2023年7月26日，实验室1篇论文被ACM MM 2023接收。ACM MM会议的全称是ACM International Conference on Multimedia，是多媒体领域的顶级会议。会议将于2023年10月29日至11月3日在加拿大渥太华召开。
被录用论文的简要介绍如下：
1. SeeDS: Semantic Separable Diffusion Synthesizer for Zero-Shot Food Detection(Pengfei Zhou, Weiqing Min, Yang Zhang, Jiajun Song, Ying Jin, and Shuqiang Jiang)
食品检测作为食品计算中的基本任务之一，可以支持各种多媒体应用，包括食品推荐和营养评估。为了应对真实复杂场景下的实际情况，食品检测需要定位并识别未见过的新食品目标，因此需要零样本食品检测。由于食品存在复杂语义属性（如口味、食材等），以及具有多样化的类内特征，此前的零样本检测方法难以区分细粒度食品类别。为了解决这些问题，我们提出了一个名为语义可分离扩散合成器（SeeDS）的全新零样本食品检测方法。在SeeDS方法框架中，我们针对食品特性设计了两个子模型：语义可分离合成模型和区域特征去噪扩散模型。语义可分离合成模型从成分和菜系中学习复杂食品属性的解耦表示，并通过增强的语义信息合成鲁棒的食品特征。区域特征去噪扩散模型是第一个应用在零样本检测场景中的扩散模型，它可以生成更多样化的区域特征，并通过合成的细粒度特征提升ZSFD性能。大量实验显示，我们提出的方法在两个食品数据集ZSFooD和UECFOOD-256上表现出最佳的ZSFD性能。我们还将我们的方法应用到两个通用零样本检测数据集PASCAL VOC和MS COCO上，并证明了其在普通零样本检测任务中仍然能保持算法有效性。
附件下载：