أعلن رئيس الجمعية بريان مورس CVPR 2018 البداية. المصدر: الدب لين

 الأنفس جي تقرير جديد

المصدر: CVPR 2018

الكاتب: جي وون غرفة الأخبار الجديدة

[استعراض فاز جي الجديدة CVPR 2018 جائزة أفضل ورقة، وغيرها من الجوائز أعلنت للتو، وهي المرة الأولى لجلب يوان الحكمة الجديد قدم. أفضل ورقة يهمس ستانفورد وبيركلي الماجستير أطروحة، جائزة أفضل ورقة الطالب ذهب إلى جامعة كارنيجي ميلون. ومن الجدير بالذكر، فاز هو كاى مينغ PAMI جائزة الباحث الشاب.

كما مؤتمر أكاديمي رفيع يوم الرؤية الحاسوب والتعرف على الأنماط، يتم إحضارها CVPR السنوي المتطورة مناطق تطوير التكنولوجيا معا. أفضل ورقة CVPR هو أكثر رفيعة المستوى، وأكثر من الكلاسيكية.

CVPR أفضل ورقة عام 2018، منحت من جامعة ستانفورد وجامعة كاليفورنيا في بيركلي المتميزة أستاذ جيتندرا مالك وسيلفيو سافيريس من Taskonomy: نقل تفكيك التشابك العمل التعلم.

هنا، فإن جي وون الجديد جعل مقدمة موجزة.

أفضل ورقة

أفضل الرسالة: التعلم نقل تفكيك التشابك المهمة: Taskonomy

عنوان ورقة: الشبكي: //arxiv.org/pdf/1804.08328.pdf

تتميز أستاذ من جامعة ستانفورد وجامعة كاليفورنيا، بيركلي، بما في ذلك في مجال الرؤية الكمبيوتر جيتندرا مالك و سيلفيو سافيريس .

المهام البصرية المختلفة ذات الصلة، أو لا صلة لها بالموضوع؟ على سبيل المثال، والسطح العادي (الأوضاع الطبيعية السطحية) يمكن استخدامها لتبسيط تقدير عمق الصورة؟ يبدو ذلك، وهو ما يعني أن هناك بنية بين مهمة المرئية . فهم هذا الهيكل هو جيد جدا، بل هو المفهوم الأساسي للتعلم والتنقل، ويوفر نهج مبدئي لتحديد المعلومات الزائدة عن الحاجة في المهام. على سبيل المثال، إعادة استخدام سلس للإشراف بين المهام ذات الصلة، أو في حل المزيد من المهام في النظام، دون إضافة التعقيد.

في هذه الورقة، والكتاب تقترح طريقة الحساب لإكمال المهمة من النمذجة الهيكل المكاني البصري . ويتحقق ذلك من خلال إيجاد (أولا النظام والنظام أعلى) تبعيات التعلم نقل 262D، 2.5D، 3D والمهام الدلالي الفضاء المحتملين. الذي هو نتاج ل مهمة التعلم نقل (التعلم نقل المهام) من الحوسبة خريطة تصنيف (خريطة التصنيفية الحسابية). درسنا آثار هذا الهيكل، واستخدامها لتقليل الحاجة لوصفها البيانات.

على سبيل المثال، وتبين لنا أن العدد الإجمالي للبيانات تجمع على حل مجموعة من العلامات المطلوبة 10 بعثات يمكن تخفيض حوالي 2/3 (مقارنة مع التدريب مستقل)، مع الحفاظ تقريبا نفس الأداء. نحن نقدم مجموعة من الأدوات لحساب وكشف هيكل تصنيف من هذا القبيل، بما في ذلك حلالا، يمكن للمستخدمين استخدام ذلك لتصميمها استراتيجيات إشراف فعالة تستخدم الحالات.

الشكل 1: العثور على مهمة الحوسبة هيكل مهمة تصنيف المثالي (Taskonomy).

وسيتم تقسيم هذه الورقة مقاربة إلى أربع خطوات:

الشكل 2: علاقات مهمة النمذجة الحسابية وإنشاء التصنيفات. من اليسار إلى اليمين :. تدربت مهام محددة الشبكة. II. التدريب (من الدرجة الأولى والعليا) وظيفة الهجرة بين بعثة الفضاء المحتملة. III. عن طريق برنامج مكافحة الجوع (AHP) للحصول على علاقة الهجرة موحدة. IV. استخدام BIP (برنامج صحيح ثنائي) تبدو للهجرة العالمية للتصنيف.

