祝贺实验室团队毕业生涂远鹏的一篇论文“Self-supervised Likelihood Estimation with Energy Guidance for Anomaly Segmentation in Urban Scenes”被The SRRAI Special Track at the 38th Annual AAAI Conference on Artificial Intelligence（AAAI 2024）录用。在论文中，针对鲁棒自动驾驶需要智能体准确识别城市场景中异常区域这一任务，文章聚焦于如何设计合理的度量来测量异常，以及如何正确地生成异常数据的训练样本，提出利用分割任务的强上下文依赖性，设计了一个能量引导的自监督异常分割框架，该框架通过最大化自生成异常像素的可能性来优化异常头部。具体而言，文章设计了两个估计器来建模异常似然，一个是任务不可知的二值估计器，另一个将似然描述为面向任务的联合能量的残差。此外，基于所提出的估计器，设计了一个自适应自监督训练框架，该框架利用上下文依赖和估计似然来改进异常区域的掩码注释。文章在具有挑战性的fishyscape和Road Anomaly基准上进行了大量的实验，证明在没有任何辅助数据或合成模型的情况下，所提出的方法仍然可以达到与有监督的竞争对手相当的性能。实验室近期发表文章代码即将在如下网站发布：https://vill-lab.github.io/publication/,敬请期待。

   涂远鹏为VILL实验室2023届硕士毕业生，硕士期间发表3篇CCF A类论文（包括1篇IEEE TIP和2篇CVPR），毕业后前往香港大学攻读博士学位，在此祝愿涂远鹏以及所有VILL的毕业生们前程似锦、科研节节高！