本文授權(quán)轉(zhuǎn)載自公眾號(hào)機(jī)器之心

原文：https://mp.weixin.qq.com/s/LsHWkdwqqrOPFgCNNcBdpg

剛剛，CVPR 2019 頒發(fā)了今年的所有獎(jiǎng)項(xiàng)。來自 CMU 的辛?xí)岬热双@得了最佳論文獎(jiǎng)，而最佳學(xué)生論文獎(jiǎng)被 UCSB 王鑫等人獲得。李飛飛、李佳等人因 ImageNet 的貢獻(xiàn)獲得最具影響力論文獎(jiǎng)。

作為計(jì)算機(jī)視覺領(lǐng)域內(nèi)最負(fù)盛名的學(xué)術(shù)會(huì)議，今年的 CVPR 已于當(dāng)?shù)貢r(shí)間 6 月 16 日在美國加州長灘開幕。

與很多討論 AI 技術(shù)的會(huì)議相同，CVPR 如同往屆一樣異?；馃?，吸引了大量來自學(xué)術(shù)界、產(chǎn)業(yè)界的研究員、開發(fā)者以及非技術(shù)人員的參與，以至于今年大會(huì)官方不得不「因注冊(cè)人數(shù)太多」而提前截止了注冊(cè)，并取消現(xiàn)場(chǎng)注冊(cè)。

當(dāng)然，這并沒有難倒我們，機(jī)器之心的小編還是成功注冊(cè)了這一盛會(huì)，為大家?guī)碜罴皶r(shí)、全面的報(bào)道。

據(jù)朱松純教授介紹，今年大會(huì)共有 9227 人注冊(cè)參會(huì)，突破歷屆記錄，其中來自國內(nèi)的參會(huì)人數(shù)達(dá)到 1044 位，僅次于大會(huì)舉辦地美國（4743 位）。

在論文方面，CVPR 作為計(jì)算機(jī)視覺領(lǐng)域的頂級(jí)學(xué)術(shù)會(huì)議，今年論文提交與接收數(shù)量也突破記錄：來自全球 14,104 位作者提交了 5160 篇論文（這個(gè)數(shù)字比 CVPR 2018 增加 56%），最終接收了 1294 篇，接收率約為 25%。

在介紹完數(shù)據(jù)情況之后，就進(jìn)入了今天的重頭戲：獲獎(jiǎng)?wù)撐摹?/p>

最佳論文

今年的最佳論文由卡耐基梅隆大學(xué)、倫敦大學(xué)學(xué)院、多倫多大學(xué)獲得，論文一作辛?xí)崾强突仿〈髮W(xué)機(jī)器人研究院的博士二年級(jí)學(xué)生，主要研究方向是計(jì)算機(jī)視覺和計(jì)算機(jī)圖形學(xué)，師從 Srinivasa Narasimhan 和 Ioannis Gkioulekas 教授。

辛?xí)岜究凭妥x于西安交大，畢業(yè)后赴美讀書，并于 2016 年 12 月在 CMU 獲得電子與計(jì)算機(jī)工程碩士學(xué)位。

最佳論文解決了什么問題？

據(jù)獲獎(jiǎng)詞所言，這篇最佳論文對(duì)于非視距（non-line-of-sight/NLOS）重建作出了重大貢獻(xiàn)，特別是為智能體賦予了看到角落的能力。

那么什么是非視距問題呢？就是我們不再假設(shè)攝像頭能直接看到某些場(chǎng)景，很多光子會(huì)因?yàn)樯⑸浠蚍瓷涞惹闆r朝著與鏡頭相反的方向前進(jìn)。

而這些光子又會(huì)因?yàn)椴豢梢妶?chǎng)景的反射，重新回到鏡頭前，它們會(huì)帶有不可見場(chǎng)景的各種信息。

這些不可見場(chǎng)景返回的信息對(duì)于重建該場(chǎng)景非常重要。例如圖 1 顯示了一個(gè)硬幣浮雕的微米級(jí)估計(jì)，該硬幣可以從拐角處看到，也可以通過厚紙（漫射器）看到。

