今年9月起，智东西公开课品牌全新升级为智猩猩。智猩猩定位「新科技」服务平台，聚焦人工智能与前沿科技，提供公开课、在线研讨会、讲座、峰会等线上线下产品。

「AI新青年讲座」由智猩猩出品，致力于邀请青年学者，主讲他们在生成式AI、LLM、计算机视觉、机器学习等人工智能领域的最新重要研究成果。

AI新青年是加速人工智能前沿研究的新生力量。AI新青年的视频讲解和直播答疑，将可以帮助大家增进对人工智能前沿研究的理解，相应领域的专业知识也能够得以积累加深。同时，通过与AI新青年的直接交流，大家在AI学习和应用AI的过程中遇到的问题，也能够尽快解决。

「AI新青年讲座」现已完结226讲；有兴趣分享学术成果的朋友，可以与智猩猩教研产品团队进行邮件（class@zhidx.com）联系。

无监督域自适应（UDA）技术在语义分割领域被广泛研究，在自动驾驶领域中使用合成数据，极大地解决了缺乏数据标注的问题。但多数 UDA 方法过于关注领域间差异，而忽略了图像内的语义关联。

为解决这一短板，来自悉尼科技大学、新加坡国立大学和浙江大学的研究者在 ACM MM 2023 的最新研究中，提出了一种面向自动驾驶场景的多细粒度自监督学习方法 PiPa。

PiPa 专注于加强图像内部的像素关联和语义连贯性，同时提高了像素级特征的区分度以及对不同上下文的鲁棒性。在多个主流数据集上，也验证了 PiPa 的有效性及其在多种域自适应场景下的泛化性。

10月12日晚7点，「AI新青年讲座」第227讲邀请到 PiPa 一作、悉尼科技大学 ReLER Lab 在读博士陈牧参与，主讲《多细粒度自监督学习在自动驾驶语义分割领域自适应的应用》。

讲者
陈牧，悉尼科技大学 ReLER Lab 在读博士；指导老师为杨易教授，此前于莫纳什大学工程院获得学士学位；主要研究方向为语义分割及领域自适应，于多媒体顶级会议 ACM Multimedia 发表一作论文。

第227讲

主 题
《多细粒度自监督学习在自动驾驶语义分割领域自适应的应用》

提 纲
1、驾驶场景语义分割中的域适应挑战
2、常见域适应方法的对比
3、自监督学习在语义分割领域的应用
4、一种多细粒度自监督学习的方法

直 播 信 息
直播时间：10月12日19:00
直播地点：智东西公开课知识店铺

成果
论文标题：《PiPa: Pixel- and Patch-wise Self-supervised Learningfor Domain Adaptative Semantic Segmentation》
论文地址：https://arxiv.org/pdf/2211.07609.pdf
开源代码：https://github.com/chen742/PiPa