【新智元導讀】兩年一度的 ECCV 2020 大獎終于來了！今年的最佳論文獎由普林斯頓大學 Zachary Teed 和鄧嘉摘得，還有最佳論文提名獎，Demo 獎等五大獎項公布。

　　全球計算機視覺三大頂會之一，兩年一度的 ECCV 2020（歐洲計算機視覺國際會議）于 8 月 23 日-28 日召開。受到疫情影響，今年的 ECCV 首次以線上的形式舉行。

　　剛剛，ECCV 2020 一共公布了五項大獎項，分別是最佳論文獎、最佳論文提名獎、Koenderink 獎、Mark Everingham 獎、Demo 獎。

　　今年的最佳論文獎由普林斯頓大學 Zachary Teed 及其導師鄧嘉摘得，來自卡內基梅隆大學的一作華人學生 Mengtian Li 獲得最佳論文提名獎。

• 五大獎項一覽：最佳論文、最佳論文提名、Demo 論文

　　最佳論文獎

　　最佳論文獎由來自普林斯頓大學 Zachary Teed 和鄧嘉摘得，獲獎論文是「RAFT：Recurrent All-Pairs Field Transforms for Optical Flow 」。值得一提的是，鄧嘉正是 Zachary Teed 的導師，而鄧嘉曾師從李飛飛教授。

　　論文鏈接：https://arxiv.org/pdf/2003.12039.pdf

　　論文摘要：本篇論文主要介紹了一種新的光流深度網絡架構——遞歸全對場變換（RAFT）。RAFT 提取每個像素特征，為所有像素對構建多尺度 4D 相關體，并通過一個循環單元迭代更新流場，該單元執行相關體積的查找。

　　這一架構 RAFT 達到了 SOTA 的性能。

　　在 KITTI 上，RAFT 的 F1-all 誤差為 5.10%，比已知的最佳結果 6.10%，減少了 16%。在 Sintel 上，RAFT 獲得的 end-point-error 為 2.855 像素，比已知最佳結果 4.098 像素，減少了 30%。

　　此外，RAFT 算法具有較強的跨數據集泛化能力，在推理時間、訓練速度、參數計數等方面具有較高的效率。

　　項目地址：https://github.com/princeton-vl/RAFT

　　論文第一作者 Zachary Teed 是來自普林斯頓大學在讀博士生，他的導師是鄧嘉。同時， Zachary Teed 是普林斯頓視覺與學習實驗室（Princeton Vision & Learning Lab）的一名成員。他曾獲得圣路易斯華盛頓大學的計算機科學學士學位。他的研究重點：從 3D 視頻進行重建，包括運動，場景流和 SLAM 中的結構。

　　個人主頁：https://zachteed.github.io/

　　我們熟知的鄧嘉正是李凱和李飛飛教授的學生，ImageNet 首篇文章的第一作者。鄧嘉現在在普林斯頓大學視覺與學習實驗室任助理教授，主要研究方向為計算機視覺和機器學習，即通過感知、認知和學習相結合來實現人類層面的視覺理解。

　　個人主頁：https://www.cs.princeton.edu/~jiadeng/

　　最佳論文提名獎

　　今年有兩篇論文獲得了最佳論文提名獎：

　　論文一：「Towards Streaming Image Understanding」

　　論文鏈接：https://arxiv.org/pdf/2005.10420.pdf

　　論文摘要：這篇論文指出了標準離線評估和實時應用程序之間的一個差異，即當一個算法完成對特定圖像幀的處理時，周圍的世界已經發生了變化。研究者提出了一種方法，將延遲和準確度統一到一個用于實時在線感知的指標中，并將其稱之為流式準確性（streaming accuracy）。

　　此指標背后的關鍵洞察是在每個時刻聯合評估整個感知堆棧的輸出，迫使堆棧考慮在進行計算時應忽略的流數據。基于這個指標，研究者引入了一個元基準，它系統地將任何圖像理解任務轉換為流圖像理解任務。針對城市視頻流中的目標檢測和實例分割，提出了一種具有高質量和時間密集標注的數據集。

