近日，计信学院三项研究成果被CVPR 2021 (IEEE Conference on Computer Vision and Pattern Recognition)录用，其中两篇论文被接收为Oral（接收率为5%左右）。CVPR是计算机视觉领域最顶级会议。根据谷歌2020学术影响力榜单：CVPR跃升总榜第5（Nature第1位，The New England Journal of Medicine第2位，Science第3位，The Lancet第4位），H5指数为299，在计算机学科所有期刊/会议中排名第1。本届CVPR共收到大约7500篇论文投稿，最终录用1663篇，录用率仅为23.7%。

论文1. Learning to Filter: Siamese Relation Network for Robust Tracking (Oral) 

该论文由广西师范大学计信学院、华侨大学2019级学生程思远（第一作者）与其导师钟必能教授（通讯作者）、计信学院李先贤教授（通讯作者）和唐振军教授、中国科学院大学李国荣教授、华侨大学王靖教授、中科视拓科技公司CEO刘昕共同完成。

该论文提出了一个简单而有效的目标跟踪框架——孪生关系网络。提出的跟踪器能够在复杂场景下对干扰物进行有效的抑制，取得鲁棒的跟踪性能。该论文提出了基于少样本学习的关系检测器模块，利用对比学习策略来衡量建议框和目标之间的关系从而抑制潜在干扰物，还提出了能够缓解分类和回归分支不匹配现象的精调模块。在目标跟踪领域常用公开数据集上均证明了此模型的优势。

Tracking result of our method with two state-of-the-art trackers.

Visualization of confidence maps.

论文2. Distractor-Aware Fast Tracking via Dynamic Convolutions and MOT Philosophy (Poster)

该论文由广西师范大学计信学院、华侨大学2018级研究生张子凯（第一作者）与其导师钟必能教授（通讯作者）、计信学院唐振军教授、哈尔滨工业大学张盛平教授、中科院自动化所张兆翔研究员、中科视拓科技公司CEO刘昕共同完成。

该论文提出了一个干扰物感知的高效跟踪算法，以实现在跟踪任务下快速、稳定的目标跟踪。通过利用动态卷积操作，目标信息可以更有效的与搜索分支进行融合。同时，为了解决相似物干扰问题，引入多目标显著性关联-抑制的方法，使得跟踪器对复杂多变的真实场景更加具有鲁棒性。本模型在多个长时和短时常用跟踪数据集上均取得了领先的结果。

论文3. Discover Cross-Modality Nuances for Visible-Infrared Person Re-Identification (Oral)

该论文由计信学院钟必能教授和厦门大学人工智能系2020级硕士生吴穹（第一作者）与其导师纪荣嵘教授（通讯作者）合作完成，其他合作者有厦门大学戴平阳高级工程师（通讯作者）以及包括北京大学、清华大学、腾讯公司在内的知名高校和知名研究机构的研究人员。

该论文针对跨模态行人重识别问题，提出一个基于注意力机制的模态和人物细节双层面对齐网络。该论文的核心思路在于通过Modality Alleviation Module和 Pattern Alignment Module两个模块，分别实现模态差异的消除和行人细微差异的挖掘，使模型能够抽取具有跨模态检索能力的特征。本模型在该任务的常用公开数据集上均取得了最优性能。