例如在 a 圖中，本來紅色的 detector 是觀察不到隱藏的硬幣的，它只能直接觀察到可見的表面。但是有一些光子會(huì)因?yàn)槁涠^察到硬幣，并反回 detector，從而能獲取隱藏目標(biāo)的信息。

值得一提的是，機(jī)器之心昨天發(fā)布的一篇論文也與非視距成像有關(guān)，但是那項(xiàng)研究使用的是聲學(xué)系統(tǒng)，即利用聲波「看到」墻角后面的物體。

與光學(xué)成像相比，該聲學(xué)系統(tǒng)的硬件系統(tǒng)沒有那么昂貴，但重建圖像所用的時(shí)間較短，距離卻比光學(xué)方法高出 2 倍。有興趣的讀者可以對(duì)比一下兩篇論文。

• 論文：A Theory of Fermat Paths for Non-Line-of-Sight Shape Reconstruction

• 論文鏈接：http://imaging.cs.cmu.edu/fermat_paths/assets/cvpr2019.pdf

摘要：研究者提出了一種新的光費(fèi)馬路徑（Fermat path）理論，該光在已知的可見場(chǎng)景和不處于瞬態(tài)攝像機(jī)視線范圍內(nèi)的未知物體之間。這些光的路徑要么從鏡面反射，要么被物體的邊界反射，因此編碼了隱藏物體的形狀。

研究者證明，費(fèi)馬路徑對(duì)應(yīng)于瞬態(tài)測(cè)量中的不連續(xù)性。然后他們推導(dǎo)出一個(gè)新的約束，該約束將這些不連續(xù)處路徑長度的空間導(dǎo)數(shù)與曲面法線聯(lián)系起來。

基于該理論，研究者提出了一個(gè)名為 Fermat Flow 的算法，來估計(jì)非視距物體的形狀。該方法首次精確恢復(fù)復(fù)雜物體的形狀，從漫反射到鏡面反射，這些物體隱藏在角落里，也隱藏在漫射器后面。

最后，該方法與瞬態(tài)成像使用的特定技術(shù)無關(guān)。因此，研究者用 SPAD 和超快激光展示了從微微秒尺度瞬態(tài)實(shí)現(xiàn)毫米尺度的形狀恢復(fù)，以及使用干涉法實(shí)現(xiàn)從飛秒尺度瞬態(tài)到微米尺度的重建。

最佳學(xué)生論文

今年的 CVPR 最佳學(xué)生論文是加州大學(xué)圣巴巴拉分校（UCSB）王威廉組（William Yang Wang）與微軟研究院的合作文章《Reinforced Cross-Modal Matching & Self-Supervised Imitation Learning for Vision-Language Navigation》，第一作者王鑫。

極市之前也曾分享這篇論文的解讀：https://mp.weixin.qq.com/s/LsHWkdwqqrOPFgCNNcBdpg

本文是 CVPR 滿分文章（3 個(gè) Strong Accept），在 5160 篇投稿文章中審稿得分排名第一，在獲獎(jiǎng)之前被程序委員會(huì)和領(lǐng)域主席評(píng)審團(tuán)確定為 CVPR 2019 口頭報(bào)告論文。

在這一研究中，作者在視覺語言導(dǎo)航任務(wù)上提出了一種新的方法以探索未知的環(huán)境。值得一提的是，王威廉組主攻自然語言處理，這是一次跨方向研究的成功典范。

最佳學(xué)生論文講了什么？

「向右轉(zhuǎn)，到達(dá)廚房后再左轉(zhuǎn)，轉(zhuǎn)過桌子進(jìn)入走廊……」使用新技術(shù)后的機(jī)器人可以根據(jù)這樣的路線指令行事了，就像人類一樣。

這篇論文主要解決的是視覺-語言導(dǎo)航（VLN）問題，即研究如何通過自然語言告訴智能體該怎么運(yùn)動(dòng)，智能體需要像問路者那樣根據(jù)自然語言導(dǎo)航至目的地。

