自监督学习在视觉场景中的研究新进展课程简介：前往报名学习
自监督学习是指从数据本身产生某种形式的标签并训练神经网络，用来解决某些特定任务或者学习通用的图像、视频、语言的特征表达。在学术界，自监督学习被证明可以解决光流预测、深度估计、场景遮挡等问题，不需要额外的人工标签。另外，基于自监督学习的无监督表征学习近年来也获得了飞速发展，大有超越有监督表征学习的趋势。本次talk将结合两篇CVPR 2020 Oral文章，讲解自监督学习方法在场景去遮挡、视觉里程计方面的最新成果。
播放：102次，课程ID：4125001
自监督学习是指从数据本身产生某种形式的标签并训练神经网络，用来解决某些特定任务或者学习通用的图像、视频、语言的特征表达。在学术界，自监督学习被证明可以解决光流预测、深度估计、场景遮挡等问题，不需要额外的人工标签。另外，基于自监督学习的无监督表征学习近年来也获得了飞速发展，大有超越有监督表征学习的趋势。本次talk将结合两篇CVPR 2020 Oral文章，讲解自监督学习方法在场景去遮挡、视觉里程计方面的最新成果。
No list
詹晓航，本科毕业于清华大学，目前是香港中文大学多媒体实验室三年级博士生，指导老师是Chen Change Loy、林达华和汤晓鸥教授。曾在CVPR、ECCV等计算机视觉顶级会议上发表论文十余篇，包括五篇第一作者论文。另外曾获国家奖学金、清华大学本科优秀毕业生、Hong Kong PhD Fellowship、Facebook自监督学习挑战赛冠军等荣誉。他的博士期间主要研究方向为无监督学习，具体工作涵盖人脸聚类、自监督场景理解、无监督表征学习等。
李顺恺，北京大学在读研究生，北大-商汤机器视觉联合实验室成员。研究方向为自监督学习，在线学习及基于深度学习的三维计算机视觉问题，在场景深度感知、视觉里程计、三维场景表示、新视角合成、生成对抗网络等应用方向有较丰富的研究经验。目前，相关成果已在ICCV, CVPR等会议和期刊上发表4篇论文。