近日，人工智能国际会议AAAI-2022公布录用结果。我中心有3篇论文被录用。AAAI被中国计算机学会认定为A类会议。本次AAAI-2022一共收到9251篇论文提交，其中有效审稿有9020篇，经过两轮严格审稿，最终录取的数量为1349篇，论文录用率为15%。

此次被录用的论文的相关信息如下：

论文1：When Facial Expression Recognition Meets Few-Shot Learning: A Joint and Alternate Learning Framework

图1 模型图

本文由我中心独立完成，第一作者是2020级硕士邹心怡同学，该论文由严严副教授、王菡子教授、伦敦大学学院薛景浩教授和厦门理工学院陈思副教授共同指导。本工作首创性地基于跨域小样本学习范式解决人脸复合表情识别问题。针对人脸表情类别有限的问题，构造情感-相似度双分支网络（EGS-Net），并设计基于联合和交替学习的训练框架，缓解对重复采样任务的过拟合问题。实验结果表明，本工作研究成果在室内的CFEE和室外的EmotioNet数据集上都取得了良好的性能。

   论文2：Uncertainty-Driven Dehazing Network

图2 模型图

本文由我中心独立完成，第一作者是2017级博士洪铭同学，该论文由李翠华教授、曲延云教授和华为诺亚方舟实验室刘健庄教授共同指导。本工作提出了一种不确定驱动的图像去雾方法。该方法首先估计出偶然不确定性和认知不确定，然后基于这两种不确定性映射自适应地提取特征，同时提出了一种不确定驱动的自蒸馏损失来指导网络学习。实验结果表明，本工作研究成果在合成数据集和真实有雾图像上都取得了良好的性能。

   论文3：Unsupervised Underwater Image Restoration: From a Homology Perspective

图3 模型图

本文由2019级博士研究生富振奇和2018级博士研究生林煌星共同完成， 指导老师是黄悦副教授和丁兴号教授。本文针对水下退化图像难以获取相应的干净图像以构建监督学习模型，以及水下应用对低功耗轻量级模型的需求，创新性提出一种面向水下图像复原的自监督深度学习方法。论文首先提出一种同源退化图像构建方法，并基于此创新性地提出一种同源一致性先验约束，解决对比自监督学习方法难以应用于low-level视觉问题的难题。在相关水下图像复原数据集上的实验结果表明，所提方法具有明显的性能优势。