近日，信也科技携手浙江大学合作的论文《Compositional Feature Augmentation for Unbiased Scene Graph Generation》成功获得世界三大顶尖视觉会议之一ICCV 2023收录。该论文首次提出了一种组合特征增强方法（Compositional Feature Augmentation，CFA），可以实现无偏的场景图生成，可用于视觉问答、图片检索、图片生成等大量下游任务，在推荐、搜索、安防与风险反欺诈等领域有着广泛的应用空间。

ICCV即国际计算机视觉大会（IEEE International Conference on Computer Vision），创办于1987年，由美国电气和电子工程师学会（IEEE）主办，被中国计算机学会（CCF）推荐为人工智能领域A类会议，其论文集代表了计算机视觉领域最新的发展方向和水平。ICCV 2023将于2023年10月2日至6日在法国巴黎举办，本届会议共收到投稿8060篇，接收2160篇，接收率约为26.8%。

场景图通常用于描述图片中的物体、物体属性和物体关系，对于理解图片语义信息和控制生成图片逻辑具有重要作用。然而，在不同的图片数据中，物体之间的视觉关系出现的频度差异巨大，具有显著的长尾特征。这给场景图生成的准确性带来了挑战，尤其是带有低频长尾关系的场景图。

左侧为图片，右图为相对应的场景图

为了克服这一难题，实现无偏的场景图生成，该论文提出的CFA方法，提供了一个高效且具有创新性的组合学习框架，可以丰富长尾关系的特征空间，从而实现无偏的场景图生成。而不仅仅像传统的“再平衡”方法，只是增加已有样本的权重。同时，CFA方法与模型无关，仅在数据层面进行增强，因此具有广泛的适用性。

该图展示了两个进行特征丰富的独立模块的原理，分别基于物体的内在特征和物体之间的上下文关联，提高了场景图生成的准确性。

此次与浙江大学合作的论文，是信也科技在人工智能视觉知识化领域取得的重要突破。信也科技连续5年与浙江大学共建“浙江大学-信也科技人工智能联合研发中心”，持续、多角度布局人工智能前沿科研领域，打造产学研融合通道，实现技术、人才与高校研究之间的有效联动。

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。