ACMMM2016

当多媒体会议遇上多元化魅力阿姆斯特丹

　　会议简介

第24届ACM国际多媒体会议（ACM International Conference on Multimedia, 简称ACMMM）于2016年10月15日至19日在荷兰阿姆斯特丹隆重举行。阿姆斯特丹这个城市以富有包容力著称，拥有丰富的历史积淀和高度多样化的社群。今年ACM会议特地把主会场设在全球最美剧院之一，1921年开业的荷兰Pathé Tuschinski电影院。

自1993年首次召开以来，ACMMM每年召开一次，已经成为多媒体领域顶级会议，也是中国计算机学会推荐的A类国际学术会议，今年吸引了来自全球各地的学术界、工业界多媒体方向的570多名专家、学生以及从业者，前来展示自己的科学成果和工业创新产品。巧合的是，今年的欧洲顶级计算视觉会议，EuropeanConference on Computer Vision（简称ECCV），也选在10月8日至16日于阿姆斯特丹举行，两大会议同城相遇，大大促进了交流与合作。

　　ACMMM2016会议主会场，荷兰Pathé Tuschinski影院。它结合了新艺术年轻风、新艺术主义和装饰派艺术，被誉为全球最美剧院之一。

　　研究领域和热点

本次会议共收到248篇长论文和425篇短论文，最终录用了52篇长论文（接收率为22.2%）和127篇短论文（接收率为30.3%）。下图显示了15个不同研究领域的长、短论文投稿量。

从图中可见，多媒体与视觉（Multimedia and Vision）、多媒体搜索与推荐（Multimedia Search and Recommendation）和多媒体深度学习（Deep Learning for Multimedia）是投稿量最大的三个领域。

除此之外，多模态分析和描述（Multimodal Analysis and Deion）也较为突出。

对于投稿量的领域分布，大会也进行了讨论，认为多媒体作为一个综合性强、包容性强的方向，鼓励不同领域的交叉融合，希望以后各个领域的投稿更加平衡，促进会议进一步全方面发展。

ACMMM2016会议长短论文投稿量统计

和去年一样，今年15个领域的文章被合并为4个主题，分别是系统（System）、体验（Experience）、理解（Understanding）和参与（Engagement）。

从下图可见，关键字video和image出现频率最高，证明它们就是多媒体领域最主要的数据形式。第二梯队的关键字networks、deep和learning，体现了神经网络与深度学习今年继续备受关注，而第三梯队的关键词recognition、detection和retrieval，则反映这三个多媒体方向的传统任务依然很有分量。

　　ACMMM2016会议论文关键字统计

在本届会议上，中国内地学者作为第一作者共发表了18篇长文、41篇短文，分别来自中国科学院、清华大学、北京大学、中国科学技术大学、中国人民大学、浙江大学等研究机构和高校。

今年ACMMM的最佳论文是中国科学院自动化研究所的钱胜胜、张天柱和徐常胜的"Multi-modal Multi-view Topic-opinion Mining for Social Event Analysis"，最佳学生论文是香港城市大学的Jingjing Chen和Chong-Wah Ngo的"Deep-based Ingredient Recognition for Cooking Recipe Retrieval"。

大会同时颁发了2016 ACM Transactions on Multimedia Computing, Communications and Applications (TOMM) Nicolas D. Georganas最佳论文奖给中国科学院自动化研究所的鲍秉坤、徐常胜等人，他们的论文题为“Cross-Platform Emerging Topic Detection and Elaboration from Multimedia Streams”。

　　特邀教程、教学报告和专题研讨会

大会前两天安排了内容丰富和多样的特邀教程、教学报告和专题研讨会。由于今年ACMMM与ECCV同在阿姆斯特丹举办，两大会议在10月15号邀请了11位在视觉和多媒体方向的著名研究人员和教授做特邀教程，主题包括图像分割与目标跟踪、视觉识别、人工智能、深度学习、人机交互等，都是视觉和多媒体的热门方向。

University of Central Florida的Mubarak Shah教授特意绕开深度学习，重点介绍他们在传统问题Segmentation and Tracking上的最新进展；与此同时，深度学习方向先驱之一、Montreal University的Yoshua Bengio教授深入浅出地做了题为“Fundamentals of Deep Learning”的报告，并指出了他认为的深度学习的未来挑战：无监督深度学习（Unsupervised Deep Learning）和增强学习（Reinforcement Learning）；Columbia University多媒体领域著名教授Shih-Fu Chang同时引用了ACMMM与ECCV的多篇文章，层层推进地介绍了视频事件（video events）分析的四个工作：事件的复杂性和多样性问题、人类判断关键证据（key evidences）的事件决策问题、事件概念发现（concept discovery）以及多模态事件的连接问题、事件在时域和空域的定位问题，同时指出一些开放性问题，比如探索多模态数据事件概念的关系、在穿戴式视频的事件检测等等；来自工业界的代表、微软亚洲研究院资深研究员梅涛将视觉的image和video数据，与语言的caption、comment、alignment和sentiment问题连接起来，直播，介绍了深度学习在理解图片和视频的核心问题的应用（相关教学报告资料可以在这里下载：https://www.microsoft.com/en-us/research/publication/tutorial-bridging-video-language-deep-learning/）。