ون | بايدو
إد | جيا وى
في الآونة الأخيرة، وشملت مجال الرؤية الكمبيوتر "أوسكار" CVPR 2020 نتائج الأوراق الرسمية، مع الارتفاع الكبير في عدد المساهمين، بدأت تلقي شهدت نسبة انخفاض مستمر. هذا العام، والمساهمة الفعالة في 6656، وتلقى ما مجموعه 1470 ورقة، وكان استقبال حوالي 22، مقارنة مع معدل اختيار 25 في العام الماضي، بنسبة 3.
في هذه الدورة، ويبلغ مجموع بايدو تم اختيار 22 ورقة، التي تنطوي على مواضيع تتراوح بين كشف الوجه والاعتراف، وفهم وتحليل الفيديو، صورة فائقة الدقة، والقيادة الآلية للكشف عن السيارات وأماكن المشهد على مستوى سبيل المثال تجزئة. وفيما يلي وصفا منها 15 ورقات مختارة.
1، وكشف الوجه وتحديد
ورقة: HAMBox: الخوض اون لاين المراس عالية الجودة لوجوه كشف الخارجي
في الآونة الأخيرة، على كشف الوجه باستخدام نقطة الربط لبناء متعددة المهام مشاكل في التعلم مزيج من تصنيف والانحدار تنسيق الإطار، مرساة فعال ومرساة تصميم استراتيجية مطابقة يجعل كشف الوجه قادر على تحديد المواقع بدقة وموقف الناس في التغيير على نطاق واسع الوجه. ورقة، يقترح بايدو خط عالية الجودة HAMBox سياسة التعدين مرساة، يمكن أن يجعل وجه استثناء (وجوه الخارجي) يجري تعويضها ذات جودة عالية مرساة. قد تكون طريقة HAMBox واحد خطوة الأمثل مرساة استنادا وجه كاشف المشترك. تجارب البرنامج على FACE أوسع، FDDB، AFW وPASCAL الوجه مجموعات البيانات متعددة تظهر تفوقها، في حين أن تفهمه الوجه والمشاة التحدي 2019، لتعيين فازت 57.13 سمعة دولية.
ورقة: FaceScape: على نطاق واسع عالي الجودة 3D الوجه الإدراجات ومفصلة التنبؤ Riggable 3D الوجه
ورقة نشرت على نطاق واسع عالية الدقة ثلاثية الأبعاد قاعدة بيانات نموذج وجه FaceScape، وأول مرة من دقة التنبؤ صورة واحدة، ويمكن التلاعب بها وجه الإنسان نموذج ثلاثي الأبعاد. قاعدة بيانات FaceScape تحتوي على ما يقرب من 18000 الدقة نماذج 3D الوجه، كل نموذج تضم الركيزة وخريطة التشرد و4K القوام القرار، وسطح يمكن وصف دقيق جدا هيكل ثلاثي الأبعاد، والملمس. مقارنة مع الكشف عن قاعدة بيانات الوجه القائمة 3D، FaceScape على كمية ونوعية النموذج هي في أعلى المستويات في العالم. على أساس قاعدة بيانات FaceScape المذكورة أعلاه، يستكشف الورقة أيضا مهمة جديدة التحدي: لصورة الوجه واحدة هي المدخلات، ودقة التنبؤ والتعبير يمكن التلاعب ثلاثي الأبعاد نموذج الوجه. ونتيجة لهذا الأسلوب التنبؤ قادرة على إنتاج غرامة خطوات التحكم التعبير نموذج الوجه، ونموذج ولدت لا يزال يحتوي على واقعية هيكل ثلاثي الأبعاد بالتفصيل تعبير جديد. ويذكر أن قاعدة بيانات FaceScape ورمز ستفرج قريبا مجانا، واستخدام غير التجاري للاستخدام البحوث الأكاديمية.
