【CVPR 2018最佳论文出炉】斯坦福等名校折桂，何恺明获年轻研究员奖

作为计算机视觉和模式识别的顶级学术会议，每年的CVPR都汇聚了领域技术发展的前沿。而CVPR的最佳论文则更是备受瞩目，多有经典。

2018年的CVPR最佳论文，授予了来自斯坦福大学和加州大学伯克利分校著名教授Jitendra Malik和Silvio Savarese的Taskonomy: Disentangling Task Transfer Learning。

最佳论文题目：Taskonomy: Disentangling Task Transfer Learning

论文地址：https://arxiv.org/pdf/1804.08328.pdf

作者来自斯坦福大学和加州大学伯克利分校，包括计算机视觉领域的著名教授Jitendra Malik和Silvio Savarese。

不同的视觉任务是相关的，还是毫不相关的？例如，曲面法线（surface normals）是否可以用来简化对图像深度的估计？显然是的，这意味着视觉任务之间存在一种结构。了解这种结构很有好处；它是迁移学习的底层概念，并为识别跨任务的冗余信息提供了一种原则性方法。例如，在相关任务之间无缝地重用监督，或者在一个系统上解决多个任务，而不增加复杂性。

在这篇论文中，作者提出一种完全计算的方法来建模视觉任务的空间结构。这是通过在一个潜在空间的26个2D，2.5D，3D和语义任务中找到（第一阶和更高阶）的迁移学习依赖关系来实现的。其产物是一个用于任务迁移学习（task transfer learning）的计算分类图（computational taxonomic map）。我们研究了这种结构的影响，并利用它们来减少对标记数据的需求。

例如，我们证明了，解决一组10个任务所需的标记数据池的总数可以减少大约2/3个（与独立训练相比），同时保持性能几乎一致。我们提供了一套用于计算和检测这种分类结构的工具，包括一个求解器，用户可以使用它为他们的用例设计有效的监督策略。

图1：计算任务分类法（taskonomy）发现的一个示例任务结构。

论文将这一方法分解为4个步骤：

图2：任务关系的计算建模和创建分类。 从左到右：I. 训练特定任务的网络。II. 在潜在空间的任务之间训练（一阶和更高阶）迁移函数。III. 使用AHP（层级分析法）获得标准化的迁移关系。IV. 使用BIP（二进制整数程序）查找全局迁移分类。

• 第一步: 特定于任务的建模

• 第二步：迁移建模

• 第三步：使用层级分析法（AHP）进行序数标准化

• 第四部：计算全局分类

图3：任务词典。

• Deep Learning of Graph Matching

  作者：Andrel Zanfir, Cristian Sminchisescu

  地址：

  http://openaccess.thecvf.com/content_cvpr_2018/CameraReady/1830.pdf

• SPLATNet: Sparse Lattice Networks for Point Cloud Processing

  作者：Hang Su, Varun Jampani, Deqing Sun, Subhransu Maji, Evangelos Kalogerakis, Ming-Hsuan Yang, Jan Kautz

  地址：

  https://arxiv.org/pdf/1802.08275.pdf

• CodeSLAM-learning a Compact, Optimisable Representation for Dense Visual SLAM

  作者：Michael Bloesch, Jan Czarnowski, Ronald Clark, Stefan Leutenegger, Andrew J. Davison

  地址：

  https://arxiv.org/pdf/1804.00874.pdf

• Efficient Optimization for Rank-based Loss Functions

  作者：Pritish Mohapatra, Michal Rolínek C.V. Jawahar, Vladimir Kolmogorov, M. Pawan Kumar

  地址：

  https://arxiv.org/pdf/1604.08269.pdf

• 论文：完全捕获：跟踪脸部、手部和身体的3D变形模型

• Total Capture: A 3D Deformation Model for Tracking Faces, Hands, and Bodies

• 作者：Hanbyul Joo，Tomas Simon，Yaser Sheikh，均来自CMU

我们提出了一个统一的变形模型（deformation model），用于无标记地捕捉人体运动的多个尺度，包括面部表情、身体动作和手势。初始模型是通过局部缝合人体各个部分的模型产生的，我们称之为“弗兰肯斯坦”模型。这个模型可以通过单一的无缝模型完整地表达人体部位的移动，包括面部和手部。通过大规模捕捉穿着日常服装的人，我们优化了弗兰肯斯坦模型，创建了“亚当”模型。“亚当”是一个校准模型，与最初的模型享有相同的骨架层次结构（skeleton hierarchy），但可以表达头发和服装的几何形状，使其可以直接用于人们的日常生活中。最后，我们展示了使用这些模型进行全身运动追踪，同时捕捉大规模的身体动作以及社交群体的微妙脸部和手部动作。

论文地址：https://arxiv.org/pdf/1801.01615.pdf

Longuet-Higgins 奖是 IEEE 计算机协会模式分析与机器智能（PAMI）技术委员会在每年的 CVPR 颁发的“计算机视觉基础贡献奖”，表彰十年前对计算机视觉研究产生了重大影响的 CVPR 论文。奖项以理论化学家和认知科学家 H. Christopher Longuet-Higgins 命名。

2018 年的Longuet-Higgins 奖被授予了P. Felzenszwalb等人在 2008 年发表的 CVPR 论文“A discriminatively trained, multiscale, deformable part model”。根据谷歌学术搜素引擎，这篇文章的被引次数高达 2075 次。

获得经典论文奖的作者上台领奖。图片来源：熊霖

• A discriminatively trained, multiscale, deformable part model

• 作者：Pedro.Felzenszwalb（芝加哥大学），David.McAllester（芝加哥丰田技术研究所），Deva.Ramanan（UC Irvine）

本文介绍了一种用于目标检测的判别训练的多尺度可变形部件模型。我们的系统在平均精度上达到了2006 PASCAL 人体检测竞赛中最优结果的两倍，同样比2007 PASCAL目标检测比赛中20个类别中的10个的最优结果都要好。此系统非常依赖于可变形部件模型。随着可变形部件模型逐渐流行，它的价值并没有在类似PASCAL的较难的数据集上被展示。我们的系统还依赖于判别训练的新方法。我们将一种挖掘难例（Hard Negative Example）的间隔敏感方法与隐藏变量 SVM 结合在一起。隐藏SVM类似于隐藏条件随机场(Hidden CRF)问题，最终是一个非凸规划的训练问题。隐藏SVM是半凸规划问题，但是一旦将隐藏信息指明给正样本，则训练问题变为凸规划问题。我们相信我们的训练方法最终可以利用更多的隐藏信息，例如层次（grammar）模型以及包含隐式三维姿态的模型。

论文地址：https://ieeexplore.ieee.org/document/4587597/

另一个奖项是“PAMI 年轻研究员奖”（PAMI Young Researcher Award），这个奖项授予那些博士毕业不超过 7 年并在计算机视觉方面有卓越研究贡献的的年轻研究人员。PAMI 年轻研究员奖自 2013 年起颁发，继承了 2012 年IVC 的“杰出青年研究员奖”（Outstanding Young Researcher Award）。

2018 年的 PAMI 年轻研究员奖得主是德国蒂宾根大学的 Andreas Geiger 和Facebook 人工智能研究所（FAIR）的何恺明。

两位获奖者上台领奖。图片来源：熊霖

从以上多个奖项的获奖者来看，虽然华人学者在CVPR的论文提交数量和竞赛上有出色表现，但是获奖的比例并不算高。