IJCAI-2021（the 30th International Joint Conference on Artificial Intelligence）将于2021年8月21日至26日加拿大蒙特利尔（在线）举行。IJCAI是人工智能领域的顶级国际会议，CCF A类会议，每年举办一次。本届IJCAI-2021共收到4204篇有效投稿，最终共有587篇论文被录用，总录用率为13.9%。厦门大学信息学院王程教授团队共有三篇论文被接收（包含一篇合作论文）。论文介绍如下：

论文1：Tracklet Proposal Network for Multi-Object Tracking on Point Clouds

作者：吴海、李庆、温程璐*、Xin Li、范晓亮、王程

简介：本文提出了首个用于点云多目标跟踪的踪片候选网络（Tracklet proposal Convolutional Neural Network for Point Clouds，简称PC-TCNN）。该网络创新性地采用踪片候选生成，细化与关联策略，充分利用了目标在点云序列中的时空特征一致性约束，有效降低了多目标跟踪中的目标漏检率、错配率。该方法在KITTI数据集多目标跟踪榜单上的跟踪精度达91.75%，名列第一。论文第一作者是信息学院人工智能系2018级硕士研究生吴海，通讯作者是信息学院人工智能系温程璐老师，合作作者包括美国路易斯安那州立大学Xin Li教授等。

论文2：Federated Learning with Fair Averaging

作者：王铮、范晓亮*、王程、温程璐、俞容山、Jianzhong Qi

简介：该论文提出一种基于梯度投影的联邦学习公平性算法（federated fair averaging，简称FedFV)。FedFV探索性地揭示了造成联邦学习公平性的重要因素：大尺度的梯度矛盾差异。该方法充分考虑了不同用户数据集之间的分布差异以及网络状态不稳定带来的掉线挑战，故让服务器得到一个兼顾公平性和准确性的高效模型。论文第一作者是信息学院2020级硕士研究生王铮，通讯作者是信息学院范晓亮高级工程师，合作作者包括澳大利亚墨尔本大学Jianzhong Qi高级讲师等。

论文3：Direction-aware Feature-level Frequency Decomposition for Single Image Deraining

简介：为解决无人驾驶任务的视频分析在有雨天气变得困难的问题，本文提出一个基于频域分解学习的双分支单幅图像去雨网络。将频域分解的思路进一步深入推广到特征层级，融合原始混合特征自动分解为高频细节特征和低频部分结构特征。频域交互模块使得细节高频分支和低频结构分支的特征可以充分交互融合，将从低频结构分离的高频信息推向高频细节分支，将从高频细节提取的低频信息加回低频细节分支。本文提出方向感知的十字中值模块中，再训练过程中自动学习雨纹的方向信息，提取更多非雨纹背景干净特征，以提高去雨图像的细节和图像质量，减少雨纹对最终去雨结果的影响，实验结果SOTA。本文由南京航空航天大学团队、陈一平高工共同合作完成。