：

作者 | 蔣寶尚、琰琰

剛剛，計(jì)算機(jī)視覺三大頂會(huì)之一的 ICCV 2021于線上拉開序幕。 

今年 ICCV收到有效投稿6236篇，1617篇被收錄，接收率為25.9%，其中210篇論文為oral。就總數(shù)來看，相比ICCV 2019，接收數(shù)量增加了1800篇。

在這些論文中，中國學(xué)者幾乎拿下了“半壁江山”，占比45.7%，超過第二名美國近一倍，是第三名英國的近13倍。

而在優(yōu)秀論文評選中，中國科學(xué)技術(shù)大學(xué)劉澤、西安交通大學(xué)的林宇桐、微軟的曹越合作的Swin Transformer拿下了馬爾獎(jiǎng)（最佳論文）。

此外，在杰出評審名單中，中國學(xué)者至少上榜50位，占比23%。

據(jù)悉，為了選出這一千六百多篇論文，共有233位領(lǐng)域主席（AC）、4216位評審為之付出努力。為了保障論文質(zhì)量，每篇論文至少接受3位評審的審閱，而能否拒稿是由“一對兒”領(lǐng)域主席決定的。

以下是馬爾獎(jiǎng)、最佳學(xué)生論文的貢獻(xiàn)： 

最佳學(xué)生論文：“Pixel-Perfect Structure-From-Motion With Featuremetric Refinement”

貢獻(xiàn)：提供了一種用于優(yōu)化 SFM 建圖精度的方案，能夠大幅度提升建圖精度與后續(xù)的視覺定位精度。

馬爾獎(jiǎng)：“Swin Transformer: Hierarchical Vision Transformer Using Shifted Windows”

貢獻(xiàn)：提出了名為Swin Transformer的新型視覺Transformer，它可以用作計(jì)算機(jī)視覺的通用骨干網(wǎng)絡(luò)。

 獲獎(jiǎng)?wù)撐闹R爾獎(jiǎng)

論文題目：Swin Transformer: Hierarchical Vision Transformer Using Shifted Windows”

論文地址：https://arxiv.org/pdf/2103.14030.pdf

對于這篇文章的貢獻(xiàn)，作者曹越介紹：

1.之前的ViT（Vision Transformer）中，由于self-attention是全局計(jì)算的，所以在圖像分辨率較大時(shí)不太經(jīng)濟(jì)。由于locality一直是視覺建模里非常有效的一種inductive bias，所以我們將圖片切分為無重合的window，然后在local window內(nèi)部進(jìn)行self-attention計(jì)算。為了讓window之間有信息交換，我們在相鄰兩層使用不同的window劃分（shifted window）。 

2. 圖片中的物體大小不一，而ViT中使用固定的scale進(jìn)行建?；蛟S對下游任務(wù)例如目標(biāo)檢測而言不是最優(yōu)的。在這里我們還是follow傳統(tǒng)CNN構(gòu)建了一個(gè)層次化的transformer模型，從4x逐漸降分辨率到32x，這樣也可以在任意框架中無縫替代之前的CNN模型。 

Swin Transformer的這些特性使其可直接用于多種視覺任務(wù)，包括圖像分類（ImageNet-1K中取得86.4 top-1 acc）、目標(biāo)檢測（COCO test-dev 58.7 box AP和51.1 mask AP）和語義分割（ADE20K 53.5 val mIoU，并在其公開benchmark中排名第一），其中在COCO目標(biāo)檢測與ADE20K語義分割中均為state-of-the-art。 

