NVIDIA研究院研究员禹之鼎：

我认为上下文信息非常重要，它是解决语义分割问题中的一个重要手段，尤其能够解决一些模糊预测的问题，比如你只能看到texture或者颜色，这些很logo 的东西，你分辨不出来哪个像素到底是属于哪个类别。更多的时候需要知道它和周围的像素的关系，以及周围更大尺度范围内它有什么东西，实际上现在的很多语义分割的网络的一个重要的目标就是说要包含越来越多的上下文信息。他们会用到现在非常流行的一些网络架构，会尝试把整个图像的表达给squeeze，就是把它用一个vector 来encode 整个图像级别的信息，然后再把它disbute出去，那这种架构现在非常的流行，而且在语义分割上得到了很好的效果，它就是一个非常典型的强调上下文信息的架构。

首先关系推理，应该是跟知识图谱有关，就是说网络如何进行推理，其实知识图谱以及这种推理，我认为是解决通用人工智能的一个重要的需要解决的问题。关于有什么相关的工作，我建议这位同学去知识图谱中去找一下，因为这方面的论文非常多，那另外我自己过去也并不是图谱方面的专家，所以我也暂时给不出顶会的paper。