CVPR2019最佳论文奖项出炉,李飞飞ImageNet获得PAMI经典论文

【导读】CVPR 2019最佳论文各奖项公布了:来自CMU的辛书冕等人合作的论文获得 最佳论文奖,最佳学生论文也由加州大学圣巴巴拉分校Xin Wang等人摘得。此外,经典论文奖授予了李飞飞等人的杰出工作ImageNet。

计算机视觉最具影响力的学术会议之一的 IEEE CVPR 在2019 年 6 月 16 日 在美国加州的长滩市召开举行。



本届CVPR大会主席是马里兰大学Larry Davis教授、牛津大学Philip Torr教授,以及加州大学洛杉矶分校(UCLA)朱松纯教授。本届CVPR组织者中也不乏华人学者面孔,除UCLA朱松纯教授担任大会主席外,便利蜂 AI 研究院的华刚博士、加州大学圣地亚哥分校的屠卓文担任程序主席。


在论文方面,CVPR 作为计算机视觉领域的顶级学术会议,今年论文提交与接收数量也突破记录:来自全球 14,104 位作者提交了 5160 篇论文(这个数字比 CVPR 2018 增加 56%),最终接收了 1294 篇,接收率约为 25%。





最佳论文奖



今年的最佳论文由卡耐基梅隆大学、伦敦大学学院、多伦多大学获得,论文一作辛书冕是卡耐基梅隆大学机器人研究院的博士二年级学生,主要研究方向是计算机视觉和计算机图形学,师从 Srinivasa Narasimhan 和 Ioannis Gkioulekas 教授。


A Theory of Fermat Paths for Non-Line-of-Sight Shape Reconstruction, 一个用于非视线内物体形状重建的费曼路径理论

论文地址:

https://www.ri.cmu.edu/publications/a-theory-of-fermat-paths-for-non-line-of-sight-shape-reconstruction/

论文奖委员会的授奖理由:这篇论文作出重大进步的问题是非视线内的物体形状重建,换句话说就是能看到墙角后面的东西。这篇论文的理论部分非常优美,而且同样非常给人带来激励。它把计算机视觉所能解决的问题的边界继续向前推进了一步。



最佳学生论文奖

Reinforced Cross-Modal Matching and Self-Supervised Imitation Learning for Vision-Language Navigation,用于视觉-语言导航的强化跨模态匹配和自我监督模仿学习

论文地址:https://arxiv.org/abs/1811.10092

论文奖委员会的授奖理由:视觉导航是计算机视觉领域内的重要方向,这篇论文就在视觉语言相结合的导航中作出了进步。在这个方向中此前研究的基础上,这篇论文通过跨模态环境下的自我模仿学习展现了令人激动的结果。


最佳论文荣誉提名奖


A Style-Based Generator Architecture for Generative Adversarial Networks,一个用于对抗性生成式网络(GAN)的基于类型的生成器架构。

论文地址:https://arxiv.org/abs/1812.04948 


论文奖委员会的授奖理由:近几年来,生成式模型方面的技术进步来到了一个瓶颈期。这篇论文在生成高逼真度人脸这一研究方向上作出了继续的进步,尤其在生成过程的可控制性以及不同属性之间的互相搭配方面作出了改进。

Learning the Depths of Moving People by Watching Frozen People,通过观察冻住的人学习估计运动的人的深度

论文地址:https://arxiv.org/abs/1904.11111

论文奖委员会的授奖理由:这篇论文尝试了从含有人的单视角视频重建场景的三维结构。论文中呈现了具有洞见的数据集创建过程(静止不动),而且对当前最优秀的算法的执行也无懈可击。这篇论文很有潜力成为这个领域内具有深远影响的论文,未来针对户外场景、复杂运动场景的三维重建研究都可以从这篇论文获益。


经典论文:PAMI Longuet-Higgins 奖


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。该奖项以理论化学家和认知科学家 H. Christopher Longuet-Higgins 命名。


2019 年的 Longuet-Higgins 奖授予Jia Deng、Wei Dong、Richard Socher、李佳、Kai Li 和李飞飞等人的ImageNet工作:ImageNet: A Large-Scale Hierarchical Image Database。ImageNet可以说是计算机视觉领域最负盛名的工作,这篇论文发表于 2009 年CVPR,目前已有11508次引用。




-END-

专 · 知

专知,专业可信的人工智能知识分发,让认知协作更快更好!欢迎登录www.zhuanzhi.ai,注册登录专知,获取更多AI知识资料!

欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程视频资料和与专家交流咨询

请加专知小助手微信(扫一扫如下二维码添加),加入专知人工智能主题群,咨询技术商务合作~

专知《深度学习:算法到实战》课程全部完成!550+位同学在学习,现在报名,限时优惠!网易云课堂人工智能畅销榜首位!

点击“阅读原文”,了解报名专知《深度学习:算法到实战》课程

展开全文
Top
微信扫码咨询专知VIP会员