喜讯 | 理工学院/未来智联网络研究院李镇教授团队入选深港澳科技计划A类项目并在A类会议AAAI-23上发表两篇文章

2021年深港澳科技计划A类项目

香港中文大学（深圳）理工学院/未来智联网络研究院李镇教授领导的深度比特实验室联合香港中文大学联合申报的“深度学习辅助的RNA蛋白结构预测以及蛋白高亲和性RNA设计”项目入选2021年深港澳科技计划A类项目，2021年度深圳及香港高校的众多申请中仅有15项入选项目。

2021年深港澳科技计划A类项目清单

详情请见:

http://stic.sz.gov.cn/xxgk/tzgg/content/post_10174589.html

欢迎对于3D扩散模型、3D生成模型、3D点云数据解析、生物分子结构预测及设计感兴趣的同学加入课题组进行该项目研究，项目期间表现优异的同学可以推荐至香港中文大学进行访问研究。

CCF-A类顶级会议AAAI-23论文

同时，李镇教授团队的两篇文章论文被CCF-A类顶级会议AAAI 2023收录。AAAI全称为国际先进人工智能协会(Association for the Advancement of Artificial Intelligence)，是人工智能和机器学习领域的顶级会议，据最新中国计算机学会推荐国际学术会议和期刊目录，AAAI为人工智能领域的A类会议，AAAI2023共接收8777篇投稿，接收论文1721篇，接受率仅为19.6%。

论文1:

Geometry-Aware Network for Domain Adaptive Semantic Segmentation

工作摘要：衡量和处理合成的虚拟场景数据（源域）和真实场景数据（目标域）之间的差异一直是领域自适应语义分割的核心问题。最近工作通过在源域引入了场景深度信息以加强几何和语义知识的迁移，但这种只基于 2D 深度估计的方式无法有效提取场景物体的内在 3D 特征，例如位置和形状。为了更好地解决这一问题，本工作尝试用更紧凑的 3D 几何点云表征来减小不同数据域之间的差异，提出了一种新的基于几何感知的领域自适应网络（GANDA)。GANDA首先利用源域的深度信息进行辅助监督学习以获得目标域的深度预测结果，完成结构-纹理的解耦。另外，GANDA显式地利用了从 RGB-D 数据生成的点云的 3D 拓扑信息，进一步在目标域中完成坐标-颜色的解耦，实现目标域的伪标签细化。为了提升2D 分类器在目标域中的分割性能，GANDA进行了域不变的几何领域自适应，将源域和目标域的 2D 语义分割和 3D 几何分割结果进行统一。值得一提的是，我们提出的GANDA 可即插即用于现有任一无监督领域自适应（UDA）框架。在两个热门的虚拟到现实场景基准 GTA5->Cityscapes 和 SYNTHIA->Cityscapes的定性和定量结果表明，我们的模型上优于目前最先进的无监督领域自适应（UDA）框架。

作者简介：

	廖颖泓 本科于中山大学获得软件工程学士学位。他目前在香港中文大学（深圳）深度比特实验室未来网络智能研究所攻读博士学位。他的研究兴趣包括领域自适应、多模态学习和三维点云处理。
	周文鼎 本科于加拿大安大略省滑铁卢大学获得计算机科学学士学位。他目前在香港中文大学（深圳）深度比特实验室未来网络智能研究所攻读博士学位。他的研究兴趣包括领域自适应、深度补全和三维点云处理。

论文2：

Fair-CDA: Continuous and Directional Augmentation for Group Fairness

工作摘要：人工智能时代，越来越多的机器学习模型被用于帮助人们做决策，对例如获得信贷，保险，医疗保健的机会产生重大影响。由于训练数据存在可能的对特定群体的偏见和不公平性，导致机器学习模型在决策中存在同样甚至更大的偏见。为此，我们提出Fair-CDA算法，一种细粒度的数据增广方法，来实现对模型的公平性约束。我们首先使用特征分解技术将数据分解为敏感特征与非敏感特征。实验表明在不同群体的敏感特征之间的路径上进行数据增广，可以提升模型的公平性。通过调整在路径方向的增广强度，可以对模型进行不同程度的公平性约束。同时为了缓解公平性约束导致的精度下降，我们进一步引入校准模型来估算增广数据的标签。我们提出的方法不依赖任何生成模型，并且可以很好地兼顾准确性和公平性。实验结果表明 Fair-CDA在多个的数据集上优于最先进的方法，例如 Adult、CelebA 和 MovieLens数据集。特别地，在Adult数据集上，Fair-CDA 在保持准确性的同时，达到了公平性指标86.3% 的提升。此外，我们在线上推荐系统部署了Fair-CDA算法，以证明其在准确性和公平性方面的提升。

