ECCV 2020 大獎出爐！李飛飛高徒鄧嘉及其學生共摘最佳論文獎，谷歌50篇一騎絕塵

---

??新智元報道??

來源：ECCV

編輯：雅新、依明

【新智元導讀】兩年一度的ECCV 2020大獎終于來了！今年的最佳論文獎由普林斯頓大學Zachary Teed和鄧嘉摘得，還有最佳論文提名獎，Demo獎等五大獎項公布。?

全球計算機視覺三大頂會之一，兩年一度的ECCV 2020（歐洲計算機視覺國際會議）于8月23日-28日召開。受到疫情影響，今年的ECCV首次以線上的形式舉行。

?

剛剛，ECCV 2020一共公布了五項大獎項，分別是最佳論文獎、最佳論文提名獎、Koenderink獎、Mark Everingham 獎、Demo獎。

?

今年的最佳論文獎由普林斯頓大學 Zachary Teed 及其導師鄧嘉摘得，來自卡內(nèi)基梅隆大學的一作華人學生 Mengtian Li 獲得最佳論文提名獎。

? ? ? ?

五大獎項一覽：最佳論文、最佳論文提名、Demo論文

?

最佳論文獎

?

最佳論文獎由來自普林斯頓大學 Zachary Teed 和鄧嘉摘得，獲獎?wù)撐氖恰窻AFT：Recurrent All-Pairs Field Transforms for Optical Flow ?」。值得一提的是，鄧嘉正是 Zachary Teed 的導師，而鄧嘉曾師從李飛飛教授。

? ? ? ?論文鏈接：https://arxiv.org/pdf/2003.12039.pdf

論文摘要：

?

本篇論文主要介紹了一種新的光流深度網(wǎng)絡(luò)架構(gòu)——遞歸全對場變換（RAFT）。RAFT提取每個像素特征，為所有像素對構(gòu)建多尺度4D相關(guān)體，并通過一個循環(huán)單元迭代更新流場，該單元執(zhí)行相關(guān)體積的查找。

?

這一架構(gòu)RAFT達到了SOTA的性能。

?

在KITTI上，RAFT的F1-all誤差為5.10%，比已知的最佳結(jié)果6.10%，減少了16%。

?

在Sintel上，RAFT獲得的end-point-error為2.855像素，比已知最佳結(jié)果4.098像素，減少了30%。

?

此外，RAFT算法具有較強的跨數(shù)據(jù)集泛化能力，在推理時間、訓練速度、參數(shù)計數(shù)等方面具有較高的效率。

? ? ? ?項目地址：https://github.com/princeton-vl/RAFT

論文第一作者 Zachary Teed 是來自普林斯頓大學在讀博士生，他的導師是鄧嘉。同時， Zachary Teed是普林斯頓視覺與學習實驗室（Princeton Vision & Learning Lab）的一名成員。他曾獲得圣路易斯華盛頓大學的計算機科學學士學位。他的研究重點：從3D視頻進行重建，包括運動，場景流和SLAM中的結(jié)構(gòu)。

個人主頁：https://zachteed.github.io/

?

我們熟知的鄧嘉正是李凱和李飛飛教授的學生，ImageNet 首篇文章的第一作者。

?

鄧嘉現(xiàn)在在普林斯頓大學視覺與學習實驗室任助理教授，主要研究方向為計算機視覺和機器學習，即通過感知、認知和學習相結(jié)合來實現(xiàn)人類層面的視覺理解。

個人主頁：https://www.cs.princeton.edu/~jiadeng/

最佳論文提名獎

?

今年有兩篇論文獲得了最佳論文提名獎：?

? ? ? ?

論文一：「Towards Streaming Image Understanding」

? ? ? ?論文鏈接：https://arxiv.org/pdf/2005.10420.pdf

論文摘要：

?

這篇論文指出了標準離線評估和實時應用程序之間的一個差異，即當一個算法完成對特定圖像幀的處理時，周圍的世界已經(jīng)發(fā)生了變化。研究者提出了一種方法，將延遲和準確度統(tǒng)一到一個用于實時在線感知的指標中，并將其稱之為流式準確性（streaming accuracy）。

?

此指標背后的關(guān)鍵洞察是在每個時刻聯(lián)合評估整個感知堆棧的輸出，迫使堆?？紤]在進行計算時應忽略的流數(shù)據(jù)?；谶@個指標，研究者引入了一個元基準，它系統(tǒng)地將任何圖像理解任務(wù)轉(zhuǎn)換為流圖像理解任務(wù)。針對城市視頻流中的目標檢測和實例分割，提出了一種具有高質(zhì)量和時間密集標注的數(shù)據(jù)集。

?

