近日，哈工程在人工智能领域取得重要进展，智能科学与工程学院青年教师邢向磊作为第一作者，在世界著名的人工智能顶级学术期刊《IEEE模式分析与机器智能汇刊》（《IEEE Transactions on Pattern Analysis and Machine Intelligence》）上发表学术论文“形变生成网络：无监督解离表观与几何”（“Deformable Generator Networks: Unsupervised Disentanglement of Appearance and Geometry”,IEEE-T-PAMI, DOI:10.1109/TPAMI.2020.3013905）。

哈工程邢向磊等人，初步解决了人工智能和机器视觉领域中“表观与几何信息的无监督提取和分离”的基本科学问题。以往的生成模型方法需要关键点等有标签数据才可以将表观和几何信息分离，该方法的提出不仅以纯无监督的方式解离图像和视频的表观与几何信息，无监督学习到的几何知识还可以方便地迁移到下游AI任务和其它相似结构的数据集中。

形变生成模型原理图

IEEE-T-PAMI是人工智能，机器视觉，机器学习，模式识别，图像理解等多个领域的顶级国际期刊，侧重于发表有重要意义并能引领广泛兴趣的突破性前沿研究。2019年度影响因子达到17.86,在中国计算机学会认定的人工智能领域四个A类期刊中影响因子排名第一。IEEE T-PAMI以严苛的审稿著称，对论文的原创性要求严格，每年收录的论文数量十分有限。

邢向磊，博士，2013年毕业于南京大学电子科学与工程学院。2017-2019年在加州大学洛杉矶分校(University of California Los Angeles,UCLA)做访问研究员工作。现就职于哈尔滨工程大学智能科学与工程学院。主要从事机器学习与机器视觉等领域的研究工作。近期研究成果发表在《IEEE-T-PAMI》(IF=17.86)，《PatternRecognition》(IF=7.19),《Neural Computation》等期刊和CVPR2019,CVPR2020等顶级国际会议上。在‘AAAI19Workshop on Network Interpretability for Deep Learning’上做特邀报告。主持国家自然基金青年项目1项，黑龙江省自然科学基金青年项目1项。作为项目技术负责人参与国家自然科学基金面上项目2项。