獲獎(jiǎng)?wù)撐闹罴褜W(xué)生論文

論文標(biāo)題：Pixel-Perfect Structure-From-Motion With Featuremetric Refinement

論文地址：https://arxiv.org/pdf/2108.08291.pdf

我們在幾何估計(jì)之前調(diào)整初始關(guān)鍵點(diǎn)位置，隨后作為后處理完善點(diǎn)和攝像機(jī)的位置。因?yàn)閮?yōu)化了基于神經(jīng)網(wǎng)絡(luò)預(yù)測的密集特征的測量誤差，所以對噪聲檢測和外觀變化是穩(wěn)健的。這也顯著提高了各種關(guān)鍵點(diǎn)檢測器算法、具有挑戰(zhàn)性的觀察條件和現(xiàn)成深度特征的相機(jī)pose和場景幾何體的準(zhǔn)確性。該系統(tǒng)可以輕松擴(kuò)展到大型圖像集，實(shí)現(xiàn)大規(guī)模像素完美密集定位。 

目前，代碼已經(jīng)開源：https://github.com/cvg/pixel-perfect-sfm

獲獎(jiǎng)?wù)撐闹畼s譽(yù)提名論文

1.論文題目：“Mip-NeRF: A Multiscale Representation for Anti-Aliasing Neural Radiance Fields”

論文地址：https://arxiv.org/pdf/2103.13415.pdf

摘要：對于NeRF來說，通過每個(gè)像素渲染多條光線進(jìn)行采樣是不切實(shí)際的，因?yàn)槊織l光線的渲染都需要查詢多層感知器上百次。在這項(xiàng)研究中，我們提出了一種名為“mip-NeRF”的擴(kuò)展解決方案，它以連續(xù)值的比例表示場景。通過高效渲染消除反鋸齒圓錐錐體（ anti-aliased conical frustums）取代光線，mip NeRF減少了混疊瑕疵，顯著提高了NeRF表示精細(xì)細(xì)節(jié)的能力，在速度上比NeRF 快了7%，大小僅為NeRF的一半。 

此外，與NeRF相比，mip NeRF在數(shù)據(jù)集上降低了17%的平均錯(cuò)誤率，在具有挑戰(zhàn)性的多尺度變體上降低了60%的平均錯(cuò)誤率。Mip NeRF還能夠在多尺度數(shù)據(jù)集上與強(qiáng)力超采樣NeRF的精度相匹配，同時(shí)速度快22倍。

2.論文題目：OpenGAN: Open-Set Recognition via Open Data Generation

論文地址：https://arxiv.org/pdf/2104.02939.pdf

摘要：現(xiàn)實(shí)世界的機(jī)器學(xué)習(xí)系統(tǒng)需要分析與訓(xùn)練數(shù)據(jù)不同的測試數(shù)據(jù)。在K-way分類中，這通常被表述為開集（open-set）識(shí)別，以區(qū)分 K閉集（closed-set）數(shù)據(jù)集。關(guān)于開集識(shí)別通常有兩種處理方案：1）使用一些離群數(shù)據(jù)作為開集，對開-閉二進(jìn)制判別器分別進(jìn)行判別學(xué)習(xí)（discriminatively learning an open-vs-closed binary discriminator by exploiting some outlier data as the open-set,）；2）使用GAN，對閉集數(shù)據(jù)分布進(jìn)行無監(jiān)督學(xué)習(xí)，并使用其判別器作為開集似然函數(shù)。 

然而，由于過度擬合訓(xùn)練離散值，前者不能很好地推廣到不同的開放測試數(shù)據(jù)，而后者由于GANs訓(xùn)練不穩(wěn)定，效果也不好?；谝陨蠁栴}，我們提出了一種新的解決方案OpenGAN，它解決了現(xiàn)有技術(shù)存在的局限，首先，在一些真實(shí)的離群數(shù)據(jù)上經(jīng)過挑選的GAN鑒別器已經(jīng)達(dá)到最先進(jìn)的水平。第二，可用敵對合成的“假”數(shù)據(jù)來擴(kuò)充可用的真實(shí)開集示例集。第三，也是最重要的一點(diǎn)，它可以在 K-way網(wǎng)絡(luò)計(jì)算的特征上構(gòu)建鑒別器。大量實(shí)驗(yàn)表明，OpenGAN的性能明顯優(yōu)于以前的開集方法。

值得一提的是，該論文的第一作者Shu Kong也是一位華人學(xué)者。

3.論文標(biāo)題：Viewing Graph Solvability via Cycle Consistency

論文鏈接：
https://openaccess.thecvf.com/content/ICCV2021/papers/Arrigoni_Viewing_Graph_Solvability_via_Cycle_Consistency_ICCV_2021_paper.pdf

摘要：在SfM(Structure from motion) 中，視圖的頂點(diǎn)代表相機(jī)，邊代表矩陣。我們在論文中設(shè)計(jì)了一組算法，能夠讓解算視圖，即確定唯一的投影相機(jī)（projective cameras）減少未知數(shù)的數(shù)量.