論文第一作者Mengtian Li是一位來自卡內(nèi)基梅隆大學機器人研究所的博士生，曾獲得南京大學學士學位。他的研究興趣是計算機視覺和機器學習，特別對資源受限的深度學習和推理感興趣。

個人主頁：http://www.cs.cmu.edu/~mengtial/

論文二：「NeRF：Representing Scenes as Neural Randince Fields for View Synthesis」

? ? ? ?

論文摘要：

?

研究者們提出了一種通過使用稀疏輸入視圖集優(yōu)化底層連續(xù)體積場景函數(shù)來獲得合成復雜場景新視圖的方法。研究者們描述了如何有效地優(yōu)化神經(jīng)輻射場，以渲染具有復雜幾何和外觀的真實感場景的新視圖，并展示了優(yōu)于先前神經(jīng)渲染和視圖合成的結(jié)果。

?

Koenderink獎

?

Koenderink獎是來表彰十年對計算機視覺領(lǐng)域做出巨大貢獻的經(jīng)典論文。今年Koenderink獎授予以下兩篇論文：

?

論文一：「Improving the Fisher Kernel for Large-Scale Image Classification」

? ? ? ?論文鏈接：https://lear.inrialpes.fr/pubs/2010/PSM10/PSM10_0766.pdf

論文摘要：

?

Fisher內(nèi)核（FK）是一個通用框架，它結(jié)合了生成和區(qū)分方法的優(yōu)點。在圖像分類的背景下，F(xiàn)K被證明超越了計數(shù)統(tǒng)計，擴展了流行的視覺單詞包（BOV）。然而，在實踐中，這種豐富的代表性還沒有顯示出它優(yōu)于BOV。

?

在第一部分中，研究者展示了在原始框架的基礎(chǔ)上，通過一些動機良好的修改，可以提高FK的準確性。

?

在第二部分中，作為應用，研究者比較了ImageNet和flickrgroups這兩個豐富的標記圖像資源來學習分類器。在一項涉及數(shù)十萬個訓練圖像的評估，結(jié)果發(fā)現(xiàn)，F(xiàn)lickr組中學習的分類器表現(xiàn)出色，而且它們可以補充在更仔細注釋的數(shù)據(jù)集上學習的分類器。

?

論文二：「Brief：Binary robust independent elementary featueres」

? ? ? ?論文鏈接：https://www.cs.ubc.ca/~lowe/525/papers/calonder_eccv10.pdf

論文摘要：

?

研究者提出使用二進制字符串作為一個有效的特征點描述符，并將其稱之為BRIEF。

?

研究表明，即使使用相對較少的比特，它仍然具有很高的分辨力，并且可以通過簡單的強度差分測試來計算。除此之外，可以使用漢明距離來評估描述符相似度，這是非常有效的計算，而不是像通常所用的L2范數(shù)。因此，BRIEF的構(gòu)建和匹配都非?？?。

?

最后，研究人員將其與標準基準測試中的SURF和U-SURF進行了比較，結(jié)果表明它產(chǎn)生了相似或更好的識別性能，而運行時間只需其中一個的一小部分。

?

Mark Everingham獎

?

Mark獎的設(shè)立是為了紀念在2012去世的Mark Everingham，他在The PASCAL Visual Object Classes （VOA）數(shù)據(jù)集做出主要貢獻，也是該比賽項目的發(fā)起人。同時，Mark獎的設(shè)立也是為了激勵后來者在計算機視覺領(lǐng)域做出更多貢獻。

?

今年第一位獲得PAMI Mark Everingham 獎的是 Antonio Torralba 和多數(shù)據(jù)集的合作者，為了表彰他們持續(xù)了十多年定期發(fā)布新的數(shù)據(jù)集和創(chuàng)建這些數(shù)據(jù)集的新方法。

?

這些數(shù)據(jù)集包含Tiny images，SUN/SUN-3D，MIT-Places，創(chuàng)建數(shù)據(jù)集新方法的工具包括LabelMe，它們已經(jīng)在視覺領(lǐng)域影響深遠。

個人主頁：https://groups.csail.mit.edu/vision/torralbalab/?

今年第二位獲得PAMI Mark Everingham 獎的是 COLMAP SFM 和 MVS 軟件庫的提出人Johannes Schonberger，以表彰他為3D重建圖像提出的一個開源的端到端pipeline，并為之提供的支持、開發(fā)與編寫文檔。

個人主頁：https://demuc.de/

Demo獎

?