因?yàn)樽匀徽Z言是完整路徑的指導(dǎo)，而智能體只能觀察到當(dāng)前局部視野，因此重要的是智能體需要知道當(dāng)前局部視覺對(duì)應(yīng)著語言指導(dǎo)的哪一步。

為了解決視覺-語言導(dǎo)航中出現(xiàn)的各種問題，這篇論文提出結(jié)合強(qiáng)化學(xué)習(xí)（RL）和模仿學(xué)習(xí)（IL）的解決方案。

如下圖 1 所示為 VLN 任務(wù)的示例，左側(cè)的 Instruction 是用于指導(dǎo)智能體該怎么走的自然語言，除了接收指令外，智能體只能看到 Local visual 所示的局部圖像視野。

因?yàn)橹悄荏w并不能獲取全局軌跡的俯視圖，所以它只能將自然語言指令「想象」成全局的視覺軌跡，然后再根據(jù)局部視野一點(diǎn)點(diǎn)探索并導(dǎo)航至目標(biāo)。

在這篇論文中，作者主要通過增強(qiáng)型跨模態(tài)匹配（RCM）和自監(jiān)督模仿學(xué)習(xí)（SIL）處理 VLN 任務(wù)。

其中 RCM 會(huì)決定當(dāng)前智能體應(yīng)該關(guān)注自然語言中的哪一個(gè)子指令，以及局部視野哪個(gè)畫面與之相對(duì)。

同時(shí) RCM 還會(huì)評(píng)估已走的路徑到底和自然語言指令相不相匹配。而 SIL 主要是探索未見過的環(huán)境，從而模仿過去的優(yōu)良經(jīng)驗(yàn)而走向目的地。

經(jīng)典論文：PAMI Longuet-Higgins 獎(jiǎng)

Longuet-Higgins 獎(jiǎng)是 IEEE 計(jì)算機(jī)協(xié)會(huì)模式分析與機(jī)器智能（PAMI）技術(shù)委員會(huì)在每年的 CVPR 頒發(fā)的「計(jì)算機(jī)視覺基礎(chǔ)貢獻(xiàn)獎(jiǎng)」，表彰十年前對(duì)計(jì)算機(jī)視覺研究產(chǎn)生了重大影響的 CVPR 論文。該獎(jiǎng)項(xiàng)以理論化學(xué)家和認(rèn)知科學(xué)家 H. Christopher Longuet-Higgins 命名。

今年的 Longuet-Higgins 獎(jiǎng)由 Jia Deng、Wei Dong、Richard Socher、李佳、Kai Li 和李飛飛于 2009 年發(fā)表在 CVPR 大會(huì)的論文《ImageNet: A Large-Scale Hierarchical Image Database》摘得。

如今，ImageNet 是每個(gè)人工智能從業(yè)者都耳熟能詳?shù)拿~。這篇論文可以說開啟了一個(gè)時(shí)代，它在 Google Scholar 上的引用量高達(dá) 11508 次。不過 ImageNet 論文在 CVPR 2009 被大會(huì)收錄時(shí)還僅僅是一篇「普通」的 Poster 論文。這篇論文誕生的第二年，計(jì)算機(jī)視覺領(lǐng)域盛大賽事 ImageNet 挑戰(zhàn)賽拉開序幕，ImageNet 成為計(jì)算機(jī)視覺識(shí)別領(lǐng)域的標(biāo)桿，并促進(jìn)該領(lǐng)域取得巨大突破。

此外，它還催生了深度學(xué)習(xí)的大發(fā)展。著名的卷積神經(jīng)網(wǎng)絡(luò) AlexNet 在奪得了 2012 年 ImageNet LSVRC 冠軍，且準(zhǔn)確率遠(yuǎn)超第二名，引起了巨大轟動(dòng)。之后，沉寂許久的神經(jīng)網(wǎng)絡(luò)重?zé)ㄉ鷻C(jī)，取得了長足進(jìn)步。

在頒獎(jiǎng)儀式后，機(jī)器之心對(duì)李飛飛、李佳、鄧嘉進(jìn)行了簡(jiǎn)單的采訪。談到此次獲獎(jiǎng)，李飛飛認(rèn)為，「做研究要做長遠(yuǎn)的有影響的，不要只看眼前的潮流，大家還是致力于做踏踏實(shí)實(shí)有影響力的研究。」

