。

10月26日，2017年度CCF-腾讯犀牛鸟基金项目结题评审会将在中国计算机大会（CNCC 2018）期间举行。届时，基金获奖者将集中展示他们一年的项目成果，与此同时，由十五位内外部专家组成的评审团，将现场评定并颁发本年度犀牛鸟基金的“卓越奖” 、“卓创奖”、“优秀奖”和“优秀专利奖”。

2017年CCF-腾讯犀牛鸟基金

获奖者项目合作简介

北京大学 刘家瑛

基于深度学习的视频动作分析与理解

负责人简介：

北京大学计算机科学技术研究所副教授。2010年毕业于北京大学计算机应用技术专业获理学博士。研究领域包括图像/视频编码与增强重建、分析与理解。担任APSIPA杰出讲者，CCF/IEEE高级会员，IEEE CASS-MSA/EOT技术委员会委员，CCF多媒体技术专委会副秘书长，CSIG视觉大数据专委会副秘书长、常委。累计发表高水平学术论文100余篇；申请国家发明专利60余项，其中已授权专利28项。

项目介绍：

本项目利用深度学习的建模能力，针对视频数据中动作分析与理解的特点与挑战，围绕人体行为表示，对基于时序的动作分析进行了研究。本项目的研究内容利用深度神经网络提取更加鲁棒的视频空时域特征，主要涉及人体动作检测、动作识别和动作预测技术。本项目的研究成果有效提升了视频分析中动作识别的准确度以及动作检测的灵敏性，可被广泛应用于智能视频分析和智能医疗等多个领域。

项目成果：

依托项目支持累计发表学术论文11篇，其中顶级国际期刊5篇，CCF A类论文5篇。申请国家发明专利3项，其中与腾讯公司联合申请2项。构建目前最大的多模态行为分析数据库PKUMMD，包含RGB视频、深度图、红外图、3D关节点序列等多模态数据，共计20,000个动作片段，超过五百万帧视频。

中山大学 李博

知识图谱补全算法研究

负责人简介：

李博，博士，现为中山大学数据科学与计算机学院特聘副研究员。2015年2月于韩国汉阳大学获得博士学位。2015年3月至2015年8月在汉阳大学做博士后研究，2015年9月至2016年8月继续在汉阳大学担任助理教授，之后回国加入中山大学。其主要研究方向为自然语言处理、大数据分析。已经在IEEE Communication letters, IEEE Trans. Consumer Electronics等国际知名学术期刊上发表SCI、 SCI-E论文5篇，在国际会议上发表论文2篇。

项目介绍：

本项目主要针对现有知识图谱补全算法的不足之处，提出基于表示学习的预测准确度更高的知识图谱补全算法；我们提出了一种成为ConnectER的算法，实验结果表明，该算法在wordnet18和freebase15k两个数据集上的预测准确度都超越state-of-the-art的算法。该算法可以应用在推荐、实体链接、问答系统等领域。

项目成果：

项目提出了两个基于表示学习的新算法，算法的准确度有了较为明显的提升，并在APWEB-WAIM，ICIAI上发表相关研究论文2篇。

中国科学院计算技术研究所 许倩倩

网络众包比对数据异常样本检测

负责人简介：

中科院计算所智能信息处理重点实验室（VIPL），副研究员，硕导。已在国际著名期刊和会议上发表多篇高水平论文（如PAMI, ICML, AAAI, TMM, ACM MM等），2015年CAAI优博论文（全国8篇），2014年CCF优博论文入围终轮（全国19篇），2014年中科院百篇优博；2014年中科院院长奖；2018年中科院青促会会员；2017年所级青年之星；2017年CCF青年精英大会技术秀讲者。

项目介绍：

随着互联网及无线宽带网络技术的迅猛发展，网络众包因其具有成本低、参与人员广泛、数据量大等优点，提供了大数据时代下通过群体来完成主观评测的新途径。本项目以提升网络众包测试结果鲁棒性为研究目标。考虑到网络众包环境收集的数据存在噪声和异常，本项目建立针对比对测试数据、适合大数据的统计抑噪和异常样本检测方法。采用基于linearized Bregman Iteration （LBI） 的方法来进行异常样本检测。与传统的基于LASSO的方法相比，该方法更加简单、快速、易于并行，而且统计偏差更小。此外，还研究了网络众包下的基于信息最大化的主动采样机制，考虑了无监督和有监督两种情况下的主动采样算法。最后，对网络众包环境下用户行为进行了分析，为用户提供更加精准的行为分析函数。以上研究成果一定程度上推动丰富了网络众包研究领域的发展。