「Inter-Homines: Distance-Based Risk Estimation for Human Safety」?

? ? ?論文鏈接：https://arxiv.org/pdf/2007.10243.pdf

在新冠疫情肆意傳播情況下，本篇論文的研究者們提出了一個Inter-Homines系統(tǒng)，該系統(tǒng)可以通過分析視頻流來實時評估受監(jiān)視區(qū)域中的傳染風險。

Demo獎提名

?

1 FingerTrack：Continous 3D Hand Pose Tracking

論文鏈接：

https://dl.acm.org/doi/abs/10.1145/3397306

?

2 Object Detection Kit：Identifying Urban Issues in Real-time ?

論文鏈接：

https://dl.acm.org/doi/abs/10.1145/3372278.3390708

ECCV 2020 華人學者入圍情況，阿里張磊位列第一

據(jù)Aminer統(tǒng)計，來自阿里達摩院的張磊教授，共入選8篇論文，位列第一。

? ? ? ?

排在第二位是澳大利亞阿德萊德大學教授沈春華，入選論文7篇。

第三名是默罕默德·本·扎耶德人工智能大學副校長邵嶺教授入選論文共6篇。

? ? ? ?

第四名是來自香港中文大學林達華教授，共有5篇論文入選。

? ? ? ?

并列第五的華人學者有：來自華為諾亞方舟實驗室田奇和謝凌曦，微軟亞洲研究院王井東和Zheng Zhang，香港大學羅平。

谷歌50篇一騎絕塵，深度學習和識別熱度不減

近年來，計算機視覺大熱，直接導致三大頂會：ICCV、CVPR、ECCV的論文接收暴漲，可以用「爆倉」來形容。

?

今年主辦方共收到5150篇有效文章，數(shù)據(jù)為ECCV 2018的兩倍還多，再創(chuàng)新高。最終有1360篇文章被接收發(fā)表，接收率僅26%，不到三成，較上屆31.8%有所下降。

?

在最終接收論文中，Oral論文104篇，占提交總量的2%；Spotlights論文160篇，占提交總量的5%；剩余1096篇為poster。

? ? ? ?

從每個領(lǐng)域的論文接收數(shù)量可以看出深度學習和識別在ECCV中仍是主要研究對象，機器學習位居第三。

? ? ? ?

再從各個機構(gòu)錄取論文作者數(shù)量來看，谷歌，香港中文大學、北大、清華、Facebook居前五。

? ? ? ?

據(jù)不完全統(tǒng)計，谷歌在本屆ECCV 2020會議上被接受的論文有50篇，F(xiàn)acebook約有41篇論文被接受。

?

國內(nèi)機構(gòu)入選情況（據(jù)不完全統(tǒng)計）：

?

騰訊AI Lab（16篇）

?

騰訊 AI Lab 共有 16 篇論文被 ECCV 2020 收錄，其中包括 1 篇 Oral 展示論文和 2 篇 Spotlight 展示論文，涵蓋騰訊AI Lab 近年來重點研究的多模態(tài)學習、視頻內(nèi)容理解、對抗攻擊與對抗防御、基于生成模型的圖像編輯等課題。

?

曠視科技（15篇）

?

曠視共有 15 篇成果入選，其中包含Oral 論文 2 篇、Spotlight 論文 1 篇，刷新了上屆入選 10 篇的紀錄。入選論文中涵蓋：圖像檢測、圖像對齊、姿態(tài)估計、激活函數(shù)、CNN架構(gòu)設(shè)計、動態(tài)網(wǎng)絡(luò)、NAS、知識蒸餾、點云配準、細粒度圖像檢索、遷移學習等眾多學術(shù)熱門領(lǐng)域，并取得突破性進展。

?

百度（10篇）

?

百度AI 團隊共入選10篇論文，其中1篇Oral和1篇Spotlight論文，涵蓋了自動駕駛識別&定位、聲源定位&場景識別、目標跟蹤、多模態(tài)&度量學習等眾多領(lǐng)域，彰顯了AI領(lǐng)軍者的風范和深厚的技術(shù)底蘊以及持續(xù)創(chuàng)新能力。

?

騰訊優(yōu)圖（8篇）

?

騰訊優(yōu)圖實驗室共入選8篇論文，涵蓋目標跟蹤、行人重識別、人臉識別、人體姿態(tài)估計、動作識別、物體檢測等熱門及前沿領(lǐng)域，再次展示了騰訊在計算機視覺領(lǐng)域的科研及創(chuàng)新實力。

?

參考鏈接：

https://eccv2020.eu/

https://www.aminer.cn/conf/eccv2020