在本文中，我们介绍了计算机视觉研讨会上的女性 - WICV 2022，与路易斯安那州新奥尔良的混合CVPR 2022一起组织。它为计算机视觉社区中的少数（女性）群体提供了声音，并着重于提高这些研究人员在学术界和工业中的可见性。 WICV认为，这样的事件可以在降低计算机视觉领域的性别失衡方面发挥重要作用。 WICV每年都会组织a）a）从少数群体的研究人员之间合作的机会，b）指导女性初级研究人员，c）向演示者提供财政支持，以克服货币负担，D）榜样的大量选择，他们可以在职业生涯开始时，是年轻研究人员的例子。在本文中，我们介绍了有关研讨会计划的报告，过去几年的趋势，关于WICV 2022讲习班的演示者，与会者和赞助的统计摘要。
translated by 谷歌翻译
轨迹预测是成功的人类机器人相互作用的必不可少的任务，例如在自动驾驶中。在这项工作中，我们解决了使用移动摄像机在第一人称视图设置中预测未来行人轨迹的问题。为此，我们提出了一种新型的基于动作的对比学习损失，该损失利用行人行动信息来改善学习的轨迹嵌入。这一新损失背后的基本思想是，在特征空间中，执行相同行动的行人的轨迹比具有明显不同动作的行人的轨迹更接近彼此。换句话说，我们认为有关行人行动的行为信息会影响他们的未来轨迹。此外，我们为轨迹引入了一种新型的采样策略，能够有效地增加负面和阳性对比样品。使用训练有素的条件变异自动编码器（CVAE）生成其他合成轨迹样品，该样品是为轨迹预测开发的几种模型的核心。结果表明，我们提出的对比框架采用了有关行人行为的上下文信息，即有效的行动，并学习了更好的轨迹表示。因此，将所提出的对比框架集成在轨迹预测模型中可以改善其结果，并在三个轨迹预测基准上胜过最先进的方法[31，32，26]。
translated by 谷歌翻译
VQ（供应商资格）和IOQ（安装和操作资格）审核在仓库中实施，以确保在履行网络中翻转所有设备都符合质量标准。如果在短时间内进行许多检查，则可能会跳过审核检查。此外，探索性数据分析揭示了对相同资产进行类似检查的几个实例，从而重复了这项工作。在这项工作中，通过识别相似性和重复项，将自然语言处理和机器学习应用于仓库网络的大型清单数据集，并预测具有较高传递率的非批评性数据集。该研究建议ML分类器识别具有IOQ和VQ的高传递概率的检查，并将优先级分配给检查，以便在无法执行所有检查的时间时优先考虑。这项研究建议使用基于NLP的BLAZINGTEXT分类器以高速率进行清单，这可以降低检查的10％-37％，并大大降低成本。应用的算法超过了随机森林和神经网络分类器，并在90％的曲线下达到了一个区域。由于数据不平衡，使用F1分数对模型的准确性产生了积极影响，从8％提高到75％。此外，提出的重复检测过程确定要修剪的17％可能的冗余支票。
translated by 谷歌翻译
学习排名 - 制作特定于查询的项目的排名列表以及一组监督项目 - 是一个普遍兴趣的问题。我们认为的设置是没有分析描述构成良好排名的设置。取而代之的是，我们有一个包含（目标项目，有趣的项目集）对的表示和监督信息的集合。我们在仿真中进行了分析证明，在实际数据示例中，当监督与“这几个相似的项目相似”时，通过使用整数线性程序组合表示来进行排名是有效的。尽管这项提名任务是相当普遍的，但对于特异性，我们从图表中的顶点提名的角度介绍了我们的方法论。本文描述的方法是模型不可知论。
translated by 谷歌翻译