AMiner 会议论文推荐第十九期

原创

于 2020-12-16 20:22:56 发布 · 534 阅读

CC 4.0 BY-SA版权

本文介绍了Aminer平台在科技情报服务方面的贡献，包括学者评价和智能指派等功能。此外，提到了多篇研究论文，涵盖了市场操纵检测的对抗性学习框架、夜间行人检测的挑战、金融信息过滤的多模态学习、视觉跟踪的强化学习方法、多模态仇恨言论检测以及文本到语音的生成模型等。这些研究展示了人工智能在金融、监控、安全和语音生成等多个领域的最新进展和应用。

AMiner平台由清华大学计算机系研发，拥有我国完全自主知识产权。平台包含了超过2.3亿学术论文/专利和1.36亿学者的科技图谱，提供学者评价、专家发现、智能指派、学术地图等科技情报专业化服务。系统2006年上线，吸引了全球220个国家/地区1000多万独立IP访问，数据下载量230万次，年度访问量超过1100万，成为学术搜索和社会网络挖掘研究的重要数据和实验平台。

IJCAI 2020 论文推荐

Market Manipulation: An Adversarial Learning Framework for Detection and Evasion

作者提出了一个对抗性学习框架，以捕捉开发工具来检测市场操纵的监管者与混淆行动以逃避检测的操纵者之间不断发展的博弈。该模型包括三个主要部分：（1）生成器，学习调整原始的操纵订单流，使之类似于正常交易者的交易模式，同时保留操纵意图；（2）鉴别器，用于将对抗性调整后的操纵订单流与正常交易活动区分开来；（3）基于代理的模拟器，用于评估调整后的输出的操纵效果。

作者分别对与操纵者和做市商相关的模拟订单流进行了实验。作者展示了适应的操纵订单流的例子，这些订单流模仿了指定做市商的报价模式，并且与我们在模拟器中实现的原始操纵策略出现了质的不同。这些结果证明了自动生成一组多样化的（看不见的）操纵策略的可能性，这可以促进更强大的检测算法的训练。

论文链接：https://www.aminer.cn/pub/5ef96b048806af6ef2772237?conf=ijcai2020
会议链接：https://www.aminer.cn/conf/ijcai2020
在这里插入图片描述

When Pedestrian Detection Meets Nighttime Surveillance: A New Benchmark

夜间行人检测是监视中的关键和前沿问题，但是计算机视觉和人工智能界尚未对此进行深入的研究。大多数现有方法都可以在有利的照明条件下（例如白天）检测行人，并获得很好的性能。然而，它们在不稳定的照明条件下（例如夜间）往往会失效。在安防领域，夜间是犯罪嫌疑人行动的关键时间。现有的夜间行人检测数据集由专为自动驾驶场景设计的车载摄像头捕获。夜间监视场景的数据集还是空缺的。自动驾驶和监视之间存在巨大差异，包括视角和照明。

在本文中，作者从夜间监控方面构建了一个新颖的行人检测数据集：NightSurveillance1。作为夜间行人检测的基准数据集，作者比较了最先进的行人检测器的性能，结果表明，这些方法不能解决NightSurveillance的所有挑战性问题。作者相信NightSurveillance可以进一步推动行人检测的研究，特别是在夜间的监控安全领域。

论文链接：https://www.aminer.cn/pub/5ef96b048806af6ef2772069?conf=ijcai2020
会议链接：https://www.aminer.cn/conf/ijcai2020/papers