0
| 本文作者： 楊曉凡 | 編輯：郭奕欣 | 2017-10-23 17:42 | 專題：ICCV 2017 |
雷鋒網(wǎng) AI 科技評(píng)論按：本周，全球的計(jì)算機(jī)視覺專家們即將齊聚威尼斯參加 ICCV （International Conference on Computer Vision）2017，展示計(jì)算機(jī)視覺和相關(guān)領(lǐng)域的最新研究進(jìn)展。ICCV由IEEE主辦，與計(jì)算機(jī)視覺模式識(shí)別會(huì)議（CVPR）和歐洲計(jì)算機(jī)視覺會(huì)議（ECCV）并稱計(jì)算機(jī)視覺方向的三大頂級(jí)會(huì)議。CVPR每年召開一次，而ECCV和ICCV在世界范圍內(nèi)每年間隔召開。ICCV論文錄用率很低，也符合它頂級(jí)會(huì)議的地位。
今年ICCV中，F(xiàn)acebook有15篇論文被收錄，同時(shí)Facebook的研究員們也會(huì)參與多個(gè)workshop和tutotial?？傮w情況而言，ICCV 2017 共收到2143篇論文投稿，其中621篇被選為大會(huì)論文，錄用比例29%。下面是Facebook此次收錄的論文列表，按照不同的研究主題分組。（雷鋒網(wǎng) AI 科技評(píng)論發(fā)現(xiàn)，何愷明有多達(dá)三篇論文被收錄；而谷歌的李飛飛也參與了一篇Facebook的論文）
Mask R-CNN
作者：何愷明，Georgia Gkioxari, Piotr Dollar, Ross Girshick
論文簡(jiǎn)介：這篇論文介紹了一個(gè)新型系統(tǒng)，它可以預(yù)測(cè)圖像中的每一個(gè)像素屬于哪一類中的哪一個(gè)物體。也就是說，這個(gè)系統(tǒng)不僅可以勾畫出圖中羊的輪廓并告訴你它們是羊（這一步屬于語義分割），同時(shí)還能告訴你圖像中的哪些部分對(duì)應(yīng)著哪一只羊（實(shí)例分割）。Mask R-CNN是最早成功達(dá)到這類目標(biāo)的系統(tǒng)之一。Facebook CTO Mike Schroepfer今年早些時(shí)候就在 F8 的主題演講中展示了幾個(gè)Mask R-CNN的應(yīng)用例子。
雷鋒網(wǎng) AI 科技評(píng)論之前寫過這篇論文的解析文章，參見 Mask R-CNN實(shí)例分割通用框架，檢測(cè)，分割和特征點(diǎn)定位一次搞定
Predicting Deeper into the Future of Semantic Segmentation
向著語義分割的未來做更深遠(yuǎn)的預(yù)測(cè)
作者：Pauline Luc, Natalia Neverova, Camille Couprie, Jakob Verbeek, Yann LeCun
論文簡(jiǎn)介：這篇論文中，作者們開發(fā)了一個(gè)深度學(xué)習(xí)模型，它可以從給定的一幀來自視頻的畫面嘗試預(yù)測(cè)下一幀會(huì)發(fā)生什么。換句話說，它在嘗試猜測(cè)視頻中的未來會(huì)如何。這篇論文表明，得到的模型可以提升計(jì)算機(jī)視覺系統(tǒng)在語義分割之類的任務(wù)中的表現(xiàn)。
Segmentation-Aware Convolutional Networks Using Local Attention Masks
運(yùn)用局部注意力遮罩的分割敏感的卷積網(wǎng)絡(luò)
作者：Adam W. Harley, Konstantinos G. Derpanis, Iasonas Kokkinos
論文簡(jiǎn)介：隨著卷積層不斷向后推進(jìn)，卷積神經(jīng)網(wǎng)絡(luò)中的單個(gè)神經(jīng)元要觀察的圖像區(qū)域也越來越大。這會(huì)帶來局部性非常差、并且模糊的響應(yīng)，就是因?yàn)樯窠?jīng)元要觀察的圖像范圍太大了。在這篇論文中，作者們讓每個(gè)神經(jīng)元只關(guān)注部分感興趣的區(qū)域，從而讓神經(jīng)元的響應(yīng)變得更明確。
Dense and Low-Rank Gaussian CRFs Using Deep Embeddings
