阿里巴巴-浙江大学前沿技术联合研究中心

我们在视频检索的验证集达到了100%的准确率，在图像检索部分达到85.85%左右，应用对比学习改进后可以达到93.75%；每秒可以处理1.03个视频检索，48.57个图像检索

模型只需要少量新语义标注的数据即可充分学习；（2）模型可以持续学习新语义而无需重新训练

该报告介绍了一种新型代数持久性故障分析方法，该方法将持久性故障分析与代数分析相结合，大大提高了密码分析的效率

在挑战性的POT数据集上平均精度领先第二名LISRD 12%(相对提高比例), 领先于基于非关键点的方法LDES 64.7%，以下视频给出了在POT上视频替换物体的效果对比

结果表明：ViT借助于代理模型的先验信息可以在没有预训练的情况下快速收敛，其最终效果也在参数量接近时高于传统的CNN模型

我们的方法探索了针对ViT的增量学习的问题，大量的实验表明我们的方法在公共数据集上表现了优越的性能，超越了同样CNN架构的方法4.0% 到6.0% 的准确率

鉴定委员会认为，浙江大学、达摩院、阿里云突破了超大规模图表示、图存储、图算子以及图加速等技术难点，研发了自主可控、开源开放、分布式高性能云上图神经网络学习平台（Aligraph），显著提升了我国相关企业的核心竞争力