探索計算機視覺前沿，螞蟻技術研究院4篇論文入選NeurIPS

近日，世界頂尖AI學術會議“神經資訊處理系統大會”（NeurIPS 2022）公佈論文接收結果，成立一年的螞蟻技術研究院共四篇論文被錄用，研究成果聚焦計算機視覺技術的前沿問題。

NeurIPS（Neural Information Processing Systems）是全球最負盛名的機器學習和計算神經科學領域的頂級會議之一，討論內容包含機器學習、計算機視覺、自然語言處理、神經科學等領域，其收錄論文代表了相關研究的最高水平，也是未來技術發展的重要風向標。今年NeurIPS共收到 10411 篇論文投稿，接收率為 25.6％。

此次螞蟻技術研究院中稿的四篇論文，分別探索了神經網路可解釋性與深度學習理論、視覺資產的編輯與創造，以及跨模態大規模表徵學習等前沿問題。入選論文均來自螞蟻技術研究院視覺智慧實驗室，該實驗室聚焦下一代計算機視覺方向基礎演算法的研究，在七月的ICML 2022（國際機器學習大會）上也有兩篇論文入選。據瞭解，螞蟻技術研究院下設有六大實驗室，分別為資料庫實驗室、圖計算實驗室、隱私計算實驗室、分散式計算實驗室、編譯器實驗室和視覺智慧實驗室。

四篇入選論文分別是：一，《 Rank Diminishing in Deep Neural Networks 》該論文首次對常用神經網路每層的秩進行了實驗估計和實證分析，揭示了由深度網路秩遞減引起的獨立性缺失現象，有望促進對深層神經網路內在原理的理解；二，《 Improving 3D-aware Image Synthesis with A Geometry-aware Discriminato r 》， 該論文提出了3D生成的新正規化，生成的幾何質量和圖片的多視角連續性有了很大的提升，相關研究成果未來可用於內容生成，AR/VR等應用場景；三，《 Improving GANs with A Dynamic Discriminator》， 該論文針對生成對抗網路，提出了兩種判別器能力動態調節的新的訓練方式，判別器能借此獲得更優解從而使2D及3D生成器得到更好的監督；四，《 Uncertainty-Aware Hierarchical Refinement for Incremental Implicitly-Refined Classification 》， 該論文針對真實環境中語義粒度不確定的問題，動態構建持續學習過程中的語義繼承和衝突關係，並以此引導了增量模型的精煉優化方向，在此基礎上可推動實現動態模型的按需學習，並根據需要的語義粒度進行特定的層級構建以及學習認知。

螞蟻技術研究院視覺智慧實驗室提出的3D生成新正規化

值得關注的是，今年螞蟻集團正式啟動數字普惠、綠色低碳、科技創新、開放生態四位一體的ESG可持續發展戰略，而此次螞蟻技術研究院獲選論文作者中包含了多位學界專家和高校青年研究人才，從中也體現出開放創新的研究路線。

如論文《 Rank Diminishing in Deep Neural Networks》 的作者之一是機器學習先驅、加州大學伯克利分校電氣工程與計算機科學系教授Michael I. Jordan，他為無監督機器學習的發展做出了突出貢獻，曾被 Science 評為“全世界最有影響力的電腦科學家”。據介紹，Michael I.Jordan現為螞蟻集團科技智囊團主席。此外，來自中國科學技術大學、香港科技大學、香港中文大學共5名螞蟻集團研究型實習生參與到了論文的撰寫中。根據公開報道，螞蟻技術研究院今年釋出了研究型實習生專案，通過開放螞蟻集團的真實產業場景及技術資源，給青年技術研究人才提供一線的實踐平臺，推動產學研融合。

近年來，隨著數字化轉型的深入和科技引領創新成為趨勢，螞蟻集團持續投入前沿技術，佈局隱私計算、區塊鏈、圖計算、分散式資料庫和綠色計算五大數字化“根技術”，並於2021年成立螞蟻技術研究院，致力於前沿科技的探索和研究。根據公開資訊，螞蟻集團連續3年科研投入增長率超39%，目前在職員工技術人才佔比達63%，在全國工商聯釋出的“2022民營企業研發投入”榜單中排名全國第六。