使用深度嵌入的密集、低排序高斯CRF算法
作者：Siddhartha Chandra, Nicolas Usunier, Iasonas Kokkinos
論文簡(jiǎn)介：雖然卷積神經(jīng)網(wǎng)絡(luò)可以準(zhǔn)確地把圖像中的像素分為不同的類別（比如汽車，飛機(jī)等等），但臨近區(qū)域的分類結(jié)果卻經(jīng)常不一致，一個(gè)物體的一半可能會(huì)被識(shí)別為“床”，另一半則可能被識(shí)別為“沙發(fā)”。這篇論文提出了一種方法，連接了所有像素的分類結(jié)果，形成連續(xù)一致的預(yù)測(cè)結(jié)果，同時(shí)還保持了很高的效率。
Focal Loss for Dense Object Detection
密集物體檢測(cè)中的焦距損失
作者：Tsung-Yi Lin, Priya Goyal, Ross Girshick, 何愷明, Piotr Dollár
論文簡(jiǎn)介：這篇論文中介紹了一個(gè)用于物體識(shí)別的新系統(tǒng)。它和現(xiàn)有頂尖的物體識(shí)別方案采用了不同的技術(shù)路徑。目前多數(shù)其它系統(tǒng)都由多個(gè)階段組成，每個(gè)階段都由不同的模型實(shí)現(xiàn)，這篇論文中設(shè)計(jì)了一個(gè)模型在一個(gè)階段中解決整個(gè)物體識(shí)別問題。這種方法的簡(jiǎn)單性極其誘人，因?yàn)檫@讓這個(gè)系統(tǒng)的實(shí)現(xiàn)和使用都簡(jiǎn)單了許多。
雷鋒網(wǎng) AI 科技評(píng)論之前寫過這篇論文的解析文章，參見 兩屆CVPR最佳論文得主何愷明新作：應(yīng)對(duì)樣本的不平衡分布，刷新密集物體檢測(cè)表現(xiàn)上限
Low-shot Visual Recognition by Shrinking and Hallucinating Features
通過縮放和變幻進(jìn)行小樣本視覺識(shí)別
作者：Bharath Hariharan, Ross Girshick
論文簡(jiǎn)介：一般來說，物體檢測(cè)系統(tǒng)都要先用需要識(shí)別物體的照片進(jìn)行訓(xùn)練，每個(gè)類別都需要數(shù)以千計(jì)的照片。這篇論文針對(duì)的問題是如何在僅僅看過一種新物體的很少幾張樣本后就能對(duì)它進(jìn)行識(shí)別。它使用的方法是產(chǎn)生更多的要學(xué)習(xí)的物體的樣本（縮放和變幻）。
Transitive Invariance for Self-supervised Visual Representation Learning
具有變換不變性的自我監(jiān)督視覺表征識(shí)別
作者：Xiaolong Wang, 何愷明, Abhinav Gupta
論文簡(jiǎn)介：這篇論文的目標(biāo)是為物體檢測(cè)學(xué)習(xí)更好的模型，途徑是觀察視頻中的物體外觀如何變化。比如，視頻中一輛汽車開過，在不同的幀中展示了汽車不同的側(cè)面。由于已知視頻中的每一幀都展示的是同一輛車，用這些信息學(xué)習(xí)的模型就可以更好地理解同一個(gè)物體在不同視角下的樣子。然后就可以用得到的模型改善物體檢測(cè)的效果。
Grad-CAM: Visual Explanations from Deep Networks via Gradient-based Localization
Grad-CAM：通過基于梯度的本地化展示深度網(wǎng)絡(luò)的視覺解釋
作者：Ramprasaath R. Selvaraju, Michael Cogswell, Abhishek Das, Ramakrishna Vedantam, Devi Parikh, Dhruv Batra
論文簡(jiǎn)介：多數(shù)現(xiàn)代圖像分類系統(tǒng)都基于卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)。這些網(wǎng)絡(luò)的表現(xiàn)當(dāng)然很不錯(cuò)，但是它們也還在很大程度上是“黑盒子”。這篇論文介紹了一種新的方法可以揭開這個(gè)黑盒子，把圖片中能夠讓系統(tǒng)識(shí)別出結(jié)果的區(qū)域用特定的方式進(jìn)行可視化。