الرسالة: الهرمي الهرم شبكة الاهتمام متنوعة للالتعرف على الوجه
طريقة التعرف على التيار الحالي مع قليل من الاعتبار لمتعددة النطاق المحلي يتميز من طبقات مختلفة. ولهذه الغاية، نقترح نموذجا الهرم الهرمي للاهتمام التنويع. عندما يحدث المظهر العام للتغييرات جذرية الوجه والمنطقة المحلية تلعب دورا هاما. بعض وحدة طلب وظيفة الأخيرة لتحديد موقع انتباه المنطقة المحلية تلقائيا. إذا كنت لا تنظر تنوع اهتمام المدرسة عادة ما تنتج استجابة زائدة في بعض الكتل المحلية المماثلة حولها، في حين تجاهل الآخرين المحتملين كتلة المحلي التمييزية. وعلاوة على ذلك، لأن الموقف أو تعبيرات الوجه التغييرات، قد تظهر في كتل جزئية من مستويات مختلفة. وللتخفيف من هذه التحديات، اقترح فريق بايدو وحدة نمطية مذكرة تنويع الهرم تلقائيا بتكيف التعلم وتنويع متعددة على نطاق التمثيل المحلي. وبشكل أكثر تحديدا، وحدة المتقدمة لالتقاط انتباه ميزة المتعددة النطاقات الهرم، وتشجيع نموذج مع التركيز على كتل جزئية مختلفة، وضعت مجموعة واسعة من التعلم. ثانيا، من أجل صهر المحلي على نطاق صغير أو التفاصيل من الميزات FIG الوجه من الطبقة السفلى، يمكن استخدامها في مكان المترابط تجميع الهرمي أو إضافة في سلسلة.
2، والكشف عن الهدف وتتبع
ورقة: معاون-3Ddet: إدراكي-لالمفاهيمية جمعية لل3D نقطة الكشف عن وجوه الغيمة
الكشف عن الهدف وتكنولوجيا الروبوت الآلي هو واحد من أكثر دافعا هاما في مجال المهام التعرف على الأنماط. تقدم هذه الورقة فن التكيف لتعزيز متانة نقطة ميزة سحابة متفرق. وبشكل أكثر تحديدا، فإن الميزة من المشهد الحقيقي (ميزات مجال علم)، وكانت مرتبطة من ميزات سحابة افتراضية كاملة (المجالات المفاهيمية سمة) نقطة يحتوي على ثروة من المعلومات المفصلة. هذه التعديلات المرتبطة طريقة نطاق ويرتبط في الواقع مع وظيفة جمعية تصور الكائن في محاكاة الدماغ البشري. هذه عملية التدريب خوارزمية ثلاثية الأبعاد الكشف عن وجوه لتعزيز قدرة استخراج ميزة، لا يتطلب أي مكونات إضافية أدخلت مرحلة الاستدلال، بحيث الإطار هو السهل على الاندماج في مختلف ثلاثية الأبعاد خوارزمية الكشف عن وجوه.
الرسالة: العصبية رسالة تمرير واليقظة الزمانية المكانية محول للكشف عن وجوه فيديو نقطة سحابة المستندة إلى 3D
نقطة سحابة 3D على أساس كشف عن إطار واحد عادة لا يستجيب للهدف حيث انسداد الهدف، وبعد أخذ العينات غير موحدة، وما إلى ذلك، في حين أن نقطة سحابة الفيديو (سحابة نقطة من عدد وافر من إطارات) عادة ما تحتوي على ثروة من المعلومات المكانية والزمانية يمكن تحسين الوضع نتائج الكشف، وتقترح هذه الورقة 3D نقطة للكشف عن وجوه سحابة فيديو نهاية الخط. تنتقل أطروحة عمود رسالة اجتياز شبكة (PMPNet)، يمكن أن نشير عرض خطة سحابة من FIG غير فارغ تعريشة FIG عقدة، والمعلومات بين العقد بشكل حيوي تحسين مجالات تقبلا عقدة، PMPNet فعال ربط غير الإقليدية FIG الفضاء CNN خصائص الأوروبي والممتلكات؛ الاختلافات الزمنية والمكانية في وحدة التجميع، كما تم اقتراح الفضاء والاهتمام الوقت آليات لتعزيز الطبقة الأصلية التحويل-GRU، الجديدة آلية التركيز مساحة الذاكرة لتعزيز الصدارة وقمع الخلفية، آلية الاهتمام مع مرور الوقت لمحاذاة إطار المجاور الكائنات الحيوية المقدمة. وقد بلغ 3D نقطة سحابة فيديو كشف الكائن على nuScenes مجموعة مرجعية كبير نتائج الرائدة.
