앤트그룹 11편 논문, AI 국제 학회 ICLR 2024에 성공적으로 선정

최근 인공지능 최고의 학회인 ICLR 2024에서 입학 결과가 발표되었습니다. 앤트그룹은 이번 컨퍼런스에서 11편의 논문을 승인받았는데, 그 중 1편은 구두보고로 평가되었고, 3편은 포커스 보고서로 선정되었으며, 나머지 7편은 포스터 발표였습니다. 인공지능 학계에서 앤트그룹의 행보가 많은 주목을 받고 있다.

(사진: Ant Group의 "Multi-granularity Noise Association Learning in Long Videos"가 구두 논문으로 포함되었습니다)

올해 ICLR 조직위원회는 7,262개의 논문을 제출했고, 합격률은 약 31건이었습니다. % . 게재 승인 결과에 따라 전체 논문의 1.2%가 구두 논문으로 승인되며, 이들 저자에게는 10분간의 구두 발표 기회가 제공됩니다. 또 다른 5%의 논문은 스포트라이트 논문으로 승인되며, 이들 저자에게는 4분간의 스포트라이트 시간이 주어집니다. 나머지 논문은 포스터 형식으로 발표될 예정입니다. 전체적으로 구두 논문의 중요성이 가장 높고, 스포트라이트 논문, 포스터 논문의 중요성이 가장 낮습니다.

매년 상당수의 ICLR 구두논문이 "ICLR 최우수 논문"으로 평가되는데, 이는 새해 연구 방향을 제시한다는 의미이기도 합니다. 올해 ICLR은 Ant Group의 "Noisy Instructional Videos에서 Multi-granularity Correspondence Learning"(Multi-granularity Correspondence Learning from Noisy Instructional Videos)을 포함한 85개의 구두 논문을 선정했습니다. 본 논문에서는 다양한 입도에서의 연관 학습을 통해 모델의 성능과 견고성을 향상시키는 시끄러운 교육 비디오를 활용한 학습 방법을 제안합니다. 본 연구는 현실 세계에 존재하는 소음과 불확실성 문제를 해결하는 데 큰 의의가 있으며, 영상 이해 분야의 발전을 위한 새로운 아이디어를 제공합니다.

짧은 영상은 사람들의 일상생활에서 엔터테인먼트의 주요 형태가 되었으며, 멀티모달 기술은 현재 AI 분야에서 인기 있는 연구 방향입니다. 그러나 높은 계산 리소스 오버헤드로 인해 기존 비디오 작업은 주로 세그먼트 이해에 중점을 두고 긴 비디오의 시간적 종속성을 무시합니다. 이 문제를 해결하기 위해 본 논문에서는 긴 비디오 학습을 짧은 비디오 클립 간의 연관 정렬로 변환합니다. 본 연구에서는 영상과 텍스트 사이의 잡음 상관 문제를 해결하기 위해 통합된 최적 전송 정렬 방식을 제안했습니다. 이 방식은 긴 영상에 대한 이해도를 크게 향상시키고 시간도 절약해 줍니다. 이 연구를 통해 우리는 긴 비디오를 더 잘 이해할 수 있으며 비디오와 텍스트 간의 연관성을 보다 정확하고 효율적으로 처리할 수 있습니다.

이 솔루션은 매우 다목적이며 제안된 노이즈 상관 처리 방법은 콘텐츠 정렬이 필요한 다른 모델 사전 학습 학습에 적합합니다.

Spotlight에는 "iTransformer: Inverted Transformers Are Effective for Time Series Forecasting"(iTransformer: Inverted Transformers Are Effective for Time Series Forecasting), "Enhanced Face Recognition using Intra-class Incoherence Constraint"(클래스 얼굴 활용)이라는 세 가지 논문이 포함되어 있습니다. 내부 불일치 제약 조건으로 강화된 인식 기술) 및 "효율적인 학습된 무손실 압축을 위한 유한 상태 자동 회귀 엔트로피 코딩"(효율적인 무손실 압축 알고리즘을 위한 조회 테이블 기반의 학습 가능한 자동 회귀 모델). 첫 번째 논문에서는 기존 모델 구조를 깨뜨려 복잡한 시계열 예측 작업에서 포괄적인 선도적 결과를 달성하는 새로운 시계열 예측 방법을 소개합니다. 이 연구는 시계열 예측의 정확성과 효율성을 향상시키는 데 중요한 의미를 갖습니다. 두 번째 논문에서는 얼굴 인식의 정확도를 향상시키는 새로운 방법을 소개합니다. 이 방법은 클래스 내 불일치 제약 조건을 활용하여 얼굴 인식 기술을 더욱 최적화합니다. 본 연구는 얼굴 인식 시스템의 성능과 정확도를 향상시키는 데 큰 의미가 있습니다. 세 번째 논문에서는 효율적인 무손실 압축을 위해 조회 테이블을 기반으로 구현된 학습 가능한 자동 회귀 모델을 제안합니다. 본 연구에서는 데이터 압축 및 저장에 중요한 응용 가치를 갖는 높은 압축률과 높은 처리량을 갖춘 무손실 압축 알고리즘을 실현합니다. 이 세 가지 논문의 출판은 해당 분야에서 중요한 돌파구와 진전을 이루었으며 관련 분야의 연구 및 응용에 대한 강력한 지원을 제공했습니다. 이들의 출현은 학계의 연구 성과를 풍부하게 하고 관련 분야의 발전에 새로운 가능성을 가져왔습니다.

2017년부터 ICLR에 접수되는 논문 수가 매년 30%씩 증가했으며, 양대 인공지능 학회인 NeurIPS와 ICML 역시 빠른 성장세를 보이고 있습니다. 최근 NeurIPS 컨퍼런스에는 Ant Group의 총 20편의 논문이 포함되었으며, 이 논문들은 컴퓨터 비전, 자연어 처리, 그래프 신경망 및 이미지 처리 등 다양한 인공 지능 및 기계 학습 분야의 최첨단 주제를 다루고 있습니다. 이번 성과는 인공지능 분야에서 앤트그룹의 뛰어난 연구력과 혁신 역량을 더욱 입증한다.

(사진: ICLR의 2013년 창립 이후 연간 논문 수. 2017년부터 논문 수가 늘어났다. )

ICLR은 Open Review 검토 시스템 덕분에 최근 업계로부터 호평을 받아왔습니다. 제출된 모든 논문은 모든 동료의 평가와 질문을 받게 되며, 모든 학자는 익명 또는 실명으로 논문을 평가할 수 있습니다. 공개 검토가 완료된 후, 논문 작성자도 논문을 조정하고 수정할 수 있습니다.

Ant Group은 지난 5년 동안 AI 분야에서 300편 이상의 논문을 포함하여 최고의 국제 학술지 및 학술 컨퍼런스에 약 500편의 논문을 발표한 것으로 파악됩니다. Ant Group은 대규모 비즈니스 시나리오의 요구 사항을 기반으로 대규모 모델, 지식 그래프, 운영 최적화, 그래프 학습 및 신뢰할 수 있는 AI를 포함한 기술 분야를 계속해서 인공 지능 분야의 기술에 투자하고 있습니다.

위 내용은 앤트그룹 11편 논문, AI 국제 학회 ICLR 2024에 성공적으로 선정의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!