2021 年模式识别与机器智能前沿研讨会于 10 月 29 日上午线上举行。会议由中国自动化学会模式识别与机器智能（Pattern Recognition and Machine Intelligence，PRMI）主办，旨在将从事模式识别与人工智能各个方向的顶尖学者与研究人员聚集在一起进行技术分享，以便开展相关领域的交流与合作。在研讨会中，来自中山大学的林倞教授分享了关于《视觉语义理解的新趋势：从表达学习到知识及因果融合》的报告。表达学习和知识推理一直是模式识别与计算机视觉中的核心研究内容，两者的有效结合将成为打开当代通用人工智能的第一扇门。然而在机器视觉的背景下，如何将认知推理、知识表示与机器学习等多个领域的技术融会打通，依然是一个极具挑战和迫切的难题。
在报告中，林倞教授首先简要回顾了计算机视觉领域从传统到现代的研究发展趋势，然后分享了他在表达学习和知识融合方面的一系列代表性工作。林倞教授认为目前绝大部分的知识融合表达学习工作依然无法完全实现两者的有效融合，主要原因是高维度的视觉大数据难以避免地夹杂了各种混淆因子，导致深度学习模型难以从这些数据中提取无偏误的表征与因果相关的知识。鉴于此，林倞教授提出融入因果关系理解的知识表达学习的新视角和新方法。与现有因果推断作用于固定的低维度统计特征的做法不同，融合因果关系理解的表达学习往往需要结合复杂的多模态结构知识，以因果关系指导表达学习，再用学习到的表征反绎因果关系。最后林倞教授分享了他所带领的中山大学人机物智能融合实验室（以下简称 HCP 实验室）最近在因果表达学习领域的研究进展，并展示了如何将因果表达学习与多模态结构知识融合实现去数据偏见的解释性和优越模型性能。

内容中包含的图片若涉及版权问题，请及时与我们联系删除