الرسالة: A الموحدة كائن الحركة ورابطة نموذج للكفاءة الانترنت متعدد كائن تتبع
عن طريق تعقب هدف واحد (سوت) باسم الحركة نماذج التنبؤ أداء على الانترنت تتبع متعدد الاهداف (MOT) هو الأسلوب الشعبي الحالي، ولكن تتطلب هذه الأساليب عادة تصميم إضافي نموذج معقد تقدير التشابه إلى عنوان أهداف مماثلة تدخل وانسداد كثيف المشكلة. في هذه الورقة، متعددة المهام استراتيجيات التعلم، والتنبؤ الحركة وتشابه لتقدير نموذجا. تجدر الإشارة إلى أن النموذج أيضا تصميم شبكة ثلاثية، قد يتم تنفيذ التدريب سوت في وقت واحد، حيث تصنيف التمييزي معرف الكائن والفرز، على ان يكون نموذج الشبكة الناتج يمكن أن يكون أكثر دقة تحديد موقع وتحديد الأهداف ومتعددة الهدف جمعية البيانات؛ بالإضافة إلى ذلك، يعرض الورقة وحدات مهمة محددة للاهتمام للتأكيد على خصائص السياقات الإقليمية المختلفة، لمواصلة تعزيز سوت ويتميز تطبيق لهذه المهمة تقدير التشابه. هذه الطريقة في نهاية المطاف الحصول على الذاكرة منخفضة (30M) وكفاءة عالية (5FPS) على الانترنت نموذج MOT، واتخذت تأثير الرصاص على MOT2016 وMOT2017 مجموعة الاختبار المعياري.
3، وتحليل الفيديو والتفاهم
ورقة: ActBERT: التمثيل التعلم العالمية-المحلية فيديو قصيرة
مستوحاة من بيرت في فريق التدريب، بايدو الرصد الذاتي للفيديو ونص مماثل النمذجة مشترك، والفيديو والرسائل النصية بين القائمة على البحوث فيديو السرد. الذي يتسق النص جاهزا بحلول التلقائي قدرة التعرف على الكلام، وهي غنية في مصادر البيانات والفيديو السرد لدراسة العلاقة بين النص الفيديو. ActBERT تعزيز ميزة النص الفيديو، يمكنك استكشاف الكائن الحبيبات غرامة والنوايا عمل عالمية. بايدو الفريق على عدد من المهام الفيديو ولغة للتحقق من قدرة التعميم ActBERT، مثل النص مقاطع استرجاع الفيديو وتوليد شرح الفيديو، والمسائل الفيديو، وتجزئة الحركة وتحديد المواقع، ومقاطع الحركة، ActBERT أفضل بكثير من بعض من أحدث الفيديو معالجة النصوص الخوارزمية، وثبت كذلك تفوقها في التعلم ميزة النص الفيديو.
الرسالة: شبكات تجميع ذاكرة للكفاءة كائن تقسيم الفيديو التفاعلي
الكائن الورقة هو تصميم التفاعلي نظام الفيديو تجزئة سريع، يمكن للمستخدم أن تعطى خط بسيط على كائن استنادا إلى إطار الفيديو، وتقسيم الفيديو من النظام بأكمله مجزأة الكائن. سابقا، طريقة لتقسيم الفيديو التفاعلية وغالبا ما تستخدم شبكتي العصبية منفصلة، على التوالي تقسيم إطار التفاعل، وتقسيم وتحويل النتيجة إلى إطارات أخرى. التفاعل مع المادة الموصلة في إطار الانصهار، وباستخدام أسلوب التضمين بكسل، كل إطار من بكسل الفيديو التضمين استخراج مرة واحدة فقط، وأكثر كفاءة. وعلاوة على ذلك، يستخدم هذا تجسيد آلية مبتكرة لتخزين الذاكرة، وتأثير محتوى مسبق للتفاعل من كل إطار وتخزينها، في تفاعل جديد، حيث إطار القراءة الموافق الذاكرة FIG، وتحديث الذاكرة. الطريق إلى يعزز إلى حد كبير على قوة نتيجة تجزئة، وأخذ زمام المبادرة في نتائج DAVIS البيانات.