• الخطوة الأولى: نماذج مهمة محددة
• الخطوة الثانية: هجرة النمذجة
• الخطوة الثالثة: استخدام عملية التحليل الهرمي (AHP) للترتيبي تطبيع
• الجزء الرابع: حساب التصنيف العالمي

الشكل (3): القاموس المهام.

أفضل الترشيح ورقة

• عمق التعلم من الرسم البياني مطابقة
• المؤلف: Andrel Zanfir، كريستيان Sminchisescu
• العنوان:

• SPLATNet: متناثر شبكات شعرية لنقطة تجهيز الغيمة
• المؤلف: تعليق سو، فارون Jampani، ده تشينغ الشمس، Subhransu ماجي، ايفانجيلوس Kalogerakis، مينغ هسوان يانغ يان كوتز
• العنوان:
• https://arxiv.org/pdf/1802.08275.pdf

• CodeSLAM-تعلم المدمجة، التمثيل Optimisable لالكثيفة البصرية SLAM
• المؤلف: مايكل Bloesch، يان تزارنوفسكي، رونالد كلارك، ستيفان Leutenegger، أندرو جيه. دافيسون
• العنوان:
• https://arxiv.org/pdf/1804.00874.pdf

• تحسين كفاءة وظائف لتخفيف يستند ترتيب-
• المؤلف: Pritish موهاباترا، ميشال Rolnek غدا مساء جواهر، فلاديمير كولموغوروف، M. باوان كومار
• العنوان:
• https://arxiv.org/pdf/1604.08269.pdf

أفضل ورقة الطالب

• ورقة: كاملة التقاط: تتبع 3D تشوه نموذج الوجه واليدين والجسم
• إجمالي الالتقاط: A 3D النموذجي التشوه لتتبع وجوه واليدين، والهيئات
• المؤلف: Hanbyul جو، توماس سيمون، ياسر الشيخ، وكلاهما من جامعة كارنيجي ميلون

نقترح نموذجا موحدا للتشوه (نموذج تشوه)، للا تحمل علامات أبعاد القبض متعددة من حركة الإنسان، بما في ذلك تعابير الوجه وحركات الجسم والإيماءات. يتم إنشاء نموذج الأولي من النموذج كل جزء المحلي من الجسم خياطة، والتي نسميها "فرانكشتاين" النموذج. ويمكن التعبير عن هذا النموذج من قبل حركة واحدة أجزاء النمذجة سلس كاملة من الجسم، بما في ذلك الوجه واليدين. من خلال أشخاص القبض على نطاق واسع ارتداء الملابس كل يوم، فإننا الأمثل لنموذج فرانكشتاين، خلق "آدم" النموذج. "آدم" هو نموذج المعايرة، النموذج الأصلي لديهم نفس التسلسل الهرمي هيكل عظمي (التسلسل الهرمي هيكل عظمي)، ولكن يمكن أن تعبر عن الشعر والملابس للهندسة، بحيث يمكن استخدامها مباشرة في حياة الناس اليومية. وأخيرا، علينا أن نظهر استخدام هذه النماذج لتتبع حركات الجسم، حركات الجسم أثناء التقاط نطاق واسع وحركات الوجه واليد الخفية الفئات الاجتماعية.

عنوان ورقة: الشبكي: //arxiv.org/pdf/1801.01615.pdf

الورق الكلاسيكية: Longuest-هيغنز جائزة

لونغيه-هيغنز جائزة هو تحليل نمط جمعية الحاسبات IEEE في الاستخبارات (PAMI) اللجنة الفنية آلة CVPR السنوية وقدم "رؤية الكمبيوتر الأساس مساهمة جائزة"، وذلك تقديرا لعقد من الزمن كان قبل تأثير كبير على البحوث ورقة CVPR رؤية الكمبيوتر. جائزة سميت على اسم كيمياء نظرية وعالم المعرفي ه. كريستوفر لونغويه هيغينز.