當(dāng)前，已有的理論完全描述所有視圖的可解性，或者計(jì)算有難度，畢竟其涉及包含大量未知數(shù)的多項(xiàng)式方程組。本文的主要思想是:通過利用循環(huán)一致性（cycle consistency）。具體而言：

1.完成對所有先前未定最小圖（undecided minimal graphs）的分類，所謂最小是指：最多9個(gè)節(jié)點(diǎn)。

2.將實(shí)際的可解性測試擴(kuò)展到最多90個(gè)節(jié)點(diǎn)的最小圖

3.明確回答了一個(gè)公開的研究問題，證明了有限可解性與可解性不等價(jià)。

4.論文題目：Common Objects in 3D: Large-Scale Learning and Evaluation of Real-Life 3D Category Reconstruction

論文鏈接：https://arxiv.org/pdf/2109.00512.pdf

摘要：在過去，識(shí)別3D對象類別需要在合成數(shù)據(jù)集上進(jìn)行訓(xùn)練和評估，這是因?yàn)檎鎸?shí)的3D注釋類別的中心數(shù)據(jù)不可用。為了促進(jìn)相關(guān)研究的推進(jìn)，我們收集了與現(xiàn)有合成數(shù)據(jù)相似的真實(shí)數(shù)據(jù)。在這項(xiàng)工作中，我們最主要貢獻(xiàn)是創(chuàng)建了 3D公共對象數(shù)據(jù)集（Common Objects in 3D），它全部來自真實(shí)世界，包含了對象類別的多視圖圖像，并使用攝影機(jī)姿勢和地面真實(shí)3D點(diǎn)云進(jìn)行了注釋。

具體而言，該數(shù)據(jù)集包含近19000個(gè)視頻的150萬幀，這些視頻捕獲了50個(gè)MS-COCO類別的對象，因此，就類別和對象的數(shù)量而言，該數(shù)據(jù)集遠(yuǎn)遠(yuǎn)大于現(xiàn)有數(shù)據(jù)集。利用這個(gè)新數(shù)據(jù)集，我們對幾種新的視圖合成和以類別為中心的三維重建方法進(jìn)行了一次大規(guī)模的“野外”評估。最后，我們還提出了一種新的神經(jīng)渲染方法NerFormer，實(shí)驗(yàn)證明，它利用強(qiáng)大的轉(zhuǎn)換器在給定少量視圖的情況下也能夠重建對象。

PAMI-TC 獎(jiǎng)

ICCV 2021 組委會(huì)還頒布了過往杰出研究類獎(jiǎng)項(xiàng) PAMI-TC 獎(jiǎng)，包括四個(gè)獎(jiǎng)項(xiàng)：Azriel Rosenfeld終身成就獎(jiǎng)、杰出學(xué)者獎(jiǎng)，Everingham 獎(jiǎng)和ICCV Helmholtz 獎(jiǎng)。

其中，Azriel Rosenfeld終身成就獎(jiǎng)?lì)C發(fā)給了加州大學(xué)Berkeley 分校電氣工程與計(jì)算機(jī)科學(xué)系教授 RUzena Bajcsy，以表彰其長期以來在計(jì)算機(jī)視覺領(lǐng)域所作出的重大貢獻(xiàn)。

