喜報！阿裡巴巴文娛集團多篇論文被AAA12021收錄

近日，國際人工智能頂級會議AAAI 2021公布論文錄取結果。阿裡巴巴文娛集團共有4篇論文被錄用。

AAAI（Association for the Advance of Artificial Intelligence）是美國人工智能協會主辦的年會，是人工智能領域中曆史最悠久、涵蓋内容最廣泛的的國際頂級學術會議之一。本次AAAI 2021一共收到9034篇論文送出，其中有效審稿的隻有7911篇，最終錄取的數量為1692篇，接收率為21.4%。本次也被稱為“史上最嚴AAAI”。 

《Stochastic Bandits with Graph Feedback in Non-stationary Environments》論文作者：Shiyin Lu，Yao Hu ，Lijun Zhang 論文概述：本文研究圖回報随機老虎機問題。在該問題中，學習者在選取某個搖臂後，不僅能獲得所選搖臂的獎勵，也能觀測到相鄰搖臂的獎勵。大部分現有的工作都假設搖臂的獎勵分布不随時間變化。然而，該假設在很多現實場景如推薦系統和線上廣告中并不成立。為了解決這個問題，本文提出一系列可以應用于非穩态環境的圖回報随機老虎機算法。當獎勵分布的變化次數事先可知時，其中一個算法能夠取得獨立數最優的動态遺憾界。本文也設計了一個能夠自适應變化次數并達到覆寫數最優的算法。 

《Spatial-temporal Causal Inference for Partial Image-to-video Adaptation》論文作者：Jin Chen , Xinxiao Wu, Yao Hu, Jiebo Luo 

論文概述：圖像到視訊域适應(image-to-video adaptation)的目标是借助有标注圖像域來幫助未标注視訊域的模型學習，大大減少了視訊域模型從頭開始訓練的計算開銷。該任務相比于圖像域适應更具挑戰性，因為視訊和圖像之間存在兩類域偏移(domain shift)：1）圖像和視訊幀之間的表觀差異引起的空間域偏移；2）圖像缺少動态運動資訊而引起的時間域偏移。此外，對于不同的視訊類别，兩個域偏移的影響也不同。是以在遷移過程中應該動态地調整對兩類域偏移的重要性。本文提出了時空因果推理，用于圖像到視訊的域适應。首先，構造時空因果圖，通過反事實推理來推斷空間域偏移和時間域偏移的影響。然後，基于因果推理結果，學習圖像和視訊之間的雙向異構映射。同時，提出類别對齊子產品并嵌入到雙向異構映射的學習中，可以應用于更加實際的場景。在多個視訊資料集上的定量及定性實驗驗證了時空因果推理在圖像到視訊域适應任務上的有效性。 

《A Joint Training Dual-MRC Framework for Aspect Based Sentiment Analysis》

論文作者：Yue Mao，Yi Shen， Chao Yu， Longjun Cai

論文概述：本文将細粒度情感分析（ABSA）問題中的所有子任務統一抽象成問答問題，并提出一種基于機器閱讀了解的聯合訓練架構高效地同時解決ABSA的所有子任務，在多個公開資料集上達到了SOTA結果。

《Amodal Segmentation Based on Visible Region Segmentation and Shape Prior》

論文作者：Yuting Xiao,Yanyu Xu,ziming zhong,Weixin Luo,Jiawei Li,Shenghua Gao論文概述：本文針對非可見區域分割問題，我們提出在粗糙可見光和非可見掩模的基礎上，引入可見光區域和形狀先驗來推理非可見區域的統一架構。形狀先驗的引入使得非可見分割更加穩健。我們提出的模型在三個資料集上均優于現有方法。