ورقة: العمل الإنقسام مع الإشراف الذاتي المشتركة الزمني التكيف المجال
وعلى الرغم من الإشراف الكامل الأخير على الملعب جعلت التكنولوجيا حركة تجزئة التقدم، ولكن أداءه لا يزال غير كاف. ويتمثل التحدي الرئيسي هو مشكلة الاختلافات المكانية والزمانية (مثل الناس مختلفة قد تؤدي نفس العملية بطرق مختلفة). ولذلك، فإن استخدام ورقة لا تحمل علامات فيديو على حل هذه المشكلة عن طريق تقسيم مهمة الحركة لإعادة تصميم عبر المجال (مجال) المشكلة، وأن المشاكل عبر المجال هي سبب رئيسي من خلال أوجه الاختلاف في الزمان والمكان لتغيير المجال. من أجل الحد من الخلافات، واقترحت الصحيفة عن "التكيف الوقت المجال الرصد الذاتي (SSTDA)"، الذي يحتوي على اثنين الرصد الذاتي من مهام المساعدة (التنبؤ مجال ثنائي ومتتابعة)، من أجل التوفيق بين المشترك من مختلف الأحجام جزءا لا يتجزأ من دينامية الوقت المجال عبر نطاق مساحة ميزة للحصول على التكيف أفضل من أعمال طريقة المجالات الأخرى (DA). على ثلاثة تحدي مجموعات البيانات العامة (GTEA، 50Salads والإفطار)، SSTDA متقدما بفارق كبير على طريقة التاريخ الحالي، ويتطلب 65 فقط من بيانات التدريب التسمية للحصول على أداء قابلة للمقارنة مع الأساليب الأكثر الحالية، وهذا كما تبين أن هذه الطريقة يمكن الاستفادة بشكل فعال الخالي من الملصقات فيديو الهدف على التكيف مع التغيير.
4، وصورة فائقة الدقة
ورقة: قناة الاهتمام أساس التكرارية المتبقية التعلم عن عمق خريطة سوبر الدقة
مع نطاق تطبيق عمق المعلومات ينمو، جذبت فائقة حل المشاكل صورة عمق اهتمام مجموعة واسعة من الباحثين. تشير فائقة دقة وضوح الصورة عمق إلى أعلى مستوى الدقة عمق الصورة من الوصول المستندة إلى الصور دقة منخفضة عمق جودة عالية. اقترح فائقة الدقة طريقة صورة العمق، في حين يتم تحليل وضع منخفضة الدقة لتوليد صورة العمق، ووضع منخفضة الدقة نوعين من عمق محاكاة صورة ولدت: الاستيفاء غير الخطية يرافق الضوضاء الاختزال وضع الجيل والاختزال وضع الجيل الفاصل.
لأنواع مختلفة من دقة وضوح الصورة عمق كما يستخدمه إطار التعلم تكرارية هنا المتبقية منخفضة صورة قرار عمق المدخلات إلى الطريقة الخشنة إلى غرامة لاستعادة تدريجيا عالية الدقة المعلومات تردد صورة العمق، في الوقت نفسه، وذلك باستخدام تعزيز استراتيجية القناة لتعزيز دور يحتوي على قنوات المعلومات تردد أكثر عالية في جميع أنحاء إطار التعلم، إضافة إلى استخدام استراتيجيات التكامل متعددة المراحل فعال في المعلومات إعادة فعالة الحصول على عملية الخشنة إلى غرامة، وأخيرا، من خلال TGV القيود وعالية الدقة وظيفة فقدان المدخلات إلى مزيد من تحسين صورة عمق الحصول عليها. الطريقة المقترحة يمكن التعامل بفعالية مع مشكلة فائقة الدقة عمق الصورة، مقارنة مع الطرق المعروفة حاليا، وأثر هو، مزايا واضحة كبيرة.
