汽车新技术：中山大学人机物智能融合实验室（HCP Lab）在CVPR2019上大放异彩，共12篇论文入选，展示了实验室在计算机视觉领域的强劲实力和巨大的发展潜力。以下是实验室精心挑选的三篇代表性论文：
【01】
跨目标域适应新方法：对抗元适应网络
在大数据时代下，如何有效地迁移知识到新的无标注数据，这一直是研究者们关注的问题。传统的解决方案通常只能处理单一目标域，但现实应用中往往需要面对多个混合目标域的情况。本文提出了一种名为对抗元适应网络（Adversarial Meta-Adaptation Networks, AMEAN）的新方法，可以有效克服多目标域之间的差异，从而提高迁移学习效果。
【02】
场景图生成中的知识嵌入路由模型
场景图生成不仅需要识别物体，还需理解它们之间的关系。但现实世界中的物体关系分布极不均衡。这项研究提出了一个知识嵌入路由模型，它结合先验知识和图传播网络，以降低样本依赖并提升预测准确度。在Visual Genome数据集上的测试表明，该模型取得了优越性能。
【03】
自适应连接神经网络
这项工作引入了一种自适应连接神经网络（ACNet），它可以根据任务需求动态调整局部或全局推断能力。ACNet不仅限于欧氏数据，也可用于非欧氏结构，如图形数据。在多个计算机视觉任务中，ACNet显示出其领先性能，并证明了其泛化能力。
这些创新成果凸显了HCP Lab在AI领域特别是在计算机视觉方面的领导地位，以及他们持续探索并推动技术前沿的决心。此外，本次CVPR大会也进一步验证了学术界与工业界共同努力所带来的深远影响，为未来的智能车辆研发奠定坚实基础。
