八月盛夏，sigma小组博士生张亦澎，硕士生马嘉祺，硕士新生王宁于8月10日来到了中国澳门，正式开始了为期7天的第28届国际人工智能联合会议（International Joint Conference on Artificial Intelligence）。 随着人工智能不断的发展，吸引了越来越多全世界优秀的人投身于人工智能的研究中去，我们可以从历年增长的论文提交数量和录用率可以看出：2007 年为 1365 篇，2009 年为 1291 篇，2011 年为 1325 篇，2013 年为 1473 篇，2015 年为 1996 篇，2016 年为 2296 篇，2017 年为 2540 篇，2018 年和 2019 年分别为 3470 篇和 4752 篇。其中今年接收的论文数量仅为850篇，接受率仅仅为17.8%。随着越来越多的优秀人才投身于人工智能的研究，我们相信在不久的未来，人工智能热潮会随着第三次科技革命---信息革命一道，成为人类不断自我革新突破的见证。

在IJCAI2019的前三天，组织方提供了丰富的Workshop和tutorial供大家参考学习。8月13日则是正会开始的日子，在大会上杨强教授作为主席，为各位获奖者颁发了奖项，其中包括马文·明斯基奖章，IJCAI计算与思想奖，IJCAI约翰麦卡锡奖等等。在大会正式揭晓的后面几天里，我组同学纷纷围绕人工智能硬件，深度学习图像补全，基于流形约束和线性判别分析的矩阵分解聚类算法，纷纷展开了口头报告和海报展示。

博士生张亦澎的报告题目为”Accelerated Inference Framework of the Sparse Neural Network Based on Nested-Bitmask Structure”，讨论的是将剪枝后精度只有微小的损失的稀疏神经网络部署在FPGA上面，为AI SoC开发提出了自己的看法。

硕士生马嘉祺，则是结合线性判别分析在无监督的非负矩阵分解模型中加入了低维子空间判别信息，可以更好得捕捉原始数据的内部结构，报告题目为” Pseudo Supervised Matrix Factorization in Discriminative Subspace”。同时从流形学习的角度考虑，在目标函数中加入了伪监督信息指导的流形正则化项和低维数据图流形正则化项，挖掘了原始数据的低维几何结构。

硕士新生王宁，则是紧紧围绕利用深度学习来进行图像修复和补全，提出了一种新的基于深度学习的多尺度图像补绘算法, 报告题目为”MUSICAL: Multi-Scale Image Contextual Attention Learning for Inpainting”。生成器部分对U-Net结构做了部分改进，并引入一个多尺度的上下文注意力模块，来灵活处理丰富的背景信息，避免信息滥用/误用导致的纹理模糊等问题。

在新的学期里，也希望Sigma小组的同学能够再接再厉，勇攀学术高峰，能够出现在更多优秀的学术会议中，与世界各国的科研人员同台竞技，互相学习。