aoi学院

中山大学Yuan Xie等人在研究跨领域人脸表情识别研究上提出了一种新的对抗图表示自适应(AGRA)框架，结合图表示传播与对抗学习相结合，用于跨领域整体-局部特征的协同自适应。相关成果发表于2020年10月的ACM International Conference on Multimedia (ACM MM)会议上，论文题目为《Adversarial Graph Representation Adaptation for Cross-Domain Facial Expression Recognition》[1]，本文将会对论文中的内容进行介绍以及自己的总结。

手写instanceof

instanceof作用

判断一个实例是否是其父类或者祖先类型的实例。

instanceof 在查找的过程中会遍历左边变量的原型链，直到找到右边变量的 prototype 查找失败，返回 false

1
2
3
4
5
6
7
8
9
10
11
12

let myInstanceof = (target,origin) => {
   while (target) {
      if (target.__proto__ === origin.prototype) {
         return true
      }
      target = target.__proto__
   }
   return false
}
let a = [1,2,3]
console.log(myInstanceof(a, Array));  // true
console.log(myInstanceof(a, Object));  // true

中山大学和微软亚洲研究所团队提出了一种高质量的视频修复方法，可以填补视频帧中的缺失内容。相关论文于2020年10月发表在计算机视觉顶级会议之一的欧洲计算机视觉国际会议European Conference on Computer Vision （ECCV）。论文题目为《Learning Joint Spatial-Temporal Transformations for Video Inpainting》，本文将会对论文中的方法进行介绍。

德国不莱梅大学Felix Putze等人在研究现实增强（Augmented Reality , AR）与虚拟现实（Virtual Reality , VR）技术与脑机接口（Brain-Computer Interfaces , BCI）结合的巨大潜力，进一步提高AR/VR的沉浸性，提高BCI在康复和控制方面的可用性。相关成果作为Editorial论文于2020年5月发表在 《Frontiers in Human Neuroscience 》 杂志上。原文题目为Brain-Computer Interfaces and Augmented/Virtual Reality。本文将会对论文中的内容进行介绍以及自己的总结。

三维人脸重建就是建立人脸的三维模型，它相对于二维人脸图像多了一个维度，在电影和游戏等领域应用广泛。马克斯·普朗克计算机科学研究所与斯坦福大学的科研人员于2019年提出了一种新型的面部三维重建模型，最终得到的效果十分惊艳。该模型基于自监督学习，完全从零开始学习，使用了来自 YouTube 抓取的 6000 多个名人的视频片段进行训练；其将面部的多种特征分离再重新组合，结构化程度很高；且其能以任意帧数重建人脸面部，适用于单目和多帧重建。这项工作被CVPR2019接收，原文题目为FML: Face Model Learning from Videos。