Learning Visual N-Grams from Web Data
從網(wǎng)絡(luò)數(shù)據(jù)學(xué)習(xí)視覺N維信息
作者：Ang Li, Allan Jabri, Armand Joulin, Laurens van der Maaten
論文簡(jiǎn)介：多數(shù)圖像識(shí)別系統(tǒng)都是用人工標(biāo)注的大規(guī)模圖像數(shù)據(jù)庫訓(xùn)練的，當(dāng)中這個(gè)標(biāo)注過程又枯燥又無法擴(kuò)展。這篇論文中開發(fā)了一個(gè)圖像識(shí)別系統(tǒng)，它是用5千萬張圖像和對(duì)應(yīng)的用戶評(píng)論訓(xùn)練的，不需要人工標(biāo)注。這個(gè)系統(tǒng)可以識(shí)別物體、地標(biāo)，以及數(shù)個(gè)單詞長(zhǎng)的場(chǎng)景，比如“金門大橋”或者“自由女神像”。
Inferring and Executing Programs for Visual Reasoning
用于視覺推理的推斷和執(zhí)行程序
作者：Justin Johnson, Bharath Hariharan, Laurens van der Maaten, Judy Hoffman, 李飛飛, C. Lawrence Zitnick, Ross Girshick
論文簡(jiǎn)介：這篇論文討論了這樣一個(gè)視覺推理任務(wù)：給定一張圖像，要讓模型回答“綠色盒子前面的那個(gè)東西是什么形狀？”模型的工作方式是使用一個(gè)“模塊化網(wǎng)絡(luò)”，這個(gè)網(wǎng)絡(luò)會(huì)把問題轉(zhuǎn)換成一個(gè)簡(jiǎn)單的計(jì)算機(jī)程序，然后用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)其中的每一個(gè)指令。這篇論文還展示了一個(gè)新的數(shù)據(jù)集用于視覺推理，名為“CLEVR-Humans”
Learning Cooperative Visual Dialog Agents with Deep Reinforcement Learning
用深度強(qiáng)化學(xué)習(xí)訓(xùn)練合作視覺對(duì)話機(jī)器人
作者：Abhishek Das, Satwik Kottur, Jos. M. F. Moura, Stefan Lee, Dhruv Batra
論文簡(jiǎn)介：這篇論文中，作者們開發(fā)了一個(gè)聊天機(jī)器人，它能回答關(guān)于圖像的問題。你可以問它“那個(gè)女人的傘是什么顏色的”這樣的問題。如果圖像中有兩個(gè)女人，這個(gè)聊天機(jī)器人會(huì)問你：“哪個(gè)女人？”你答復(fù)它：“黑色頭發(fā)的那個(gè)”，然后聊天機(jī)器人會(huì)告訴你：“傘是藍(lán)色的?！彪x真正解決這類問題還有很遠(yuǎn)的距離，但這是這個(gè)領(lǐng)域的首項(xiàng)研究，對(duì)這個(gè)問題做出努力。
Learning to Reason: End-to-End Module Networks for Visual Question Answering
學(xué)習(xí)推理：用于視覺問題回答的端到端模型網(wǎng)絡(luò)
作者：Ronghang Hu, Jacob Andreas, Marcus Rohrbach, Trevor Darrell, Kate Saenko
論文簡(jiǎn)介：這篇論文介紹了一種用于回答“紫色的圓柱體左側(cè)的球是什么顏色”這類問題的新方法。在新方法中，問題會(huì)首先被轉(zhuǎn)換為一個(gè)小型計(jì)算機(jī)程序；然后程序中的每個(gè)指令都會(huì)由一個(gè)神經(jīng)網(wǎng)絡(luò)來執(zhí)行。程序生成器和程序執(zhí)行器都是從成對(duì)的圖像和問題中學(xué)習(xí)的。
