直播预告|ICLR 2022：PiCO：基于对比消歧的偏标签学习

「AI Drive」是由 biendata 和 PaperWeekly 共同发起的学术直播间，旨在帮助更多的青年学者宣传其最新科研成果。我们一直认为，单向地输出知识并不是一个最好的方式，而有效地反馈和交流可能会让知识的传播更加有意义，从而产生更大的价值。

本期 AI Drive，我们邀请到浙江大学人工智能系在读博士-王皓波，为大家在线解读其发表在 ICLR 2022的最新研究成果：PiCO：基于对比消歧的偏标签学习。对本期主题感兴趣的小伙伴，4 月 19 日（周二）晚 7 点，我们准时相约 AI_Drive  B 站直播间。

一、直播信息

1、演讲摘要：

偏标签学习 (Partial Label Learning, PLL) 是一个经典的弱监督学习问题，它允许每个训练样本关联一个候选的标签集合，适用于许多具有标签不确定性和歧义的的现实世界数据标注场景。然而，现存的 PLL 算法与完全监督下的方法依然存在较大差距。为此，本文提出一个协同的框架解决 PLL 中的两个关键研究挑战——表征学习和标签消歧。具体地，我们提出的 PiCO 由一个对比学习模块和一个新颖的基于类原型的标签消歧算法组成。PiCO 为来自同一类的样本生成紧密对齐的表示，同时促进标签消歧。从理论上讲，我们表明这两个组件能够互相促进，并且可以从期望最大化 (EM) 算法的角度得到严格证明。大量实验表明，PiCO 在 PLL 中显着优于当前最先进的PLL方法，甚至可以达到与完全监督学习相当的结果。

2、论文名称：

PiCO: Contrastive Label Disambiguation for Partial Label Learning4

3、论文链接：

https://openreview.net/forum?id=EhYjZy6e1gJ

4、本次分享的具体内容有： 

•  研究背景  

• 相关工作

• PiCO介绍

• 实验结果

• EM视角下的PiCO

• 科研心得体会

二、嘉宾介绍

王皓波，浙江大学人工智能系博士在读，研究领域包括弱监督学习、多标签学习、机器学习理论等方向，专注于开发鲁棒、实用、可解释机器学习算法。曾于ICLR、TPAMI、AAAI、IJCAI等顶级会议与期刊发表多篇论文，长期担任ICLR、ICML、NeurIPS等顶会审稿

三、直播地址 & 交流群

本次直播将在AI_Drive B 站直播间进行，私信“直播”可以添加小助手入群。线上分享结束后，可在直播间实时QA。

关注微信公众号“数据实战派”，可根据自动回复获取直播PPT（一般直播隔天后可获得），关注b站“AI_Drive”观看直播回放。如果希望成为分享者或兼职志愿者，请直接联系小助手（biendata02）。