在2019年10月26日至11月3日期间，我和导师组内的6名同学（王秋月、周德森、万博、刘永飞、李荣颉、王浩哲）以及何旭明老师，一共8人前往韩国首尔，参加了国际计算机视觉大会（ICCV2019）。在本届ICCV我们组内共有2篇论文被录用，Dynamic Context Correspondence for Semantic Alignment即为其中之一。作为这篇论文的第一作者，我得到导师组和学校的资助，参加了本次会议并且在Poster Session向世界范围内的同行介绍了我们的工作。
两年一届的ICCV（International Conference on Computer Vision）是计算机视觉三大顶级会议之一，具有极高的影响力。本届会议共计收到4328篇论文投稿，其中总共有1077篇论文入选，接收率为25.02%。本次会议从10月27日开始正式召开，共有来自59个国家的7501人参会。会议包括三天的tutorial和workshop,以及四天的main conference。会议内容涵盖图像检测分类、三维计算机视觉、低层视觉和图像处理、视觉统计学习等诸多视觉领域内的热点方向，可谓一场视觉盛宴， 大饱眼福。
在会议的前两天，我参加了会议的计算机视觉相关的专题研讨会（Workshop），主要包括Large-Scale Video Object Segmentation Challenge, Person in Context Challenge等。在Large-Scale Video Object Segmentation Challenge Workshop中，我了解到了很多最新的视频物体分割工作，这些工作给了我motivation方面的启发，同时也分享了非常多的工程实用技巧。在Person in Context Challenge中，我的导师何旭明老师进行了精彩的报告分享，并且介绍了组里今年来在这方面的相关工作。
会议第3天（10月29日），我和王秋月在poster环节讲解了我们的论文，Dynamic Context Correspondence for Semantic Alignment。该论文针对语义对齐任务进行研究，目的是寻找属于同一类别的不同物体之间的密集对应关系。该研究的目标是以一种灵活的方式合并全局语义上下文，以克服先前工作依赖于局部语义表示的局限性，在该任务场景下，该方法实现了卓越或具有竞争力的性能。为此，我们首先提出了一种上下文感知的语义表示，它结合了空间布局，以便针对局部歧义进行有力的区分，然后提出了一种基于注意机制的动态融合策略，通过融合来自多个尺度的语义线索来结合局部和上下文特征的优势。该论文通过设计一个端到端可学习的深层网络来演示它所提出的策略，称为动态上下文对应网络（DCCNet）。为了训练网络，该项工作采用了多辅助任务来提高弱监督学习过程的效率。
主会期间（10月29日-11月1日）我看了不同研究领域的poster，有幸现场聆听了优秀的论文报告，和各国的学者进行了交流，开阔了眼界，学习了很多新知识，受益匪浅。每当有所收获，在和老师、小伙伴的交流探讨的过程中也更加学会了如何辩证地思考问题。
会议最后一天（11月2日），我聆听了若干专题研讨会，包括CroMoL: Cross-Modal Learning in Real World等，了解到了语言和视觉的结合在Visual object tracking等各个视觉任务中的角色和作用。
在开会期间，我们也充分感受了韩国首尔的风土人情，品尝到了美味的韩国烤肉，在首尔弘大附近夜市充分感受到韩国全民追求时尚美丽的一种文化。这是我第二次参加国际会议，由衷感谢课题组以及学校对我的支持，让我能有如此宝贵的机会出国交流，这9天将会是我永远难忘的回忆，是一次可贵的人生经历。同时，我也感受到了自己各方面的不足，需要更加投入，更加专注，脚踏实地地努力，向优秀的学者们学习。
图一：何旭明老师进行workshop报告
图二：我们的Poster
图三：美味的韩国烤肉
沪公网安备 31011502006855号
