夏桂松教授团队再获佳绩，CVPR 2020录用3篇论文

计算机视觉领域国际顶级会议IEEE Conference on Computer Vision and Pattern Recognition (CVPR) 2020录用了中心夏桂松教授团队的3篇论文，其中包括夏桂松教授指导的博士研究生薛楠、王福东两同学完成的图像线结构解析工作和离群点情形下图匹配工作的论文2篇，以及其本人与华南理工大学合作完成的图像实例分割工作论文1篇。

薛楠同学为第一作者完成的自然图像几何结构解析工作《Holistically-Attracted Wireframe Parsing》（https://arxiv.org/abs/2003.01663），在其前期研究的区域对偶框架（CVPR‘2019，TPAMI‘2019）基础上，建立了图像线结构的矢量表示模型，提出了一种基于深度学习的线框几何结构端到端检测算法，能够实时、准确地检测图像中的线框几何结构。

王福东同学为第一作者完成的图匹配问题研究工作《Zero-Assignment Constraint for Graph Matching with Outliers》针对存在离群点的图匹配问题，给出了在离群点情形下图匹配求解过程中数值误差的理论分析方法，并提出了考虑离群点识别和剔除的高效图匹配算法，实现了存在大量离群点的图结构快速和精确匹配。

夏桂松教授与华南理工大学余晋刚副教授合作完成的关于图像实例分割的研究工作《FGN: Fully Guided Network for Few-Shot Instance Segmentation》研究了小样本条件下基于深度学习的图像实例分割问题，设计了高效的Fully Guided Network (FGN) 神经网络架构，在多个通用数据集上取得了目前最优效果。