回顧過去 10 年 ImageNet 的發(fā)展，李佳表示，「09 年的時(shí)候，參加 CVPR 的人沒有像現(xiàn)在這么多。我們挺想讓更多人知道 ImageNet 的，我們還做了 ImageNet 的筆，到處去宣傳去推廣。鄧嘉在這上面花了非常多的時(shí)間，最早的時(shí)候我們?cè)谙朐趺从米詣?dòng)化的方法去網(wǎng)頁上收集所有的圖像，包括我在 07 年的時(shí)候有一篇論文叫《OPTIMOL: A Framework for Online Picture Collection via Incremental Model Learning》，我們以前假設(shè)用 OPTIMOL 算法就可以來構(gòu)建包含整個(gè) web 上面圖像的數(shù)據(jù)庫。飛飛也非常有遠(yuǎn)見，想和斯坦福的語言學(xué)家合作構(gòu)建這樣的 web size 圖像數(shù)據(jù)庫，最后算法還是被人類打敗了哈哈。很多工作是通過 mechanical turk 平臺(tái)做得。我們實(shí)驗(yàn)室的一位同事和我們講，mechanical turk 是一個(gè)非常強(qiáng)大的工具，可以吸引很多人通過眾包的方式來構(gòu)建這個(gè) web-based 知識(shí)圖庫。鄧嘉一直專注于研究計(jì)算機(jī)視覺和機(jī)器學(xué)習(xí)和系統(tǒng)，最后才有 ImageNet。」

鄧嘉告訴機(jī)器之心，「這個(gè)項(xiàng)目很說明一件事情，當(dāng)時(shí)做 ImageNet 不是最主流的工作，但是我們所有做此項(xiàng)目的人都相信它會(huì)有很大的影響，所以我們就花了很大力氣做這個(gè)事情。確實(shí)，它給我自己的一個(gè)啟示是，你不一定要做最流行的事情，但要做自己相信會(huì)有影響的事情?！?/p>

李佳補(bǔ)充說，「當(dāng)時(shí)主流思想不是這方面工作，當(dāng)時(shí)大家主要做理論的、手動(dòng)編碼的機(jī)器學(xué)習(xí)，用數(shù)學(xué)的方法去解決通用難題。其實(shí)很多臟活苦活需要做，鄧嘉的堅(jiān)持我們都有目共睹?！?/p>

談到這個(gè)歷程中最大的困難，鄧嘉說，「現(xiàn)在看來該怎么做很清楚，但當(dāng)時(shí)想做一個(gè)數(shù)據(jù)集需要做很多決定——到底應(yīng)該從什么來源收集數(shù)據(jù)？數(shù)據(jù)應(yīng)該是什么樣的？你需要什么標(biāo)簽？整個(gè)過程有很多決策需要做?，F(xiàn)在看來，這些問題的答案都是很顯然的，每一步你都是對(duì)的，但實(shí)際上不是這樣，我們很多決定都是經(jīng)過許多反復(fù)，最后才達(dá)成了我們想要的效果，這個(gè)中間其實(shí)有很多思考的?！?/p>

「當(dāng)時(shí)我們經(jīng)過了很多思考，我們無法預(yù)測(cè)你做了這個(gè)以后，社區(qū)會(huì)怎么利用它，具體會(huì)在什么問題上產(chǎn)生巨大影響……但是，這件事情在當(dāng)時(shí)看來顯然是必須要做的?！?/p>

「因?yàn)閿?shù)據(jù)本身還是要解決某些問題，我們其實(shí)是在做一個(gè)問題，計(jì)算機(jī)視覺領(lǐng)域和其他一些領(lǐng)域之間的差別就是我們需要去解決根本問題。不管是建立數(shù)據(jù)庫還是算法，最終都是為了解決問題。所以開始的時(shí)候我們有想要解決的問題，想要得到這個(gè)領(lǐng)域的認(rèn)同則是之后的事情了?！估罴驯硎?。