作者简介：

孙睿是香港中文大学（深圳）理工学院在读博士生，本科毕业于哈尔滨工程大学，硕士毕业于香港城市大学，他的主要研究方向是AI公平性，领域泛化，数据增强。

指导老师

上述文章指导老师是香港中文大学（深圳）理工学院/未来智联网络研究院助理教授李镇以及未来智联网络研究院院长、校长学勤讲座教授崔曙光。合作单位包括香港大学和华为诺亚方舟实验室。

李镇教授

理工学院/未来智联网络研究院助理教授

校长青年学者

李镇博士目前是香港中文大学（深圳）理工学院/未来智联网络研究院助理教授，同时兼任深圳市大数据研究院研究科学家。他获得香港大学计算机科学博士学位（2014-2018年），中山大学通信与信息系统硕士学位（2011年至2014年）以及中山大学自动化学士学位（2007-2011）。他还于2018年在芝加哥大学担任访问学者，并于2016年在芝加哥丰田技术学院（TTIC）担任访问学生。他的研究兴趣包括人工智能跨学科研究，计算机视觉以及深度学习辅助的生物分子解析及设计。同时，李镇博士还获得了来自于国家、省市级以及工业界的科研经费，有关更多详细信息请参阅他的主页（https://mypage.cuhk.edu.cn/academics/lizhen/ ）。欢迎对于室外大场景自动驾驶、无人机（尤其是工业级无人机操控和数据采集），3D扩散模型和3D生成模型，生物分子解析和生成模型研究，室内场景解析中利用多模态数据进行融合解析感兴趣的同学加入课题组研究。Depp Bit Lab主要的研究方向是3D视觉解析及应用（包括但不限于点云解析，多模态联合解析），深度学习等基础理论算法研究，并致力于将2D/3D人工智能算法推广应用于蛋白/RNA结构预测，自动驾驶，工业视觉等场景中。

李镇教授个人主页及Deep Bit Lab

崔曙光教授

未来智联网络研究院院长

深圳市大数据研究院常务副院长

校长学勤讲座教授

崔曙光教授，国家重点研发计划首席科学家，全球高被引学者，IEEE Fellow，深圳市杰出人才培养计划首批入选人。崔教授于2005年在美国斯坦福大学获得博士学位，先后在UC Davis等多所美国大学任教至讲座教授。现任香港中文大学（深圳）校长学勤讲座教授、未来智联网络研究院院长、港中深-京东集团人工智能联合实验室主任，深圳市大数据研究院常务副院长。

崔教授的科研成果主要集中在数据驱动、AI赋能的大规模系统控制和资源管理。他已在国际一流期刊和会议上发表了350多篇论文，是IEEE 信号处理协会2012年最佳论文奖获得者，并曾担任多个IEEE国际会议的主席和程序委员会主席，两个IEEE国际期刊的指导委员会成员、主席，多个IEEE国际期刊的编委和领域主编，IEEE无线技术委员会的主席。他在2013年当选IEEE Fellow（博士毕业8年内入选，IEEE历史上最快之一），在2014年入选IEEE通信协会杰出讲师，汤森路透全球高被引科学家名单，和ScienceWatch的全球最具影响力科学家名单。在2017年10月，基于其在物联网和数据分析领域的学术声誉，他应阿里巴巴集团的邀请到杭州，作为13名科学家之一为阿里巴巴达摩院的成立提供了战略性意见。崔教授在2020年获得IEEE ICC最佳论文奖，IEEE ICIP最佳论文列表，IEEE GLOBECOM最佳论文奖，中国ICT2020创新应用奖，Chinagraph首个图形开源数据集奖，中国电子学会自然科学一等奖，中国通信学会技术发明一等奖。

【END】

点击以下链接，进入理工时刻：

喜讯 | 理工学院三名全职教授荣获2022年中国工业与应用数学学会奖项

喜讯 | 理工学院张纵辉教授当选IEEE会士

喜讯 | 理工学院获批11项省自然科学基金项目和3项粤深联合基金项目

喜讯 | 热烈祝贺理工学院唐本忠教授和张瑞教授入选全球“高被引科学家”榜单