项目成果：

1.提出了基于LBI的异常样本检测算法，异常样本比例<=40%时，AUC 可达 0.9 以上。

2.提出了基于信息最大化的主动采样机制，在线加速算法比当前最佳算法快30倍以上，可有效降低数据分析复杂度，具有广泛的应用价值。

3.提出了基于mixed-effect的用户行为分析函数，大幅降低了测试误差（15%以上）。

共发表学术论文9篇（其中包含PAMI 1篇，AAAI 3篇， ACM Multimedia 2篇 ）

中国科学院信息工程研究所 任文琦

图像视频清晰化

负责人简介：

中国科学院信息工程研究所信息安全国家重点实验室助理研究员。2017年博士毕业于天津大学，期间在美国加州大学默赛德分校访问一年。于2017年8月至2018年7月在腾讯AI Lab访问一年，访问期间获得北京图象图形学会优博论文奖，中国人工智能学会优博论文提名奖，以及中国人工智能学会最佳青年科技成果奖。研究方向主要为图像处理，计算机视觉等。

项目介绍：

针对日常生活拍照、监控等生成的图像和视频中容易产生的视觉质量退化问题，系统研究了图像及视频清晰化的模型，提出一系列图像及视频的去模糊，去雾，以及低光照增强等算法模型。能够有效恢复低质量图像和视频内容，并提高图像理解和识别的准确率。算法可以应用于终端设备中的图像处理模块中。

项目成果：

发表4篇CCF-A类论文，1篇CCF-B类论文，申请了3项专利，完成两项技术储备。

中山大学 李冠彬

基于视觉感知建模的视频高层语义理解

负责人简介：

李冠彬，中山大学副研究员。2016年毕业于中国香港大学计算机科学系，获博士学位。关注视觉感知建模及图像视频语义理解等方面的研究。共发表论文30余篇，其中CCF A类/中科院一区论文17篇，包括CVPR，ICCV，AAAI, IJCAI, ACM MM，TIP等。Google Scholar引用超过700次。目前担任CCF计算机视觉专委会委员，国际会议VISAPP2019领域主席，主持国家自然科学基金等多项项目。

项目介绍：

视频数据的处理和理解是智能视频分析的基础，也是视频内容精确搜索的核心。本项目首先研究基于光流引导的循环神经编码算法，可以高效学习视频时空特征表达及视频内容的时空对比度，快速定位视频场景中的重要内容。进一步研究结构化跨模态视觉感知模型，将其应用于视频内容描述自动生成，可以生成更精确的语句描述，同时提升模型的可解释性。项目的研究对于智能监控、人机交互和基于内容的视频检索等方面都有重要应用价值。

项目成果：

受本项目资助已发表论文12篇，其中CCF A类8篇，包括CVPR 3篇，AAAI 2篇，ACM Multimedia 2篇，IJCAI 1篇；中科院1区论文2篇，包括TNNLS和T-Cybernetics 各一篇。与腾讯公司联合申请专利4项。与腾讯优图合作研发人脸配准优化算法落地应用于天天P图及微视等最新产品。

华中科技大学 王兴刚

面向应用的少监督情况下的深度物体检测研究

负责人简介：

王兴刚，华中科技大学，电子信息与通信学院，副教授，研究生导师。主要研究方向为计算机视觉和机器学习，尤其在于物体检测和深度学习。分别于2009年和2014年在华中科技大学获得学士和博士学位。博士期间，在UCLA、Temple Univ访问。迄今在国际顶级会议(ICML, NIPS, CVPR, ICCV, ECCV等)上发表论文17篇，权威期刊(IEEE TPAMI, TIP, Pattern Recognition等）发表学术论文20余篇。谷歌学术引用次数超过1500次。荣获“微软学者”奖（全亚洲10名获奖者），中国科协“青年托举人才工程”，湖北省优秀博士论文奖，中国电子教育学会优秀博士论文提名奖，湖北省自然科学二等奖等。

