今天看xhs时，有一则评论吸引到自己的注意。
时隔多年，再次听起《明我以德》。当年上初二初三时，觉得去hk读书是一个好远的梦。现在也是这样觉得。很菜了。
港大或港中大对我来说不只是比sysu更高的要求与能力，更多意味着可以离粤语文化以及太平山弥敦道兰桂坊“最重要的就是开开心心团团圆圆”这些事物更近一些。
思考良久，读研一年不够，但是还是打算通过自己的努力考上sysu，再争取去hk交流交换的机会。
做梦的人也会有一天变成实现梦想的人吗？

第四天

总感觉LD很注重锻炼我，会在各种细节上教我，连给领导发微信该怎么发这种小事都手把手教我，明明他手头在忙非常重要的事。

招聘组的姐姐现在是我心目中的春风女孩，她本科是CUFE学财经新闻的，后来保到SYSU读行管，讲话特别有条理，语气特别NICE，待人真诚热情。[泪]（pyq看到她老公还特别帅哈哈哈）虽然她长得没有那么好看，但如果我是男人，我一定追她。当然我作为女同胞，也是极喜欢的！

今天突然降温了，依依不舍从温暖的办公室回到冰冷的学校[黑线]

配图是食堂的咖喱小火锅[舔屏]

#IJCAI 2020# 今日#论文#推荐[小黄人微笑]# ：
A Similarity Inference Metric for RGB-Infrared Cross-Modality Person Re-identification
RGB红外（IR）跨模态人员重新识别（re-ID）旨在搜索RGB图库中的IR图，而由于IR和RGB模态之间的巨大差异，这是一项具有挑战性的任务。现有方法通常通过对齐跨模态的特征分布或图像样式来解决该挑战，但这种方法在很大程度上忽略了同一模态的图库样本之间非常有用的相似性（即，模态内样本相似性）。
本文提出了一种新颖的相似性推断度量（SIM），该度量利用模态内样本相似性来规避针对最佳跨模态图像匹配的跨模态差异。SIM通过连续相似图推理和相互最近邻推理来工作，即从两个不同的角度利用模态内样本相似性来挖掘交叉模态样本相似性。
在两个交叉模态re-ID数据集（SYSU-MM01和RegDB）上进行的大量实验表明，与最新技术相比，SIM可以显着提高准确性，且只需很少的额外训练。
论文链接：https://t.cn/A6Gvao7l