5، وتحديد هوية المركبات
الرسالة: 3D الجزء استرشادا التحرير صورة للتفاهم كائن الحبيبات غرامة
في المشهد الطيار الآلي، تصور بدقة "خاصة" دولة من السيارة لسلامة القيادة الحرجة (على سبيل المثال: الباب مفتوحا قد يكون هناك الركاب على النزول، الذيل الاضواء امض الوسائل التي تغير حارة المقبل). لهذه المشكلة، نقترح البيانات توليفها (المحسنة) طريقة جديدة، أي عن طريق مواءمة نموذج ثلاثي الأبعاد للمستوى عنصر صورة ثنائية الأبعاد من المحرر السيارة تلقائيا بإنشاء عدد كبير من "الخاصة" الدولة (على سبيل المثال: الباب المفتوح، والعودة مربع، غطاء محرك السيارة، وامض المصابيح الأمامية، المصابيح الخلفية) صورة مركبة الدلالي النتائج الشرح. تدريب البيانات التي تم إنشاؤها، ونحن تصميم شبكة العمود الفقري المزدوج يجعل نموذج يمكن تعميمها على بيانات الاختبار الحقيقي، مقارنة مع أسلوب نموذج التقديم التقليدية، وهذه الطريقة أرصدة الفرق في المجال المشكلة أكثر ملاءمة وخفيفة الوزن.
للتحقق من صحة الطريقة، ورقة يبني CUS (سيارات في الدول غير المألوف) مجموعة البيانات، تميز في حوالي 1400 صورة حقيقية للسيارة في حالة خاصة من الشارع. وأظهرت النتائج أن: يمكن فعال يتم الكشف عن حالة مركبة "خاص" الطريقة المقترحة، وتجزئة على مستوى سبيل المثال السيارة، وتجزئة والدلالي مكونات وصفت دولة، لها انعكاسات مهمة على القرارات الأمنية الطيار الآلي.
6، والشبكة العصبية العمارة البحث
العصبية العمارة بحث عملية جاوس مقرها: ورقة: GP-NAS
من عمق هيكل نموذج الشبكة العصبية للبحث التلقائي، NAS (العصبية العمارة البحث) في أنواع مختلفة من المهام الرؤية الحاسوبية تتجاوز قدرة هيكل نموذج مصمم بشكل مصطنع. هذه الورقة تهدف إلى معالجة ثلاث قضايا مهمة في NAS: (1) كيفية قياس العلاقة بين هيكل نموذج وأدائها؟ (2) كيفية تقييم العلاقة بين الهياكل نموذجا مختلفا؟ (3) تعلم كيفية استخدام عينة صغيرة من هذه الجمعيات؟ ولهذه الغاية، فإن هذه الورقة الأولى من هذه الارتباطات لتكون على غرار من منظور النظرية الافتراضية.
أولا، استنادا إلى رواية NAS (GP-NAS) طريقة عملية التمويه، ونمذجة علاقة تطويعه من قبل استحداث وظيفة النواة وظيفة يعني. أيضا، وظائف وظيفة والأساسية المتوسطة والانترنت التعلم من أجل تحقيق معقد ارتباط النمذجة التكيف المساحات البحث المختلفة ل. وعلاوة على ذلك، من خلال الجمع بين المعلومات المتبادلة على أساس طريقة أخذ العينات، فإنه يمكن تقدير / تعلم وظيفة GP-NAS وظيفة النواة يعني أقل عدد ممكن من العينات. بعد التعلم وإعطاء متوسط وظيفة وظيفة النواة، GP-NAS سيناريوهات مختلفة يمكن التنبؤ بها، وأداء أي من مختلف منصات بنية النموذج، وثقة هذه الخصائص التي تم الحصول عليها من الناحية النظرية. وهناك عدد كبير من التجارب على CIFAR10 وImageNet تثبت فعالية خوارزمية لدينا، والنتائج التي تحققت من SOTA.
