近日，我院智能信息处理研究团队2021级硕士研究生唐松同学在唐荣年教授和李创教授的联合指导下，在国际顶级会议IEEE/CVF International Conference on Computer Vision（简称ICCV）上发表最新研究论文（如图1所示），题目为“SwinLSTM: Improving Spatiotemporal Prediction Accuracy using Swin Transformer and LSTM”。ICCV是全球计算机领域顶级的学术会议，每两年召开一次，享有极高的学术声誉，本届会议共有8068篇投稿，接收率为26.8%。

图1文章首页

该论文首次提出整合Vision Transformers（ViTs）和LSTMs的方法用于时空建模，且在四个常用的时空预测数据集上达到了最先进的性能，具有以下两大创新点:

1、提出了一种新的循环单元SwinLSTM，它能够有效地提取时空表征。与以往基于卷积神经网络的方法不同，完全采用自注意力机制建模全局空间信息，减少了局部建模带来的信息损失。

2、提出了两个新的预测网络SwinLSTM-B和SwinLSTM-D（如图2所示）用于时空预测任务，它可以有效地建立空间和时间依赖性。

图2 SwinLSTM模型整体框架图

文章链接：https://arxiv.org/abs/2308.09891

海南大学为该ICCV论文的唯一完成单位，该论文是我院首篇人工智能领域的顶级会议论文。