深度视觉图匹配的鲁棒性探索及数据中心视角下的展望

活动介绍

上海白玉兰开源开放研究院发起的“青年学者论坛”，意在为国内外大数据及人工智能领域的优秀青年学者，搭建一个非正式交流平台。我们诚邀发表在国际顶会的论文作者，以第一视角介绍其学术观点、研究细节、成果展现、相关领域前沿方向等话题，促进观点碰撞及交流合作。

此次是“青年学者论坛”第24期活动，青年学者论坛讲师及志愿者持续招募中。如有意愿，请与我们联系，欢迎广大同学们积极参与。
Email：chengh@baiyulan.org.cn （邮件主题：青年学者论坛）
微信：chhao01 （验证消息：青年学者论坛）

• 摘要

从图像领域到图领域，深度神经模型的鲁棒性已经成为一个重要议题，对抗噪声的广泛存在使得模型在实际部署时面临恶意攻击的威胁。然而作为图像和图的交叉领域，深度视觉图匹配的鲁棒性研究仍属欠缺。我们首先设计了对于图中关键点位置和隐含图结构的对抗攻击，大为降低了深度模型在部署时的表现。进一步的我们分析了我们设计的对抗攻击的模式，设计了外观感知正则器，可以识别并且显示地扩大易混淆的关键点在隐空间内的距离。广泛的深入的实验结果证明了我们方法的有效性。此外，我们的位置攻击可以作为数据增广的方式甚至进一步提高了最优模型的匹配精度，由此我将从数据中心的视角，讨论目前的方法论可能存在的拓展方向，以及对其他应用领域的适用潜力，作为未来的展望。
相关代码已开源在 https://github.com/Thinklab-SJTU/robustMatch

相关论文

1.Qibing Ren, Qingquan Bao, Runzhong Wang, Junchi Yan, Appearance and Structure Aware Robust Deep Visual Graph Matching: Attack, Defense and Beyond, In IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2022.

活动安排

讲师介绍

任麒冰，上海交通大学人工智能研究院研究生，指导老师是严骏驰副教授。主要研究兴趣集中于机器学习鲁棒性和数据隐私保护。目前以一作身份发表CVPR1篇，曾获得国家奖学金、上海市奖学金以及校A奖学金。

评议人

张宁，上海交通大学计算机科学与工程系，助理研究员。博士毕业于中国科学院自动化研究所。曾就职于知名外企和互联网公司。主要研究领域包括基于机器学习的多媒体分析与生成、音视频联合学习等。发表论文20余篇，包括顶级期刊和会议论文10余篇。

合作媒体

• CSDN
• 思否
• 掘金
• 数据与智能
• 示说

独家报名平台