ورقة: BFBox: تبحث العمود الفقري وميزة وجها مناسبا شبكة الهرم للكشف عن الوجه القوي
اقترح BFBox يستند هندسة الشبكات العصبية على البحث، ولكن البحث لاستخراج ميزة كشف الوجه والهرم الميزة. الدافع هو أننا وجدنا ظاهرة مثيرة للاهتمام: لمهمة تصنيف صورة شعبية مستخرج ميزة التصميم والتحقق من توافقها مهم في مهمة الكشف عن الهدف المشترك، لكنها لم تحقق النتائج المرجوة بالنسبة للمهمة كشف الوجه. استخراج ميزة مختلفة جنبا إلى جنب مع ميزات الهرم ليس تماما علاقة إيجابية. أولا، هذا مستخرج ميزة الورق لتحليل أفضل، والبحث عن وجه الفضاء؛ وثانيا، خصائص وحدة عناية الهرم (وحدة FPN الانتباه) لتعزيز الروابط بين الميزات واستخراج ميزة الهرم. وأخيرا، تأخذ سناس طريقة مناسبة للاستيلاء وقت واحد واستخراج ميزة الوجه والهيكل ميزة الهرم. وتشير البيانات التجريبية على تعدد مجموعات BFBox تفوق الأسلوب.
7، التصميم الهيكلي
ورقة: التحول القناة عن طريق بوابة ل Visual الاعتراف
هذا ويعرض ورقة وحدة التحول التقليدية، سهلة التطبيق لعمق الشبكة العصبية التلافيف، أي قناة عن طريق بوابة التحول (GCT) وحدة. GCT يجمع بين أساليب التطبيع وآليات الاهتمام، واستخدام خفيفة الوزن، وتحليل سهلة متغير لمعرفة ضمنا العلاقة بين قنوات الشبكة. هذه القنوات هي أمر من المتغيرات يمكن أن تؤثر بشكل مباشر على السلوك التنافسي أو تعاوني بين الخلايا العصبية، ويمكن أن تشارك بسهولة والإلتواء في شبكة التدريب مع المعلمات الوزن الخاصة بها. عن طريق إدخال طريقة التطبيع، وحدة GCT إلى وحدة خفيفة الوزن من SE SE-نتس، مما يجعل الهيئة العامة للضرائب التفاف المنتشرة في كل طبقة تصبح مرهقة جدا وليس جعل الشبكة ممكن. في هذه الورقة، وعدد من مجموعات البيانات الكبيرة لعدة المهام البصرية الأساسية الكاملة من التجارب، أن الصورة على البيانات ImageNet تصنيف مجموعة، الكشف عن وجوه والمثال تجزئة على COCO، وكذلك شريط فيديو على تصنيف حركية. على هذه المهام البصرية، ويمكن إدخال وحدة GCT يحقق مكاسب كبيرة في الأداء. أثبت عدد كبير من التجارب فعالية وحدة GCT.
8، دراسة توصيف
ورقة: تسمية معزولة ذاكرة للالذيل طويل والبصرية الاعتراف
البيانات الفعلية في المشهد تتبع عموما "ذيل طويل" التوزيع. فئات هي أقل بكثير البيانات، ولكن هناك عدد قليل من فئة البيانات الكافية. من أجل حل الطبقة الخلل، ونحن نقدم فئة هيكل العزلة الذاكرة (LIM) لتحديد البصرية ذيل طويل. أولا، LIM تعزيز القدرة على التعلم التفاف سريع الشبكات العصبية سمة فئة الذيل. من جانب معظم خصائص هامة من فئات تخزين كل فئة، بتحديث وحدة التخزين بشكل مستقل، وLIM قد تتدنى تعلم المصنف متحيزة. ثانيا، لإدخال متعددة على نطاق والتوقيع المكاني المنطقة الترميز من آلية جديدة للاهتمام. من أجل زيادة براعة تحديد الدرجة الذيل، جنبا إلى جنب سمة مميزة بقوة أكبر هي جيدة. في هذه الورقة، وتعدد المقاييس لترميز FIG ميزة المحلية، ولكن أيضا التكامل في السياق. LIM والاهتمام من المنطقة مع الآلية، التي تتحقق خمس مجموعات البيانات على أفضل أداء.
