...兩名大四ACM班本科生在人工智慧頂級期刊TPAMI上首次發表一作論文

在電院計算機系和人工智慧研究院副教授嚴駿馳的悉心指導下，兩名大四學生蔣澤天、王天哲關於圖匹配問題的研究成果《Unifying Offline and Online Multi-graph Matching via Finding Shortest Paths on Supergraph》，被人工智慧領域旗艦期刊IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI)接收（regular paper）。論文從2019年7月（大三暑假）投稿到2020年4月錄用，僅用時9個月，且兩位審稿人均給出了「excellent」檔的最高評價。這是TPAMI首次錄用交大本科生的一作論文。

IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI) 是人工智慧領域的頂級期刊，影響因子在人工智慧領域的期刊中常年位居榜首，高達17.730，在中國計算機學會（CCF）期刊會議推薦列表中為A類。在人工智慧領域會議論文日益增多的今天，TPAMI仍維持每年僅200篇左右的錄用量。

嚴駿馳，現任上海交通大學計算機系與人工智慧研究院長聘教軌副教授（博導），交大ACM班AI方向項目導師，主持國家自然基金面上/青年等多個項目，主要研究興趣為機器學習，特別是動態圖學習、組合優化問題的機器學習求解。發表CCF A類論文60餘篇，授權美國發明專利20餘項，連續兩屆被評為IBM全球發明大師。任CVPR/ICPR Area Chair、CIKM Senior PC、IEEE TNNLS、Pattern Recognition、PRLetters等期刊責任客座編輯和IEEE ACCESS編委，中國圖像圖形學學會視覺大數據專委會副秘書長/常委。曾任IBM美國沃森研究中心、日本國立情報學研究所等機構訪問研究員。嚴駿馳也是科學中國人傑出青年科學家獎、CCF優博和ACM中國優博提名獎的獲得者。

圖匹配一直是嚴駿馳老師的主要研究方向之一，也是歷久彌新的NP問題。其旨在利用圖的結點和邊信息，求解點與點的匹配關係。該論文同時探究了離線模式和在線模式下的多圖匹配問題，將多圖匹配轉化為在超圖上求解匹配鏈的問題，並將經典最短路與多圖匹配問題融合，大幅提升了匹配精度和匹配速度。

在論文中，作者細緻探討了經典最短路算法與多圖匹配問題結合的可能性，並通過嚴格的理論證明闡述了多圖匹配問題在初始匹配達到一定精度時，能夠被轉化為最短路問題。基於這一點，作者在經典最短路算法Floyd、SPFA的基礎上開分別設計了離線多圖匹配算法MGM-Floyd與在線增量式多圖匹配算法MGM-SPFA、FastSPFA。其中MGM-Floyd在時間和精度上的綜合表現在各類公開圖匹配數據集上都優於現有離線多圖匹配算法；MGM-SPFA在精度上比發表在ECCV18的在線多圖匹配的最新方法IMGM則高出8%；FastSPFA則大幅度降低了在線匹配的時間複雜度，而精度與MGM-SPFA幾乎持平。

此外，在嚴駿馳老師的指導下，兩位同學還有一篇題為 《Clustering-aware Multiple Graph Matching via Decayed Pairwise Matching Composition》的多圖協同匹配與聚類的論文，近日在AAAI2020會議正式發表。AAAI是人工智慧領域頂級會議，由國際人工智慧協會主辦，在中國計算機學會（CCF）期刊會議推薦列表中為A類。

經典的圖匹配算法主要旨在解決圖與圖之間的關鍵點匹配問題，當所匹配的圖片存在多類別的時候，現有的圖匹配算法無法做到對多個圖的協同聚類和匹配。基於此，該論文首次提出一套完整的框架解決這一問題：利用樹結構提取圖與圖間的匹配信息，並初步將不同類的圖片區別開；利用譜聚類進一步由匹配相似度提煉類別的信息，從而做到了對多圖的匹配與聚類。該算法在原始圖匹配問題上取得了領先的精度，在效率上則更勝一籌；特別是在新定義的匹配和聚類協同問題上，達到了非常好的結果。

照片依次是：蔣澤天，王天哲，嚴駿馳（指導老師）