منحت 2018 ونغيه-هيغنز جائزة رقة CVPR P. Felzenszwalb، الذي نشر في عام 2008 "A تدريب discriminatively، متعددة النطاقات، نموذج جزء تشوه". وفقا لجوجل محركات البحث الأكاديمي، والاستشهادات من هذه المادة يصل إلى 2075 مرة.

الكاتب حصول على جائزة الورق الكلاسيكية لتسلم جائزة. المصدر: الدب لين

• A تدريب discriminatively، متعددة النطاقات، نموذج جزء تشوه
• المؤلف: Pedro.Felzenszwalb (جامعة شيكاغو)، David.McAllester (معهد تويوتا شيكاغو للتكنولوجيا)، Deva.Ramanan (جامعة كاليفورنيا في ايرفين)

توضح هذه المقالة يتم تحديد عضوا تشوه متعددة النطاقات الكشف عن وجوه نموذج للتدريب. نظامنا في المتوسط مرتين دقة الكشف عن الجنس البشري في تحقيق أفضل النتائج من 2006 PASCAL، نفس 20 فئة من 10 من أفضل النتائج ليكون أفضل من 2007 هدف باسكال لعبة الكشف. هذا النظام يعتمد جدا على غرار عضو تشوه. كعضو تشوه نموذج شعبية متزايدة، ولا يتم عرض قيمته على مجموعة البيانات على غرار PASCAL أكثر صعوبة. لدينا يعتمد النظام الجديد أيضا على طريقة تحديد التدريب. نحن التعدين الحالات الصعبة (هارد سلبي على سبيل المثال) طريقة حساسة معا الفاصل SVM المتغيرات الخفية. إخفاء SVM مماثلة مخبأة مشروطة عشوائية (مخفي CRF) المشكلة هي في النهاية مشكلة من برامج التدريب غير محدبة. SVM ونصف مخبأة مشكلة البرمجة محدبة، ولكن مرة واحدة تشير المعلومات لإخفاء العينات الإيجابية، وتدريب يصبح مشكلة البرمجة محدبة. ونحن نعتقد أن أساليب التدريب لدينا يمكن في نهاية المطاف استخدام مزيد من المعلومات الخفية، مثل مستويات (القواعد) نموذج ونموذج ثلاثي الأبعاد يحتوي على موقف ضمني.

عنوان ورقة: الشبكي: //ieeexplore.ieee.org/document/4587597/

فاز هو كاى مينغ PAMI جائزة الباحث الشاب

جائزة أخرى هي "PAMI جائزة الباحث الشاب" (جائزة الباحث PAMI الشباب)، وتعطى هذه الجائزة لهؤلاء الخريجين، وليس أكثر من سبع سنوات، ولها مساهمات البحثية المتميزة في رؤية الكمبيوتر الباحثين الشباب. PAMI جائزة الباحث الشاب منحت منذ عام 2013، ورثت في عام 2012 "المعلقة جائزة الباحث الشاب" (جائزة الباحث المتميز يونغ) IVC ل.

2018 الفائز PAMI الشباب جائزة الباحثين هو معهد جيجر أندرياس من جامعة توبنجن في ألمانيا والفيسبوك الذكاء الاصطناعي (FAIR) هو كاي مينغ.

اثنين من الفائزين لاستلام الجائزة. المصدر: الدب لين

من الفائزين الجوائز المذكورة أعلاه وجهة نظر، بالرغم من وجود الأداء المتميز من العلماء الصينيين على عدد من التقارير ومسابقة في أوراق CVPR، لكن الفوز نسبة ليست عالية.

بعض ملامح المؤتمر: النمو المتسارع في عدد من الصحف، وأكثر من 6500 مشارك

ووفقا لرئيس الجمعية العامة بريان مورس، هذا العام هناك 6512 شخصا مسجلين المشاركين CVPR، وهذا الرقم هو ببساطة مدهشة. يتزايد عدد تقديم أوراق أيضا بشكل كبير، وعدد من المساهمين لديها اكثر من 3300:

في 3309 تقديم فعالة، هناك 979 الأوراق الواردة، 294 نص طويلة وقصيرة، 149 الرعاة والعارضين، وترعى تكلفة أكثر من 2000000 $.

CVPR 2018 لمزيد من المعلومات، راجع التقرير الجديد فاز جي:

• [الدليل] CVPR المشاركين أقوى دراسة متعمقة المذبح، والصينية AI قوي يونيكورن سرقة الأضواء