最佳論文榮譽(yù)提名

獲得最佳論文榮譽(yù)提名的論文有兩篇，分別是：

• A Style-Based Generator Architecture for Generative Adversarial Networks

• 作者：Tero Karras、Samuli Laine、Timo Aila

• 論文鏈接：https://arxiv.org/abs/1812.04948

• 論文：Learning the Depths of Moving People by Watching Frozen People

• 作者：Zhengqi Li、Tali Dekel、Forrester Cole、Richard Tucker、Ce Liu、Bill Freeman、Noah Snavely

• 論文鏈接：https://arxiv.org/abs/1904.11111

計(jì)算機(jī)先驅(qū)獎(jiǎng)（Computer Pioneer Award）

計(jì)算機(jī)先驅(qū)獎(jiǎng)于 1981 年由 IEEE 計(jì)算機(jī)協(xié)會(huì)設(shè)立，用于表彰至少在十五年以前對(duì)計(jì)算機(jī)領(lǐng)域發(fā)展做出突出貢獻(xiàn)的個(gè)人。

今年獲得計(jì)算機(jī)先驅(qū)獎(jiǎng)的是 Jitendra Malik，是加州大學(xué)伯克利分校電氣工程和計(jì)算機(jī)科學(xué)專業(yè)的一位教授。他同時(shí)也是生物工程專業(yè)的一位教授。

Malik 教授的主要研究領(lǐng)域是計(jì)算機(jī)視覺，特別是在人類視覺、計(jì)算機(jī)圖形學(xué)和生物圖像分析方面有很多突出成果。

一些知名的理論和算法出自 Malik 教授和他領(lǐng)導(dǎo)團(tuán)隊(duì)的研究，包括各向異性擴(kuò)散（anisotropic diffusion）、歸一化分割（normalzied cut）、高動(dòng)態(tài)范圍成像（high dynamic range imaging）等。

根據(jù) Google Scholar 的數(shù)據(jù)，Malik 教授有 6 篇論文平均被引用超過千次。

論文新工具與 310 萬美元贊助

比較有趣的是，CVPR 官網(wǎng)發(fā)布了一個(gè)交互式數(shù)據(jù)可視化的工具，讓我們能夠通過主題或者機(jī)構(gòu)查閱論文，以及查看這些論文相關(guān)日程。

從上圖中我們可以看出，深度學(xué)習(xí)、識(shí)別、人體姿態(tài)等是今年大會(huì)最為熱門的技術(shù)主題，收到了大量的論文。通過這個(gè)工具，用戶可以查看自己感興趣主題的論文。

此外，用戶還可以從機(jī)構(gòu)入手查看論文。例如，搜索「Baidu」、「Kwai」（快手）這些關(guān)鍵詞，就能夠查到這兩家公司的論文信息，包括論文主題、論文標(biāo)題、大會(huì)上的日程安排。

在小編看來，隨著論文接收數(shù)量越來越多，學(xué)術(shù)會(huì)議提供這樣的工具能為社區(qū)提供極大的便利。下一屆我們就需要有關(guān)大會(huì)論文的數(shù)據(jù)集了。

最后，本屆 CVPR 也收獲了共計(jì) 310 萬美元的贊助，共有 284 家贊助商、104 家展商。眾多贊助商包括曠視、商湯、百度、華為、快手和大疆等國內(nèi)科技公司。

計(jì)算機(jī)視覺頂會(huì)自然少不了科技公司的參與，在本次大會(huì)開幕前不久，IEEE「限制華為審稿」事件引發(fā)了學(xué)界震動(dòng)，同屬 IEEE 旗下的 CVPR 是否會(huì)受影響也曾是人們討論的話題。

不過，PAMI TC 主席 Bryan Morse，CVPR 2019 大會(huì)主席 Larry Davis、Philip Torr 與朱松純聯(lián)名發(fā)布了一份聲明，歡迎包括華為員工在內(nèi)的所有學(xué)界、業(yè)界人士前來參會(huì)，收獲了人們的廣泛好評(píng)。