同濟(jì)、阿里獲CVPR最佳學(xué)生論文，李飛飛獲黃煦濤獎(jiǎng)，近6000人線下參會(huì)（1）

剛剛，CVPR 2022 正式公布了最佳論文、最佳學(xué)生論文等獎(jiǎng)項(xiàng)。來自 ETH Zurich、華盛頓大學(xué)、佐治亞理工學(xué)院、捷克理工大學(xué)多個(gè)機(jī)構(gòu)的研究者共同獲得了最佳論文獎(jiǎng)，來自阿里巴巴和同濟(jì)大學(xué)的研究者獲得了最佳學(xué)生論文獎(jiǎng)。此外，斯坦福大學(xué)教授李飛飛獲得了本次大會(huì)的 Thomas S. Huang （黃煦濤）紀(jì)念獎(jiǎng)。

2022 年，CVPR 大會(huì)的投稿量達(dá)到 8161 份，相比 2021 年度的 7093 份提交增長(zhǎng)了 15%。其中 44.59% 的作者來自中國(guó)，排在第二名的是美國(guó)，占據(jù) 20.65%。

圖源：推特用戶 @Jared Heinly。
經(jīng)過三個(gè)多月的評(píng)審工作，大會(huì)最終共有 2064 篇論文被接收，接收率為 25.28%，高于去年的 23.6%。其中有 342 份被選為 Oral 論文，1721 份被選為 Poster 論文。此外，今年的 review 數(shù)量為 25804，rebuttal 數(shù)量為 5884。
圖源：推特用戶 @raven。
其中，國(guó)內(nèi)有大量論文被接收。如據(jù)機(jī)器之心了解，商湯科技及聯(lián)合實(shí)驗(yàn)室共有 71 篇論文被大會(huì)接收，其中近四分之一被錄用為 Oral。
自新冠疫情流行以來，今年 CVPR 還是首次線下舉辦。據(jù)主辦方統(tǒng)計(jì)，截至大會(huì)開幕，共有 9981 人注冊(cè)參會(huì)，其中 5641 人現(xiàn)場(chǎng)參會(huì)，4340 人以線上方式參會(huì)。
今年的大會(huì)特別紀(jì)念了孫劍博士：

在主會(huì)議的最開始，CVPR 2022 即公布了本次大會(huì)的全部獎(jiǎng)項(xiàng)。來自 ETH Zurich、華盛頓大學(xué)、佐治亞理工學(xué)院、捷克理工大學(xué)多個(gè)機(jī)構(gòu)的研究者共同獲得了最佳論文獎(jiǎng)，來自阿里巴巴和同濟(jì)大學(xué)的研究者獲得了最佳學(xué)生論文獎(jiǎng)。此外，最佳論文提名和最佳學(xué)生論文提名的獎(jiǎng)項(xiàng)分別由 CMU 以及哈佛大學(xué)、谷歌研究院獲得。
最佳論文

• 機(jī)構(gòu)：ETH Zurich、華盛頓大學(xué)、佐治亞理工學(xué)院、捷克理工大學(xué)
• 論文地址：https://arxiv.org/abs/2112.03424

論文摘要：該研究提出了一種在 RANSAC 框架中解決困難的幾何優(yōu)化問題的方法。最小化問題源于將原始幾何優(yōu)化問題松弛化（relax）為具有許多虛假解決方案的最小問題。該研究提出的方法避免了計(jì)算大量虛假解決方案。研究者設(shè)計(jì)了一種學(xué)習(xí)策略，用于選擇初始問題 - 解決方案對(duì)以用數(shù)值方法繼續(xù)解決原問題。該研究通過創(chuàng)建一個(gè) RANSAC 求解器來演示所提方法，該求解器通過使用每個(gè)視圖中的 4 個(gè)點(diǎn)進(jìn)行最小松弛化來計(jì)算 3 個(gè)校準(zhǔn)相機(jī)的相對(duì)位姿。平均而言，該方法可以在 70 μs 內(nèi)解決一個(gè)原始問題。此外，該研究還針對(duì)校準(zhǔn)相機(jī)的相對(duì)位姿這一問題進(jìn)行了基準(zhǔn)測(cè)試和研究。
最佳論文提名
今年的最佳論文提名由 CMU 的研究《Dual-Shutter Optical Vibration Sensing》獲得。

