CVPR 2021开奖！最高奖项无华人

Posted 2021-06-30 人工智能博士

点上方人工智能算法与Python大数据获取更多干货

在右上方 ··· 设为星标 ★，第一时间获取资源

仅做学术分享，如有侵权，联系删除

转载于 ：大数据文摘

就在刚刚，作为计算机视觉领域三大顶会之一，CVPR公布了今年最佳论文、最佳学生论文等奖项得主。

可以看到，与去年CVPR最佳论文和最佳学生论文一作均为华人不同，今年华人的表现相对“低调”了许多，在最佳论文、最佳学生论文等奖项中，只有最佳学生论文有华人参与。

不过在整个提名名单中，本届CVPR 2021最佳论文奖的32篇候选论文中，有华人参与的论文共18篇，华人一作论文更是高达16篇，占据半数。

此外，国内机构学者为一作的论文共计6篇。

根据官方报道，今年共收到7015篇有效投稿，其中1663篇论文被接收，接收率为23.7%。

这一数据与去年22%的接收率相比较而言有小幅上升，但可以想见，竞争仍然相当激烈。

接下来，和文摘菌一起来看看具体奖项的得奖情况吧~

最佳论文

今年的最佳论文奖题为GIRAFFE：Representing Scenes as Compositional Generative Neural Feature Fields，作者为马普智能系统研究所自主视觉小组（Autonomous Vision Group，AVG）计算机视觉/机器学习领域的博士生Michael Niemeyer，和AVG的领导者、计算机科学教授Andreas Geiger。

论文中，研究人员提出，深度生成模型虽然能在高分辨率下合成照片级真实感图像，但是对于许多应用来说远远不够，内容创造还需要做到可控才行。

虽然近年来有研究探讨了如何解开数据中潜在的变化因素，但它们只考虑了二维空间。此外，也只有少数研究工作考虑到了场景的组合性质。

因此，研究人员将场景表示为合成生成的神经特征场，使其能够从背景中分离出一个或多个目标以及单个目标的形状和外观，同时在无需任何额外的监督下从非结构化和未使用的图像集合中进行学习。

这也是本文的关键假设是，即把合成的三维场景表示合并到生成模型中会导致更可控的图像合成。

将这种场景表示与神经渲染pipeline结合后，就可以得到一个快速而逼真的图像合成模型。实验证明，该模型能够分离单个目标物体，并允许在场景中平移和旋转它们以及改变相机姿势。

论文地址：

https://arxiv.org/pdf/2011.12100.pdf

最佳论文荣誉奖：

最佳学生论文

今年的最佳学生论文奖题为Task Programming: Learning Data Efficient Behavior Representations，作者为加州理工大学的Jennifer J. Sun、西北大学的助理教授Ann Kennedy等人。

在论文中，研究人员提出了一种用于行为分析的有效轨迹嵌入方法TREBA，专家可以通过“任务编程”来有效地设计任务，同时也可以通过交换数据注释时间来构造少量编程任务，减少工作量。

我们知道，在标注数据集上，要实现准确，除了必要的专业知识外，还需要付出大量的时间和精力，这就无形中为专家们增加了工作负担。尤其在自动行为分析（automated behavior analysis）中十分明显，比如从视频跟踪数据中检测智能体运动或动作等。

因此，为了减少注释的工作量，研究人员提出了这种基于多任务自监督学习的有效轨迹嵌入方法TREBA。

研究人员使用了行为神经科学领域的数据集对该方法进行了评估。通过小鼠和果蝇两个领域内三个数据集的测试，结果表明，通过使用TREBA的嵌入，注释负担减少了10倍。也就是说，任务规划和自监督是减少领域专家注释工作量的有效方法。

论文地址：

https://arxiv.org/abs/2011.13917

最佳学生论文荣誉奖：

PAMITC奖

今年PAMI青年研究者奖的两位获得者分别是Georgia Gkioxari和Phillip Isola。

Georgia Gkioxari是Facebook FAIR的科学家，博士毕业于加州大学伯克利分校。Gkioxari主要研究领域是计算机视觉，同时也是PyTorch3D的开发者之一、Mask R-CNN的作者之一，目前引用数有16000。

个人主页：

https://gkioxari.github.io/

Phillip Isola是MIT EECS的助理教授，主要研究计算机视觉、机器学习和人工智能。博士毕业于MIT的大脑与认知科学专业，也是加州大学伯克利分校EECS系的博士后，曾在OpenAI做了一年的访问研究科学家。

目前Isola的论文引用数为28056，其中引用最高的论文为“Image-to-image translation with conditional adversarial networks”，这篇论文研究了条件形式的图像到图像转换，可以说是CycleGAN的前阶段工作。

个人主页：

https://web.mit.edu/phillipi/

今年的经典论文奖（Longuet-Higgins 奖）来自微软和石溪大学。

微软的论文题为“Real-Time Human Pose Recognition in Parts from Single Depth Images”，发表于CVPR 2011，引用数4108。

该论文提出了一种可以在不使用时间信息的情况下，从单张深度图像中快速准确地预测身体关节的3D位置的方法。

论文链接：

https://www.microsoft.com/en-us/research/wp-content/uploads/2016/02/BodyPartRecognition.pdf

石溪大学的论文题为Baby Talk: Understanding and Generating Simple Image Descriptions，发表于CVPR 2011，目前引用数1159。

论文中，研究人员基于大量语言数据，提出了一个从图像自动生成自然语言描述的系统。该系统利用从解析大量文本数据和计算机视觉识别算法中收集的统计数据，在为图像生成相关句子方面非常有效，是早期图像到文本生成的重要工作。

论文链接：

http://acberg.com/papers/baby_talk.pdf

Thomas S. Huang 纪念奖

今年还新增了一个奖项，这就是Thomas S. Huang纪念奖。

去年，为了缅怀了一代CV宗师、84岁华人计算机视觉泰斗 Thomas S. Huang（黄煦涛），CVPR大会成立了 Thomas S. Huang 纪念奖。该奖项的获奖者将由PAMITC委员会选出。

首届Thomas S. Huang纪念奖的获奖者是MIT电子电气工程与计算机科学教授Antonio Torralba。

Torralba的研究领域包括场景理解和上下文驱动的目标识别、多感官知觉整合、数据集构建以及神经网络表征的可视化和解释。

他目前的论文引用数为78736，h指数为111。

个人主页：

https://groups.csail.mit.edu/vision/torralbalab/

本届CVPR中的华人身影

虽然在最终得奖的论文中，并没有看到华人作者为一作的论文，但仍然无可否认，华人身影越来越多地出现在AI顶会上。

以CVPR 2021为例，在最佳论文奖的候选名单中，32篇候选论文，有18篇有华人参与，作者来自国内外高校和研究机构。

华人一作的论文共有16篇，其中不乏陶大程、沈春华、何恺明等知名学者的名字。

除了在论文接收上大放异彩之外，在今年CVPR的评审中，中国科学院院士谭铁牛教授担任大会主席，上海科技大学教授虞晶怡、肯塔基大学计算机系终身教授杨睿刚担任程序主席。

相信在未来，华人身影会成为AI学术界一股重要的影响力量。

---------♥---------

声明：本内容来源网络，版权属于原作者

图片来源网络，不代表本公众号立场。如有侵权，联系删除

AI博士私人微信，还有少量空位

如何画出漂亮的深度学习模型图？

如何画出漂亮的神经网络图？

一文读懂深度学习中的各种卷积

点个在看支持一下吧