报告题目：可泛化文本-图像跨模态行人检索研究

报告时间：2024年6月12日10:00-11:00

报告地点：3522集团的新网站B404会议室

报告人：曹敏

报告人国籍：中国

报告人单位：苏州大学计算机科学与技术学院

报告人简介：曹敏，女，副教授，硕士生导师，苏州大学优秀青年获得者。2020年1月于中国科学院自动化研究所获得工学博士学位，2020年3月入职苏州大学计算机科学与技术学院。目前的研究方向为视觉-语言多模态学习。在本领域顶级会议和期刊上发表论文20余篇（其中一作/通讯论文14篇，包括5篇CCF A会议、4篇SCI一区期刊），专利授权9项，专利受理3项，多次担任高水平会议（ICML，NIPS、ICCV、CVPR等）审稿人。曾在德国弗劳恩霍夫研究机构（Fraunhofer-Gesellschaft）交流学习。主持国家自然科学基金青年科学基金项目、江苏省“双创博士”人才项目、苏州市科技计划项目、多模态人工智能系统全国重点实验室开放课题、人工智能教育部重点实验室开放课题等。

报告摘要：文本-图像跨模态行人检索旨在根据行人的文本描述信息检索目标行人，对视频侦查应用至关重要。现有研究在公开数据集已经取得了显著成果，但多限于实验性封闭环境：依赖大量标注数据训练模型并在单一场景的测试数据评估。然而现实应用常面临文本数据标注受限且应用场景多变的挑战。本报告介绍文本-图像跨模态行人检索相关工作，特别聚焦于现实应用场景中该任务所面临的挑战，分享我们在这一领域的初步探索。

邀请人：叶茫