2009 CVPR best paper?Single Image Haze Removal Using Dark Channel Prior利用實驗觀察到的暗通道先驗，巧妙的構造了圖像去霧算法。現(xiàn)在主流的圖像去霧算法還是在Dark Channel Prior的基礎上做的改進。2016 CVPR best paper?Deep Residual Learning for Image Recognition通過殘差連接，可以訓練非常深的卷積神經(jīng)網(wǎng)絡。不管是之前的CNN，還是最近的ViT、MLP-Mixer架構，仍然擺脫不了殘差連接的影響。2017 ICCV best paper?Mask R-CNN在Faster R-CNN的基礎上，增加一個實例分割分支，并且將RoI Pooling替換成了RoI Align，使得實例分割精度大幅度提升。雖然最新的實例分割算法層出不窮，但是精度上依然難以超越Mask R-CNN。2017 ICCV best student paper?Focal Loss for Dense Object Detection構建了一個One-Stage檢測器RetinaNet，同時提出Focal Loss來處理One-Stage的類別不均衡問題，在目標檢測任務上首次One-Stage檢測器的速度和精度都優(yōu)于Two-Stage檢測器。近些年的One-Stage檢測器(如FCOS、ATSS)，仍然以RetinaNet為基礎進行改進。2020 CVPR Best Paper Nominee?Momentum Contrast for Unsupervised Visual Representation Learning19年末，NLP領域的Transformer進一步應用于Unsupervised representation learning，產(chǎn)生后來影響深遠的BERT和GPT系列模型，反觀CV領域，ImageNet刷到飽和，似乎遇到了怎么也跨不過的屏障。就在CV領域停滯不前的時候，Kaiming He帶著MoCo橫空出世，橫掃了包括PASCAL VOC和COCO在內(nèi)的7大數(shù)據(jù)集，至此，CV拉開了Self-Supervised研究新篇章。
1-Single Image Haze Removal Using Dark Channel Priorkaiming he通過大量無霧圖片統(tǒng)計發(fā)現(xiàn)了dark channel prior—在無霧圖的局部區(qū)域中，3個通道的最小亮度值非常小接近于0(不包括天空區(qū)域)。dark channel prior通過暗通道先驗對haze imaging model進行化簡，近似計算得到粗糙的transmission，然后將haze imaging model和matting model聯(lián)系起來，巧妙的將圖像去霧問題轉(zhuǎn)化為摳圖問題，得到refined transmission，精彩！何愷明經(jīng)典之作—2009 CVPR Best Paper | Dark Channel Prior https://zhuanlan.zhihu.com/p/4181744963-Guided Image FilteringGuided image filtering是結合兩幅圖片信息的過程，一個filtering input image(表示為p)和一個guide image(表示為I)生成一個filtering output image(表示為q)。p決定了q的顏色,亮度,和色調(diào)，I決定了q的邊緣。對于圖像去霧來說，transmission就是p，霧圖就是I，refined transmission就是q。guided filter則通過公式轉(zhuǎn)換，和濾波聯(lián)系起來，提出新穎的guided filter，巧妙的避開了linear system的計算過程，極大加快了transmission優(yōu)化的速度。何愷明經(jīng)典之作—2009 CVPR Best Paper | Dark Channel Prior https://zhuanlan.zhihu.com/p/41817449637-Focal Loss for Dense Object Detection構建了一個One-Stage檢測器RetinaNet，同時提出Focal Loss來處理One-Stage的類別不均衡問題，在目標檢測任務上首次One-Stage檢測器的速度和精度都優(yōu)于Two-Stage檢測器。近些年的One-Stage檢測器(如FCOS、ATSS)，仍然以RetinaNet為基礎進行改進。Soft Sampling：探索更有效的采樣策略 https://zhuanlan.zhihu.com/p/6395451738-Mask R-CNN在Faster R-CNN的基礎上，增加一個實例分割分支，并且將RoI Pooling替換成了RoI Align，使得實例分割精度大幅度提升。雖然最新的實例分割算法層出不窮，但是精度上依然難以超越Mask R-CNN。從R-CNN到Mask R-CNN的思維躍遷62-Exploring Simple Siamese Representation LearningSimSiam的理論解釋意味著帶stop-gradient的孿生網(wǎng)絡表征學習都可以用EM算法解釋。stop-gradient起到至關重要的作用，并且需要一個預測期望E的方法進行輔助使用。但是SimSiam仍然無法解釋模型坍塌現(xiàn)象，SimSiam以及它的變體不坍塌現(xiàn)象仍然是一個經(jīng)驗性的觀察，模型坍塌仍然需要后續(xù)的工作進一步討論。
Self-Supervised: 如何避免退化解
https://zhuanlan.zhihu.com/p/365700730
SimSiam：孿生網(wǎng)絡表征學習的頂級理論解釋
https://zhuanlan.zhihu.com/p/452659570
63-A Large-Scale Study on Unsupervised Spatiotemporal Representation Learning指出時空的Self-Supervised采樣同一個視頻的positive pair時間跨度越長效果越好，momentum encoder比優(yōu)化目標重要，訓練時間、backbone、數(shù)據(jù)增強和精選數(shù)據(jù)對于得到更好性能至關重要。何愷明+Ross Girshick：深入探究無監(jiān)督時空表征學習 https://zhuanlan.zhihu.com/p/36915921164-An Empirical Study of Training Self-Supervised Vision TransformersMoCov1通過dictionary as a queue和momentum encoder和shuffle BN三個巧妙設計，使得能夠不斷增加K的數(shù)量，將Self-Supervised的威力發(fā)揮的淋漓盡致。MoCov2在MoCov1的基礎上，增加了SimCLR實驗成功的tricks，然后反超SimCLR重新成為當時的SOTA，F(xiàn)AIR和Google Research爭鋒相對之作，頗有華山論劍的意思。MoCov3通過實驗探究洞察到了Self-Supervised+Transformer存在的問題，并且使用簡單的方法緩解了這個問題，這給以后的研究者探索Self-Supervised+Transformer提供了很好的啟示。MoCo三部曲 65-Masked Autoencoders Are Scalable Vision Learners MAE設計了一個encoder-decoder預訓練框架，encoder只送入image token，decoder同時送入image token和mask token，對patch序列進行重建，最后還原成圖片。相比于BEiT，省去了繁瑣的訓練tokenizer的過程，同時對image token和mask token進行解耦，特征提取和圖像重建進行解耦，encoder只負責image token的特征提取，decoder專注于圖像重建，這種設計直接導致了訓練速度大幅度提升，同時提升精度，真稱得上MAE文章中所說的win-win scenario了。NLP和CV的雙子星，注入Mask的預訓練模型BERT和MAEhttps://zhuanlan.zhihu.com/p/435874456kaiming科研嗅覺頂級，每次都能精準的踩在最關鍵的問題上，提出的方法簡潔明了，同時又蘊含著深刻的思考，文章賞心悅目，實驗詳盡扎實，工作質(zhì)量說明一切。
