|北理工研二一作获杰出论文,大陆论文量前三,ICML 2020各奖项出炉


刚刚 , ICML 2020 公布了本届杰出论文奖和杰出论文荣誉提名奖(各两篇) , 其中北理工研二学生魏恺轩为一作的论文获得了杰出论文奖 , 主题为开发用于自动搜索参数的策略网络 。 另外 , 来自英伟达、斯坦福等机构的研究者也摘得杰出论文奖 。
|北理工研二一作获杰出论文,大陆论文量前三,ICML 2020各奖项出炉
本文插图

机器学习顶级会议 ICML 2020 于本月 13 日至 18 日以线上形式举行 。 此次会议共收到 4990 篇论文 , 接收论文 1088 篇 , 接收率达 21.8% 。 与往年相比 , 接收率逐年走低 。
刚刚 , ICML 2020 大会放出了杰出论文奖和杰出论文荣誉提名奖 , 一篇发表于 2009 年的论文获得此次大会的时间检验奖 。
其中 , 北京理工大学和剑桥大学合作的论文《Tuning-free Plug-and-Play Proximal Algorithm for Inverse Imaging Problems》获得了此次会议的杰出论文奖 。 我们之前报道过的 OpenAI 新研究《Generative Pretraining From Pixels》获得了杰出论文荣誉提名奖 。
杰出论文奖
论文1:On Learning Sets of Symmetric Elements
|北理工研二一作获杰出论文,大陆论文量前三,ICML 2020各奖项出炉
本文插图

论文地址:https://arxiv.org/pdf/2002.08599.pdf
论文作者:Haggai Maron(英伟达研究院)、Or Litany(斯坦福大学)、Gal Chechik(英伟达、以色列巴伊兰大学)、Ethan Fetaya(以色列巴伊兰大学)
从无序集合中学习是一种基本的学习设置 , 最近这引起了越来越多的关注 。 这一领域的研究集中于用特征向量表示集合元素的案例 , 很少关注集合元素本身即遵循其自身对称性的常见情况 。 而后者与大量应用具备相关性 , 如图像去噪、多视图 3D 形状识别与重建等 。
这篇论文提出了一种原则性方法来学习一般对称元素的集合 。 研究者首先描述了线性层的空间 。 线性层与元素重排序和元素的内在对称性具备等变性 。
该研究进一步表明 , 由被称为 Deep Sets for Symmetric elements layers (DSS) 的层构成的网络是不变函数和等变函数的通用逼近器 。 此外 , DSS 层很容易实现 。
最后 , 研究者用一系列使用图像、图以及点云的实验 , 证明该方法比现有的集合学习架构有所改进 。
论文2:Tuning-free Plug-and-Play Proximal Algorithm for Inverse Imaging Problems
|北理工研二一作获杰出论文,大陆论文量前三,ICML 2020各奖项出炉
本文插图

论文地址:https://arxiv.org/pdf/2002.09611.pdf
论文作者:Kaixuan Wei(北理工)、Angelica Aviles-Rivero(剑桥大学)、Jingwei Liang(剑桥大学)、Ying Fu(北理工)、Carola-Bibiane Schnlieb(剑桥大学)、Hua Huang(北理工)
即插即用(PnP)是将 ADMM 或其他近端算法与高级去噪先验结合的非凸(non-convex)框架 。 近来 , PnP 取得了巨大的实验成功 , 特别是集成了基于深度学习的去噪器 。 但是 , 基于 PnP 的方法存在一个关键的问题:这些方法需要手动调参 。 此类方法必须在成像条件和场景内容具备高度差异的情况下获得高质量结果 。
该研究提出了一种免调参的 PnP 近端算法 , 支持自动设置内部参数 , 包括惩罚参数、去噪强度以及终止时间 。 该方法的核心部分是开发一个用于自动搜索参数的策略网络 , 该网络能够通过混合无模型和基于模型的深度强化学习来高效地学习参数 。
研究人员通过数值和视觉实验表明 , 该方法学到的策略能够为不同的状态定制不同的参数 , 并且比现有的手动调参更加高效 。
此外 , 该研究还探讨了插入式去噪器 , 它和学得策略一起可达到 SOTA 结果 , 在线性和非线性的示例逆成像问题中皆是如此 , 尤其是在压缩感知 MRI 和相位恢复问题上都取得了不错的结果 。


推荐阅读