Speaking the Same Language: Matching Machine to Human Captions by Adversarial Training
講一樣的話：通過對(duì)抗性訓(xùn)練讓機(jī)器符合人類生成的標(biāo)題
作者：Rakshith Shetty, Marcus Rohrbach, Lisa Anne Hendricks, Mario Fritz, Bernt Schiele
論文簡(jiǎn)介：這篇論文要處理的問題是圖像標(biāo)題的自動(dòng)生成，也就是說，用自然語言描述一副圖像。主要的技術(shù)創(chuàng)新是，它嘗試讓系統(tǒng)生成的標(biāo)題更像是人類生成的。
Unsupervised Creation of Parameterized Avatars
無監(jiān)督創(chuàng)作參數(shù)化漫畫照片
作者：Lior Wolf, Yaniv Taigman, Adam Polyak
論文簡(jiǎn)介：這篇論文中開發(fā)了一個(gè)新的系統(tǒng)，它可以基于一張正常的臉部照片，生成一個(gè)看起來很像你的漫畫照片。主要的技術(shù)創(chuàng)新是，系統(tǒng)是以一種無監(jiān)督的方法訓(xùn)練的。這意味著它并不是用成對(duì)的臉部照片和對(duì)應(yīng)的漫畫照片訓(xùn)練的，它拿到的只有整整一組人臉照片和另一組漫畫的照片。系統(tǒng)會(huì)自動(dòng)學(xué)習(xí)如何找到人臉照片和漫畫照片之間的對(duì)應(yīng)關(guān)系。
Deltille Grids for Geometric Camera Calibration
用于幾何相機(jī)矯正的Deltille網(wǎng)格
作者：Hyowon Ha, Michal Perdoch, Hatem Alismail, In So Kweon, Yaser Sheikh
論文簡(jiǎn)介：物體的三維模型在很多場(chǎng)景下都會(huì)用到，比如虛擬顯示VR中。在一個(gè)圓頂一樣的空間內(nèi)布置上百個(gè)相機(jī)，讓它們同時(shí)拍一張照片，就可以建立出一個(gè)三維模型。這些相機(jī)都需要先進(jìn)行校準(zhǔn)，這樣如果系統(tǒng)知道所有相機(jī)的確切位置，它就可以把所有的照片都進(jìn)行合并，生成這個(gè)物體的三維模型。在過去的幾十年中，相機(jī)的校準(zhǔn)工作都是通過拍一張標(biāo)準(zhǔn)標(biāo)定板完成的。這篇文章中的成果表明，如果拍攝一張帶有三角形區(qū)域的標(biāo)定板，相機(jī)可以被校準(zhǔn)得更加準(zhǔn)確。
為了方便國(guó)內(nèi)的小伙伴們閱讀，我們已經(jīng)把這15篇論文從Facebook官網(wǎng)搬運(yùn)并打包，下載地址 https://pan.baidu.com/s/1missH9e
除了以上的收錄論文外，F(xiàn)acebook還會(huì)參加以下的多個(gè)Tutorial和Workshop
Instance-Level Visual Recognition Tutorial（何愷明會(huì)去這個(gè)，有同學(xué)想要去現(xiàn)場(chǎng)堵他的嗎？）
Closing the Loop between Vision and Language Workshop
Generative Adversarial Networks tutorial
Role of Simulation in Computer Vision workshop
Workshop on Web-Scale Vision and Social Media
Workshop on Computer Vision for Virtual Reality
COCO + Places Workshop
PoseTrack Challenge Workshop
ICCV2017期間，雷鋒網(wǎng) AI 科技評(píng)論也會(huì)繼續(xù)發(fā)出更多相關(guān)報(bào)道，請(qǐng)繼續(xù)關(guān)注。
雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
專題
本專題其他文章