　　論文第一作者 Mengtian Li 是一位來自卡內基梅隆大學機器人研究所的博士生，曾獲得南京大學學士學位。他的研究興趣是計算機視覺和機器學習，特別對資源受限的深度學習和推理感興趣。

　　個人主頁：http://www.cs.cmu.edu/~mengtial/

　　論文二：「NeRF：Representing Scenes as Neural Randince Fields for View Synthesis」

　　論文摘要：研究者們提出了一種通過使用稀疏輸入視圖集優化底層連續體積場景函數來獲得合成復雜場景新視圖的方法。研究者們描述了如何有效地優化神經輻射場，以渲染具有復雜幾何和外觀的真實感場景的新視圖，并展示了優于先前神經渲染和視圖合成的結果。

　　Koenderink 獎

　　Koenderink 獎是來表彰十年對計算機視覺領域做出巨大貢獻的經典論文。今年 Koenderink 獎授予以下兩篇論文：論文一：「Improving the Fisher Kernel for Large-Scale Image Classification」

　　論文鏈接：https://lear.inrialpes.fr/pubs/2010/PSM10/PSM10_0766.pdf

　　論文摘要：Fisher 內核（FK）是一個通用框架，它結合了生成和區分方法的優點。在圖像分類的背景下，FK 被證明超越了計數統計，擴展了流行的視覺單詞包（BOV）。然而，在實踐中，這種豐富的代表性還沒有顯示出它優于 BOV。

　　在第一部分中，研究者展示了在原始框架的基礎上，通過一些動機良好的修改，可以提高 FK 的準確性。在第二部分中，作為應用，研究者比較了 ImageNet 和 flickrgroups 這兩個豐富的標記圖像資源來學習分類器。

　　在一項涉及數十萬個訓練圖像的評估，結果發現，Flickr 組中學習的分類器表現出色，而且它們可以補充在更仔細注釋的數據集上學習的分類器。

　　論文二：「Brief：Binary robust independent elementary featueres」

　　論文鏈接：https://www.cs.ubc.ca/~lowe/525/papers/calonder_eccv10.pdf

　　論文摘要：研究者提出使用二進制字符串作為一個有效的特征點描述符，并將其稱之為 BRIEF。研究表明，即使使用相對較少的比特，它仍然具有很高的分辨力，并且可以通過簡單的強度差分測試來計算。

　　除此之外，可以使用漢明距離來評估描述符相似度，這是非常有效的計算，而不是像通常所用的 L2 范數。因此，BRIEF 的構建和匹配都非常快。

　　最后，研究人員將其與標準基準測試中的 SURF 和U-SURF 進行了比較，結果表明它產生了相似或更好的識別性能，而運行時間只需其中一個的一小部分。

　　Mark Everingham 獎

　　Mark 獎的設立是為了紀念在 2012 去世的 Mark Everingham，他在 The PASCAL Visual Object Classes （VOA）數據集做出主要貢獻，也是該比賽項目的發起人。同時，Mark 獎的設立也是為了激勵后來者在計算機視覺領域做出更多貢獻。

　　今年第一位獲得 PAMI Mark Everingham 獎的是 Antonio Torralba 和多數據集的合作者，為了表彰他們持續了十多年定期發布新的數據集和創建這些數據集的新方法。

　　這些數據集包含 Tiny images，SUN/SUN-3D，MIT-Places，創建數據集新方法的工具包括 LabelMe，它們已經在視覺領域影響深遠。

　　個人主頁：https://groups.csail.mit.edu/vision/torralbalab/

　　今年第二位獲得 PAMI Mark Everingham 獎的是 COLMAP SFM 和 MVS 軟件庫的提出人 Johannes Schonberger，以表彰他為 3D 重建圖像提出的一個開源的端到端 pipeline，并為之提供的支持、開發與編寫文檔。

