主空题：解离化表征学习
主讲人：王鑫
时空间：2021年11月10日14:00
地空点：腾讯会议850450308
主办方：媒介音视频教育部重点实验室
主讲人简介：
王鑫，清华大学计算机系助理研究员，浙江大学计算机科学与技术学士、博士，加拿大西蒙弗雷泽大学计算科学博士。曾任清华大学博士后联合会理事长，现任中国计算机学会多媒体专业技术委员会副秘书长。获2017年度中国博士后创新人才支持计划，2020年度 ACM中国新星奖。主要研究方向为媒体大数据计算，多媒体智能，机器学习等，在TPAMI, TKDE, TOIS, ICML, NeurIPS, KDD, WWW, ACM Multimedia, SIGIR等相关领域顶级期刊及会议上发表论文50余篇。
内容介绍：
真实世界数据的形成通常源于许多潜在因子之间高度复杂的相互作用。现有深度学习方法忽略了这些潜在因子在形成数据过程中展现出的高度耦合这一特性，导致学习到的表征不够鲁棒、缺乏可解释性。 然而，在表征学习过程中解离化潜在因子之间的耦合关系极具挑战，尚未得到广泛的研究。本报告将讨论我们在解离化表征学习方面的相关研究，将涵盖解离化图表征学习和多模态解离化表征学习等主题。此外，我们还将讨论解离化思想在视觉推理等方向的实际应用 。