Bajcsy 博士是美國國家工程院 (1997) 和美國國家醫(yī)學(xué)科學(xué)院 (1995) 的成員，也是計(jì)算機(jī)協(xié)會(huì) (ACM) 和美國人工智能協(xié)會(huì) (AAAI) 成員。曾獲得了ACM/AAAI 艾倫紐厄爾獎(jiǎng)，本杰明富蘭克林計(jì)算機(jī)和認(rèn)知科學(xué)獎(jiǎng)、 IEEE 機(jī)器人和自動(dòng)化獎(jiǎng)。2002 年，她還被《探索》雜志評為 50 位最重要的女性之一。主要從事機(jī)器人研究，包括計(jì)算機(jī)視覺、觸覺感知以及系統(tǒng)識(shí)別。

個(gè)人主頁：
https://people.eecs.berkeley.edu/~bajcsy/?_ga=2.102438914.2095164583.1634049418-1623552618.1634049418）  

PAMI杰出學(xué)者獎(jiǎng)項(xiàng)頒發(fā)給了加州理工學(xué)院教授Pietro Perona和法國國家信息與自動(dòng)化研究所（INRIA）研究員Cordelia Schmid。

Everingham獎(jiǎng)?lì)C發(fā)給了KITTI 視覺基準(zhǔn)團(tuán)隊(duì)和Detectron對象檢測和分割軟件團(tuán)隊(duì)，其成員分別包括：

• Andreas Geiger ，philip Lenz，Christoph Stiller，Raquel Urtasun and other contributors

• Ross Girshick，Yuxin Wu，llijia Radosavovic ，Alexander Kirllov ，Georgia Gkioxari，F(xiàn)rancisco Massa ，Wan-Yen Lo，Piotr Dollar ，Kaiming He 

ICCV Helmholtz 獎(jiǎng)在獎(jiǎng)勵(lì)對計(jì)算機(jī)視覺領(lǐng)域做出重要貢獻(xiàn)的工作，頒發(fā)對象是十年前對計(jì)算機(jī)視覺領(lǐng)域產(chǎn)生重大影響的論文。今年的 Helmholtz 獎(jiǎng)?lì)C給了三篇論文：

• ORB：An efficient alternative to SIFT or SURF

• HMDB：A large video datebase for human motion recognition

• DTAM；Dense tracking and mapping in real-time

ICCV 2021投稿趨勢一覽

就接收論文分布領(lǐng)域而言，遷移\小樣本\無監(jiān)督學(xué)習(xí)、圖像視頻合成、識(shí)別和分類位列前三甲，接收數(shù)量都超過了80篇。而新出現(xiàn)的領(lǐng)域，例如可解釋AI、公平、負(fù)責(zé)、透明和道德等研究主題的論文，其接收數(shù)量一直“上漲”。

拋卻“論文的絕對數(shù)量”，通過比例觀察，可以明顯看出：手和身的姿態(tài)、機(jī)器和自動(dòng)駕駛視覺、視頻分析和理解、倫理等領(lǐng)域接受率相差不大；視覺推理和邏輯表達(dá)領(lǐng)域接受率最低。

在國家層面，中國論文數(shù)量幾乎占據(jù)了“半壁江山”（43.2%+2.5%=45.7%），超過美國（23.6%）接近一半，超過第三名英國（3.6%）12倍.....

中國力量的另一個(gè)體現(xiàn)是杰出評審的數(shù)量，本屆ICCV總共評出了220位，粗略估計(jì)華人學(xué)者52位。

另外，據(jù)大會(huì)主席james clark介紹，本屆ICCV會(huì)維持三天，共有82個(gè)workshops，12個(gè)tutorial進(jìn)行展示，研究主題涵蓋各個(gè)領(lǐng)域。

另外三場專家論壇將討論研究熱點(diǎn)，分別是：深度學(xué)習(xí)和傳統(tǒng)技法在計(jì)算機(jī)視覺中的比較；Deepfake和數(shù)據(jù)安全；計(jì)算機(jī)視覺和工業(yè)應(yīng)用。 

相關(guān)鏈接：

https://www.zhihu.com/question/437495132/answer/1800881612