ECCV 2020全部獎(jiǎng)項(xiàng)公布!李飛飛高徒與其學(xué)生共獲最佳論文獎(jiǎng)
最佳論文榮譽(yù)提名
獲獎(jiǎng)?wù)撐模篢owards Streaming Image Understanding
作者:Mengtian Li, Yu-Xiong Wang, and Deva Ramanan
機(jī)構(gòu):卡內(nèi)基梅隆大學(xué)、阿爾戈 AI
簡(jiǎn)介:具體化感知是指一個(gè)自主的主體感知其所處環(huán)境的能力,從而能夠(重新)行動(dòng)。代理的響應(yīng)在很大程度上取決于其處理管道的延遲。雖然過去的工作已經(jīng)研究了算法在延遲和準(zhǔn)確度之間的權(quán)衡,但是還沒有一個(gè)明確的指標(biāo)來比較不同的方法沿著Pareto最優(yōu)的延遲精度曲線。
作者指出了標(biāo)準(zhǔn)離線評(píng)估和實(shí)時(shí)應(yīng)用程序之間的一個(gè)差異:當(dāng)一個(gè)算法完成對(duì)特定圖像幀的處理時(shí),周圍的世界已經(jīng)發(fā)生了變化。為了達(dá)到這些目的,作者提出了一種方法,將延遲和準(zhǔn)確度統(tǒng)一到一個(gè)用于實(shí)時(shí)在線感知的指標(biāo)中,我們稱之為“流式準(zhǔn)確性”。此度量背后的關(guān)鍵見解是在每個(gè)時(shí)刻聯(lián)合評(píng)估整個(gè)perception堆棧的輸出,迫使堆?紤]在進(jìn)行計(jì)算時(shí)應(yīng)忽略的流數(shù)據(jù)量。更廣泛地說,基于這個(gè)度量,作者引入了一個(gè)元基準(zhǔn),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(duì)城市視頻流中的目標(biāo)檢測(cè)和實(shí)例分割,提出了一種具有高質(zhì)量和時(shí)間密集注釋的數(shù)據(jù)集。
本文提出的解決方案及其實(shí)證分析證明了許多令人驚訝的結(jié)論:
(1)在帕累托最優(yōu)延遲精度曲線上存在一個(gè)使流媒體準(zhǔn)確性最大化的最佳“最佳點(diǎn)”(sweet spot)
(2)異步跟蹤和未來預(yù)測(cè)自然而然地成為流媒體圖像的內(nèi)部表示形式理解
(3)動(dòng)態(tài)調(diào)度可以用來克服時(shí)間混疊,產(chǎn)生一個(gè)矛盾的結(jié)果,即延遲有時(shí)被閑置和“無(wú)所事事”最小化。
論文第一作者 Mengtian Li 是一位來自卡內(nèi)基梅隆大學(xué)機(jī)器人研究所的博士生,曾獲得南京大學(xué)學(xué)士學(xué)位。他的研究興趣是計(jì)算機(jī)視覺和機(jī)器學(xué)習(xí),特別對(duì)資源受限的深度學(xué)習(xí)和推理感興趣。
獲獎(jiǎng)?wù)撐模篘eRF: Representing Scenes as Neural Radiance Fields for View Synthesis
作者: Ben Mildenhall, Pratul P. Srinivasan, Matthew Tancik, Jonathan T. Barron, Ravi Ramamoorthi, Ren Ng
機(jī)構(gòu):加州大學(xué)伯克利分校、谷歌研究中心、加州大學(xué)圣地亞哥分校
簡(jiǎn)介:本文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(chǎng)景函數(shù)來獲得合成復(fù)雜場(chǎng)景新視圖的最新結(jié)果的方法。作者的算法使用一個(gè)完全連接(非卷積)的深網(wǎng)絡(luò)來表示場(chǎng)景,其輸入是一個(gè)連續(xù)的5D坐標(biāo)(空間位置(x,y,z)和觀察方向(θ,φ)),其輸出是該空間位置的體積密度和視景相關(guān)的發(fā)射輻射。本文通過查詢沿相機(jī)光線的5D坐標(biāo)來合成視圖,并使用經(jīng)典的體繪制技術(shù)將輸出的顏色和密度投影到圖像中。因?yàn)轶w繪制是自然可微的,所以優(yōu)化表現(xiàn)的唯一輸入是一組已知相機(jī)姿勢(shì)的圖像。作者描述了如何有效地優(yōu)化神經(jīng)輻射場(chǎng),以渲染具有復(fù)雜幾何和外觀的真實(shí)感場(chǎng)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(jiǎng)
Koenderink 獎(jiǎng)是來表彰十年對(duì)計(jì)算機(jī)視覺領(lǐng)域做出巨大貢獻(xiàn)的經(jīng)典論文。今年 Koenderink 獎(jiǎng)授予以下兩篇論文:
獲獎(jiǎng)?wù)撐模篒mproving the Fisher Kernel for Large-Scale Image Classification
簡(jiǎn)介:Fisher 內(nèi)核(FK)是一個(gè)通用框架,它結(jié)合了生成和區(qū)分方法的優(yōu)點(diǎn)。在圖像分類的背景下,F(xiàn)K 被證明超越了計(jì)數(shù)統(tǒng)計(jì),擴(kuò)展了流行的視覺單詞包(BOV)。然而,在實(shí)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,作者展示了在原始框架的基礎(chǔ)上,通過一些動(dòng)機(jī)良好的修改,可以提高 FK 的準(zhǔn)確性。在 PASCAL VOC 2007 上,將平均精度(AP)從 47.9% 提高到 58.3%。同樣,作者在 CalTech 256 上展示了最先進(jìn)的精確度。一個(gè)主要的優(yōu)點(diǎn)是這些結(jié)果只使用 SIFT 描述符和無(wú)代價(jià)線性分類器獲得。有了這種表示法,現(xiàn)在可以在更大范圍內(nèi)探索圖像分類。
在第二部分中,作為一個(gè)應(yīng)用,作者比較了兩個(gè)豐富的標(biāo)記圖像資源來學(xué)習(xí)分類器:ImageNet 和 flickrgroups。在一項(xiàng)涉及數(shù)十萬(wàn)個(gè)訓(xùn)練圖像的評(píng)估中,作者發(fā)現(xiàn)在 Flickr 組中學(xué)習(xí)的分類器表現(xiàn)得出奇地好(盡管它們并不是用于此目的),而且它們可以補(bǔ)充在更仔細(xì)注釋的數(shù)據(jù)集上學(xué)習(xí)的分類器。
獲獎(jiǎng)?wù)撐模築rief:Binary robust independent elementary featueres
簡(jiǎn)介:作者建議使用二進(jìn)制字符串作為一個(gè)有效的特征點(diǎn)描述符,稱之為 BRIEF。本文表明,即使使用相對(duì)較少的比特,它仍然具有很高的分辨力,并且可以通過簡(jiǎn)單的強(qiáng)度差分測(cè)試來計(jì)算。此外,可以使用漢明距離來評(píng)估描述符相似度,這是非常有效的計(jì)算,而不是像通常所做的 L2 范數(shù)。因此,BRIEF 的構(gòu)建和匹配都非?。作者將其與標(biāo)準(zhǔn)基準(zhǔn)測(cè)試中的 SURF 和 U-SURF 進(jìn)行了比較,結(jié)果表明它產(chǎn)生了相似或更好的識(shí)別性能,而運(yùn)行時(shí)間只需其中一個(gè)的一小部分。

發(fā)表評(píng)論
請(qǐng)輸入評(píng)論內(nèi)容...
請(qǐng)輸入評(píng)論/評(píng)論長(zhǎng)度6~500個(gè)字
最新活動(dòng)更多
-
3月27日立即報(bào)名>> 【工程師系列】汽車電子技術(shù)在線大會(huì)
-
4月30日立即下載>> 【村田汽車】汽車E/E架構(gòu)革新中,新智能座艙挑戰(zhàn)的解決方案
-
5月15-17日立即預(yù)約>> 【線下巡回】2025年STM32峰會(huì)
-
即日-5.15立即報(bào)名>>> 【在線會(huì)議】安森美Hyperlux™ ID系列引領(lǐng)iToF技術(shù)革新
-
5月15日立即下載>> 【白皮書】精確和高效地表征3000V/20A功率器件應(yīng)用指南
-
5月16日立即參評(píng) >> 【評(píng)選啟動(dòng)】維科杯·OFweek 2025(第十屆)人工智能行業(yè)年度評(píng)選
推薦專題
- 1 UALink規(guī)范發(fā)布:挑戰(zhàn)英偉達(dá)AI統(tǒng)治的開始
- 2 北電數(shù)智主辦酒仙橋論壇,探索AI產(chǎn)業(yè)發(fā)展新路徑
- 3 降薪、加班、裁員三重暴擊,“AI四小龍”已折戟兩家
- 4 “AI寒武紀(jì)”爆發(fā)至今,五類新物種登上歷史舞臺(tái)
- 5 國(guó)產(chǎn)智駕迎戰(zhàn)特斯拉FSD,AI含量差幾何?
- 6 光計(jì)算迎來商業(yè)化突破,但落地仍需時(shí)間
- 7 東陽(yáng)光:2024年扭虧、一季度凈利大增,液冷疊加具身智能打開成長(zhǎng)空間
- 8 地平線自動(dòng)駕駛方案解讀
- 9 封殺AI“照騙”,“淘寶們”終于不忍了?
- 10 優(yōu)必選:營(yíng)收大增主靠小件,虧損繼續(xù)又逢關(guān)稅,能否乘機(jī)器人東風(fēng)翻身?