AAAI 2021最「严」一届放榜：录取率仅21%，网易伏羲9篇论文入选

克日，国际人工智能顶级集会会议AAAI 2021发布论文登科功效。网易伏羲尝试室再创佳绩，共有9篇论文入选，研究偏向涉及强化进修、假造人、天然说话处理赏罚（NLP）、图像动画、用户画像等规模。科研成就的齐集发作，充实表现网易伏羲在人工智能的多个规模已经具备国际顶尖的技能创新手段。

AAAI（Association for the Advance of Artificial Intelligence）是美国人工智能协会主办的年会，是人工智能规模中汗青最久长、涵盖内容最普及的的国际顶级学术集会会议之一。在中国计较机学会的国际学术集会会议排名中，AAAI被列为人工智能规模的A类顶级集会会议。

作为人工智能规模的风向标，每年的AAAI城市吸引大量来自学术界、财富界的研究员、开拓者投稿和参会，论文竞争更是非常剧烈。AAAI 2021连系主席Kevin Leyton-Brown在Twitter上暗示，本年接管的投稿论文总数到达“惊人的高技能程度”。9034篇投稿论文中，7911篇接管评审，最终仅有1692篇论文被登科，登科率为21%。

网易伏羲创立于2017年，是海内专业从事游戏与文创AI研究和应用的顶尖机构。此次AAAI中稿论文中展示的部门技能成就，如：智能捏脸、心情迁徙等技能，已在网易多个产物中应用落地，成为吸引行业存眷的亮点。

以下是网易伏羲入选9篇论文：

MeInGame：从单个肖像中建设一个游戏脚色

（MeInGame: Create a Game Character Face from a Single Portrait）

要害词：脚色建设、智能捏脸

受到参数范畴的限定，现有的游戏脚色人脸自动建设算法无法很好地还原参数范畴之外的人脸，且大部门要领都没有思量贴图。少部门可以或许天生贴图的要领，也没有思量光照和遮挡物的影响，导致建设的三维人脸无法很好地应用在游戏中。

为了进步建设的游戏人脸的外形相似度，本文提出先行使业内成熟的基于3DMM和CNN的要领重建三维人脸，然后基于径向基函数插值的要领，将三维人脸的外形迁徙到游戏三维人脸模板上。

（收集布局图示）

（智能捏脸结果图示）

主观尝试表白，本文提出的要领在约98%的测试用例上都优于其余现有要领。

2、基于尺度化外面自顺应的人脸重演要领

（One-shot Face Reenactment Using Appearance Adaptive Normalization）

要害词：心情迁徙

人脸重演的目标是将一张人脸的心情和姿态迁徙到其它一张人脸上去，该使命可以用于措辞头天生、假造形象驱动等目标。

之前的部门模子必要多张源图片来实习一个单独的收集。一些one-shot模子每每无法较好地生涯原始人脸的身份信息，且天生质量较低。通过对adptive normalization的说明，我们指出先前的模子不合用于人脸重演这一使命。

本文通过一个收集来猜测全部层的adaptive 参数，这种计划可以或许对adaptive 参数举办全局的筹划。另外，本文引入local-global机制，通过先将局部的五官迁徙，然后用五官来指导天生整张脸简化了使命。

（收集布局图示）

尝试表白，本文提出的要领能更好地生涯原始人脸信息，天生更真实的图像。

3、布局感知下基于姿态解析和语义相干性的人体图像天生

（Structure-aware Person Image Generation with Pose Decomposition and Semantic Correlation）

要害词：举措迁徙、图片天生

基于姿态引导的人体图片天生是一种将源输入图片中的人体图像调动为方针举措姿态的技能。今朝，该技能已经被普及地应用于影视建造、动画天生、假造试穿等诸多规模，具有普及的应用远景和庞大的市场代价。

鉴于尺度CNN无法高效地处理赏罚大的空间形变，本文提出了一种基于外面流的要领来建模源特性与方针特性之间的麋集对应相关。在此框架下，我们团结人体的先验布局信息来指导收集进修，从而有用地改进结果。同时，我们进一步计划了一个轻量且有用的基于金字塔池化的非局部（non-local）模块以捕捉差异标准下差异人体部门的全局语义相干性。

（收集布局图示）

尝试功效表白，本文提出的要领可以在较大的姿态差别下天生高质量的功效。

（尝试功效图示）

4、基于视觉感知下全局相关进修的游戏住宅筹划

（In-game Residential Home Planning via Visual Context-aware Global Relation Learning）

要害词：游戏庄园合成，全局相关图天生，视觉感知

在场景合陋习模，基于组件的三维场景合成一向是一个相对空白的研究偏向。现有方案倾向于依靠组件之间的成果性束缚，譬喻，电视机必然会安排在电视柜上等等。其它，室内场景组织的时辰单一场景的组件较量少，约莫在10个阁下。

这类场景下的研究事变与现实的庄园合成场景差别很大。譬喻，在庄园中，组件之间没有很强的成果性束缚；其它，在庄园中凡是会有几百个组件，这也是之前的事变不能办理的。

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!