• 機(jī)構(gòu)：CMU
• 論文地址：https://openaccess.thecvf.com/content/CVPR2022/papers/Sheinin_Dual-Shutter_Optical_Vibration_Sensing_CVPR_2022_paper.pdf

論文摘要：視覺振動(dòng)測(cè)量是一種非常有用的工具，可用于遠(yuǎn)程捕捉音頻、材料物理屬性、人體心率等。雖然視覺上可觀察的振動(dòng)可以通過高速相機(jī)直接捕捉，但通過將激光束照射振動(dòng)表面所產(chǎn)生的散斑圖案的位移成像，可以從光學(xué)上放大微小且不易察覺的物體振動(dòng)。
在本文中，研究者提出了一種在高速（高達(dá) 63kHz）下同時(shí)檢測(cè)多個(gè)場(chǎng)景源振動(dòng)的新方法，該方法使用了額定工作頻率僅為 130Hz 的傳感器。他們的方法使用兩個(gè)分別配備滾動(dòng)和全局快門傳感器的相機(jī)來同時(shí)捕捉場(chǎng)景，其中滾動(dòng)快門相機(jī)捕捉到對(duì)高速物體振動(dòng)進(jìn)行編碼的失真散斑圖像，全局快門相機(jī)捕捉散斑圖案的未失真參考圖像，從而有助于對(duì)源振動(dòng)進(jìn)行解碼。最后，研究者通過捕捉音頻源（如揚(yáng)聲器、人聲和樂器）引起的振動(dòng)并分析音叉的振動(dòng)模式，展示了他們的方法。

研究者用一種新穎的方法「看到」（seeing）聲音。
最佳學(xué)生論文
今年獲得最佳學(xué)生論文獎(jiǎng)項(xiàng)的是《EPro-PnP: Generalized End-to-End Probabilistic Perspective-n-Points for Monocular Object Pose Estimation》，作者來自阿里巴巴、同濟(jì)大學(xué)。

• 機(jī)構(gòu)：阿里巴巴、同濟(jì)大學(xué)
• 論文地址：https://openaccess.thecvf.com/content/CVPR2022/papers/Chen_EPro-PnP_Generalized_End-to-End_Probabilistic_Perspective-N-Points_for_Monocular_Object_Pose_Estimation_CVPR_2022_paper.pdf

論文摘要：利用****點(diǎn)（PnP）基數(shù)從單個(gè) RGB 圖像中定位 3D 物體是計(jì)算機(jī)視覺領(lǐng)域一個(gè)長(zhǎng)期存在的問題。在端到端深度學(xué)習(xí)的驅(qū)動(dòng)下，近期的研究建議將 PnP 解釋為一個(gè)可微分層，如此 2D-3D 點(diǎn)對(duì)應(yīng)就可以部分地通過反向傳播梯度 w.r.t. 物體姿態(tài)來學(xué)習(xí)。然而，從零開始學(xué)習(xí)整套不受限的 2D-3D 點(diǎn)在現(xiàn)有的方法下很難收斂，因?yàn)榇_定性的姿態(tài)本質(zhì)上是不可微的。
這篇論文提出了一種用于普遍端到端姿態(tài)估計(jì)的概率 PnP 層——EPro-PnP（end-to-end probabilistic PnP），它在 SE 流形上輸出姿態(tài)的分布，實(shí)質(zhì)地將分類 Softmax 帶入連續(xù)域。2D-3D 坐標(biāo)和相應(yīng)的權(quán)值作為中間變量，通過最小化預(yù)測(cè)姿態(tài)與目標(biāo)姿態(tài)分布之間的 KL 散度來學(xué)習(xí)。其基本原理統(tǒng)一了現(xiàn)有的方法，類似于注意力機(jī)制。EPro-PnP 的性能明顯優(yōu)于其他基準(zhǔn)，縮小了基于 PnP 的方法與基于 LineMOD 6DoF 的姿態(tài)估計(jì)以及 nuScenes 3D 目標(biāo)檢測(cè)基準(zhǔn)的特定任務(wù)方法之間的差距。
EPro-PnP 方法概覽。