项目介绍：

本项目提出了一系列业内领先的弱监督物体检测和语义分割方法，如DSRG、wsRPN、PCL等，相关研究内容发表在计算机视觉领域顶级期刊（IEEE TPAMI）和顶级会议（CVPR、ECCV）上。研究成果能够显著数十倍的减少深度网络所需的人工标记工作量，并且成功应用于乳腺癌的检测当中，在ICPR 2014挑战赛的数据集上获得了当前最高的精度，并和腾讯联合申请专利。

项目成果：

²与腾讯AILab联合发表论文2篇：ECCV 2018（顶级会议）[1]，ACML 2018 [2]

²与腾讯AILab联合投稿论文1篇：Medical Image Analysis（医学图像领域权威期刊）[5]

²其它相关论文2篇：CVPR 2018（顶级会议）[4]，IEEE T PAMI （顶级期刊）[3]

²联合申请专利一项 [6]

北京大学 严睿

开放领域的对话系统建设：上下文，多样性及个性化

负责人简介：

严睿，北京大学研究员。曾任百度公司自然语言处理部资深研发，负责下一代人机交互机器人“度秘”的人机对话技术研发工作。兼任华中师范大学计算机学院和中央财经大学信息学院的客座教授及企业导师。主要研究领域为自然语言处理、数据挖掘、信息检索、机器学习和人工智能等。目前的研究课题主要是对话系统、智能交互、自然语言生成、文本萃取、深度学习以及知识管理等方面。至今在WWW, ACL, SIGIR, IJCAI, EMNLP, KDD, CIKM等主要学术会议上发表了70余篇研究论文，并在一系列高水平学术会议如AAAI、IJCAI、ACL、SIGIR、WWW、EMNLP等上担任（高级）程序会员会委员（Senior PC）和审稿人。目前主要的项目为大数据场景下的自然语言处理与智能交互助理。专注于海量文本的语义理解，文本建模与抽象表示，挖掘潜在语义联系与逻辑关系，同时应用于智能交互场景，如法律业务助理，医疗数据助理等。

项目介绍：

本课题着眼多轮人机对话的解决方案，使用了深度学习神经网络的方法，使得系统通过对大量人人对话的学习，具有和人对话的能力。本课题在对话学习的过程中，针对对话回应结果进行语义丰富度的控制，并加入多样性控制机制，使得对话系统的表现同人类的表现越来越接近。以上述生成系统为依托，本课题构建多轮对话数据集以及原型对话系统，从而推动对话系统的发展。课题支持北大腾讯联合发表论文3篇，业务落地专利1项，另外支持发表CCF A类论文10篇，并有多篇论文在投。

项目成果：

1.联合发表论文3篇：2篇EMNLP’18全文，1篇NLPCC’18全文

2.支持发表论文：1篇KDD’18全文，5篇IJCAI’18全文，3篇AAAI’18全文，1篇WWW’18全文

3.联合申请专利1项，支持腾讯老诗机业务

4.多篇论文在投，审稿中

关于CCF-腾讯犀牛鸟基金

2013 年CCF与腾讯合作发起CCF-腾讯犀牛鸟科研基金，作为第一支面向青年学者的企业基金，引起了学界的广泛关注。该项基金致力于支持青年学者从事前沿技术研究，洞察业界问题，推动科研成果应用转化。2013-2018年犀牛鸟科研基金共计发布95项研究命题。命题均来自真实业务场景与需求，主题涉及人工智能，社交网络，大数据，网络安全，互联网广告，虚拟现实，互联网+等学界业界热点问题。同时，基金项目还提供腾讯云、腾讯大数据、腾讯文智等计算资源与技术平台。2013-2018年间，共有934位优秀青年学者提交申请，共计支持115项科研基金项目，以及93项创意基金项目获得支持。基金获得者与腾讯团队深度合作，共申请国际国内专利204项，发表高水平学术论文638篇，并将研究成果在产业平台上测试提升及推动应用转化。