近日，k8凯发国际與人工智能學院研二學生靳俊傑同學撰寫的兩篇論文分別被CCF的A類會議「2021國際萬維網大會」（WWW2021）和CCF的B類會議「2021高級應用程式數據庫系統國際會議」（DASFAA2021）接收並受邀做口頭報告。

DASFAA2021會議於4月11日至4月13日在中國台北召開，WWW2021會議於4月19日至4月30日在斯洛文尼亞召開。鑒於當前國內外疫情形勢，會議均改為線上進行。論文的作者靳俊傑同學代表課題組分別對這兩篇論文進行了介紹並與參會者進行了詳細討論。

論文1：Multi-Scale Gated Inpainting Network with Path-wise Spacial Attention

該論文提出兩個新的級聯模塊確保高質量的修復圖像。首先，提出一個多尺度的門控模塊控制孔洞填充特徵的生成，確保其自適應選擇孔洞區域特徵向後續單元傳遞。其次將上述單元連接到新的Path-wise的空間注意力模塊對局部特徵關係進行映射，縮放其不匹配的局部映射關係，從而增強修復區域的特徵連續性。二者統一堆疊於一個簡單的U-Net網絡中。訓練上，提出新的致力於非規則孔洞的空間折扣損失，根據孔洞點與邊緣距離施加對應的折扣項，從而逐步加深對孔洞中心的約束。在兩個通用數據集上的實驗證明了論文提出方法的有效性。詳見http://github.com/sfwyly/GS-Net。

論文2：Progressive Semantic Reasoning for Image Inpainting

該論文致力於解決修復圖像時產生的人工痕跡問題，提出了一種新的圖像漸進式修複方法。框架主幹通過構建三層逐漸加深並共享參數的語義模塊，逐步推斷缺失邊緣特徵。形式上，後一模塊逐漸加深並共享前一模塊所有參數信息，同時每一模塊最外層控制推斷邊緣範圍，從而確保其推理孔洞邊緣信息的連續性。進一步，為防止梯度消失與並且傳遞有效語義信息提出了交叉重構模塊。該模塊通過轉移後一模塊更有效的注意力到前一模塊，從而重構出缺失的高層語義特徵信息。最終在三個通用數據集上的實驗達到SOTA的效果。詳見http://github.com/sfwyly/PSR-Net。

值得一提的是與本文一同做口頭報告的還有來自阿里巴巴淘系技術並且斬獲最佳論文獎的最新成果。

    CCF的A.B類會議對論文要求較高。近年來，我院加強研究生培養，多舉措提升研究生學術水平，舉辦崇真研究生論壇，積極支持學生參加高水平學術會議，常態化邀請高水平專家給研究生作報告，形成了良好的科研育人的氛圍，取得了研究生培養數量和質量的雙提升。

附：近年來WWW會議的論文錄用率：