最近，“阿里气旋”在美国夏威夷爆炸。在淘宝的“派力涛”让国外工程师大呼好用后，有好消息传来，阿里巴巴人工智能实验室的三篇论文入选2017 CVPR。
被科技界称为“春晚”的CVPR，是近十年来全球计算机视觉领域最具影响力和综合性的顶级学术会议，由全球最大的非营利性专业技术学会IEEE(电气与电子工程师学会)主办。2017年谷歌学术按论文被引率排名，CVPR在计算机视觉领域排名第一。根据CVPR评审团的披露，CVPR今年共审核了2620篇文章，最终收录783篇，录取率29%。
阿里巴巴人工智能实验室评选出的三篇论文，有玩酷的优秀科学家深度参与，针对深度学习和计算机视觉涉及的问题，如情境模拟、场景分割、行为理解等提出解决方案。酷火告诉记者，“这三篇论文均来自深度学习中的应用场景，未来将登陆人工智能实验室，比如家居安全监控场景”。
酷火于2017年3月加入阿里巴巴人工智能实验室，担任杰出科学家，负责机器学习、计算机视觉和自然语言理解的研发。他曾经是南洋理工大学的终身教授，也是人工智能领域顶级杂志《模式分析与机器智能》的IEEE交易副主编。多次受邀担任国际计算机视觉大会等人工智能顶级学术会议的领域主席，在深度学习算法领域有着深厚的研究积累和国际权威。2016年，他还因在深度神经网络设计方面的突出贡献，成为《麻省理工技术评论杂志》年度入选的10位亚洲35岁以下青年创新奖获得者之一。
以下是对三篇论文的解读。
1.显著目标检测的深层集合
结合深度网络的水平集方法在显著目标检测中的应用
导言：
如图所示，A为输入图像，B为显著性区域对应的地面真值，C、D对应BCE损失训练的深度网络和使用水平集方法的效果，E对应论文的方法；可以看出，E在分割细节上最接近地面真实，效果更好，细节提升明显。
显著目标检测可以帮助计算机找到图片中最有吸引力的区域。有效的图像分割和图像的语义属性对于显著性目标检测非常重要。通过南阳理工大学与阿里巴巴人工智能实验室的合作，提出了一种结合深度网络的层次集方法，将切分信息与语义信息相结合，取得了良好的效果。水平集方法是处理封闭运动界面在时间演化过程中几何拓扑变化的有效计算工具，后来被用于图像分割算法中。深度学习可以很好地对显著性目标的语义属性进行建模，进而检测出显著性目标。然而，更多的语义属性信息导致分割边界的低层信息不准确。本文巧妙地将深度网络和Deep Level Sets方法相结合，同时利用图片下层的边界信息和上层的语义信息，获得显著对象检测领域的最新效果。
2.用于三维动作识别的全局上下文感知注意力LSTM网络
将全局上下文注意机制引入到长短期记忆网络的三维运动识别中
导言：
如图所示，3D运动识别有助于计算和更好地理解人体运动(最左边的文字)，可以作为未来人机交互的补充。
3D运动识别可以帮助计算机更好地分析人的动作，为多样化的人机交互提供更多的选择。一个好的3D运动识别系统需要在时间(运动需要一定的时间延迟)和空间(结构)上处理好运动的信息。LSTM(短时记忆网络)可以很好地对动态的、相互依赖的时间序列数据(如人类的3D动作序列)进行建模，注意机制可以更有效地获取数据中的结构信息，消除噪声的干扰。与南洋理工大学、北京大学、阿里巴巴人工智能实验室合作，提出了一个新的LSTM网络：GCA-LSTM(Global Context-Aware Attention LSTM)；它用于对动作序列中有效的全局上下文信息(时间信息和空间信息)进行建模，进而识别三维动作。同时，提出了一种GCA-LSTM网络的循环注意机制，以迭代的方式提高注意模型的效果。该方法在三个主流的三维运动识别数据集上取得了最先进的效果。
3.场景标注中基于上下文注意的迭代反馈记忆网络
迭代反馈上下文注意机制记忆网络在场景分割中的应用
导言：
场景分割有着广阔的应用前景，比如自动驾驶汽车通过场景分割获取可行驶区域，比如室内机器人通过场景分割获知室内物体的分布。场景分割对待分割区域周围的区域以及全局信息有较强的依赖关系，但这种依赖关系是动态变化的（即使同一区域在不同的场景中对周围信息的依赖是不同的），因此动态的获知不同区域的依赖关系以及图像全局上下zydhd的使用至关重要。由南洋理工大学，伊利诺伊大学厄巴纳-香槟分校，阿里巴巴人工智能实验室合作，论文通过一个可学习的注意力机制网络来刻画不同区域之间的依赖关系，并获取包含上下文信息的特征。进一步，论文通过引入迭代反馈的方式对注意力机制网络的输出进行调节，以获得更好的包含上下文的特征。上述方法在场景分隔任务中获得了和当前state-of-art算法相当的效果。