硕士生臧宇杰第一作者的论文被CCF B类国际会议IEEE International Conference on Acoustics, Speech and Signal Processing 2024接收。

 针对场景图生成中的长尾问题，论文提出了基于模板指导的数据增强策略，能够有效地平衡数据分布，并对分类器进行了二次训练。首先，采用自驱动的蒸馏元学习，在所有类别上迁移先进的表征能力，提取出类别特异性的谓词模板。此外，对可学习模板应用了中心辐射和门限筛选，以构建可靠的实例，从而为细粒度的谓词提供了丰富的补充数据来源。通过大量实验证明了所提方法的有效性，结果显示其在VG数据集上达到了最先进的性能水平。