近日，6165cc金沙总站检测中心脑与人工智能研究团队韩军伟、程塨教授等合著的论文“A unified metric learning-based framework for co-saliency detection”获得多媒体领域顶级国际期刊《IEEE电路系统视频技术汇刊》（IEEE Transactions on Circuits and Systems for Video Technology, TCSVT）2021年度最佳论文奖（Best Paper Award）。
该奖项由IEEE CASS（IEEE电路与系统学会）设立，是多媒体领域最有影响的论文奖项之一，综合考虑论文的原创性、实用性和影响力，从过去三年发表在IEEE TCSVT上的900余篇论文中评选而出，每年最多有1篇论文入选（有时空缺）。6165cc金沙总站检测中心是这篇论文的唯一署名单位，这也是该奖项设立30年来第二篇由中国大陆科研机构独立完成的论文获得该奖项（2010年清华大学获得该奖项）。
协同显著性检测是计算机视觉领域近年来新兴的一个研究方向，旨在实现多幅图像之间显著物体的协同检测，在众多领域具有非常重要的应用价值，如图像目标检测、视频分析等。目标多样性和前景-背景相似性是该领域面临的两大难点问题。为了解决这两个问题，论文首次将度量学习引入这一领域，提出了一种全新的协同显著性计算框架。项目理论成果应用于TCL T1, T1 Pro, T1 Lite等一系列智能手机的智慧拍照和智慧相册，自动实现前景物体的分割提取和显著目标的识别；同时，该技术还应用于高铁列车接发安全预警系统，解决了高铁站台上视频监控中自动判断人员越界、封闭区域入侵、人流行为异常检测等核心问题，取得了显著的经济效益。
撰稿/程塨，审核/韩军伟、管峻