　　個人主頁：https://demuc.de/

　　Demo 獎

　　「Inter-Homines: Distance-Based Risk Estimation for Human Safety」

　　論文鏈接：https://arxiv.org/pdf/2007.10243.pdf

　　在新冠疫情肆意傳播情況下，本篇論文的研究者們提出了一個 Inter-Homines 系統，該系統可以通過分析視頻流來實時評估受監視區域中的傳染風險。

　　Demo 獎提名

　　1 FingerTrack：Continous 3D Hand Pose Tracking

　　論文鏈接：https://dl.acm.org/doi/abs/10.1145/3397306

　　2 Object Detection Kit：Identifying Urban Issues in Real-time

　　論文鏈接：https://dl.acm.org/doi/abs/10.1145/3372278.3390708

• ECCV 2020 華人學者入圍情況，阿里張磊位列第一

　　據 Aminer 統計，來自阿里達摩院的張磊教授，共入選 8 篇論文，位列第一。

　　排在第二位是澳大利亞阿德萊德大學教授沈春華，入選論文 7 篇。

　　第三名是默罕默德·本·扎耶德人工智能大學副校長邵嶺教授入選論文共 6 篇。

　　第四名是來自香港中文大學林達華教授，共有 5 篇論文入選。

　　并列第五的華人學者有：來自華為諾亞方舟實驗室田奇和謝凌曦，微軟亞洲研究院王井東和 Zheng Zhang，香港大學羅平。

• 谷歌 50 篇一騎絕塵，深度學習和識別熱度不減

　　近年來，計算機視覺大熱，直接導致三大頂會：ICCV、CVPR、ECCV 的論文接收暴漲，可以用「爆倉」來形容。今年主辦方共收到 5150 篇有效文章，數據為 ECCV 2018 的兩倍還多，再創新高。

　　最終有 1360 篇文章被接收發表，接收率僅 26%，不到三成，較上屆 31.8% 有所下降。在最終接收論文中，Oral 論文 104 篇，占提交總量的2%；Spotlights 論文 160 篇，占提交總量的5%；剩余 1096 篇為 poster。

　　從每個領域的論文接收數量可以看出深度學習和識別在 ECCV 中仍是主要研究對象，機器學習位居第三。

　　再從各個機構錄取論文作者數量來看，谷歌，香港中文大學、北大、清華、Facebook 居前五。

　　據不完全統計，谷歌在本屆 ECCV 2020 會議上被接受的論文有 50 篇，Facebook 約有 41 篇論文被接受。

　　國內機構入選情況（據不完全統計）：

　　騰訊 AI Lab（16 篇）

　　騰訊 AI Lab 共有 16 篇論文被 ECCV 2020 收錄，其中包括 1 篇 Oral 展示論文和 2 篇 Spotlight 展示論文，涵蓋騰訊 AI Lab 近年來重點研究的多模態學習、視頻內容理解、對抗攻擊與對抗防御、基于生成模型的圖像編輯等課題。

　　曠視科技（15 篇）

　　曠視共有 15 篇成果入選，其中包含 Oral 論文 2 篇、Spotlight 論文 1 篇，刷新了上屆入選 10 篇的紀錄。入選論文中涵蓋：圖像檢測、圖像對齊、姿態估計、激活函數、CNN 架構設計、動態網絡、NAS、知識蒸餾、點云配準、細粒度圖像檢索、遷移學習等眾多學術熱門領域，并取得突破性進展。

　　百度（10 篇）

　　百度 AI 團隊共入選 10 篇論文，其中 1 篇 Oral 和 1 篇 Spotlight 論文，涵蓋了自動駕駛識別&定位、聲源定位&場景識別、目標跟蹤、多模態&度量學習等眾多領域，彰顯了 AI 領軍者的風范和深厚的技術底蘊以及持續創新能力。

　　騰訊優圖（8 篇）

　　騰訊優圖實驗室共入選 8 篇論文，涵蓋目標跟蹤、行人重識別、人臉識別、人體姿態估計、動作識別、物體檢測等熱門及前沿領域，再次展示了騰訊在計算機視覺領域的科研及創新實力。

　　參考鏈接：

　　https://eccv2020.eu/

　　https://www.aminer.cn/conf/eccv2020

總結

以上是生活随笔為你收集整理的ECCV 2020大奖出炉！李飞飞高徒邓嘉及其学生共摘最佳论文奖，谷歌50篇一骑绝尘的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。