0
| 本文作者： camel | 2018-04-15 22:21 |
雷鋒網(wǎng) AI 科技評論：2018 年 4 月 8 日至 10 日由北京圖象圖形學(xué)學(xué)會主辦，北京航空航天大學(xué)承辦的「第十三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會議」（IGTA 2018）在北京航空航天大學(xué)成功舉辦。
本次大會由北京理工大學(xué)王涌天教授、北京航空航天大學(xué)姜志國擔(dān)任大會主席，北京航空航天大學(xué)趙沁平院士、中科院自動化研究所譚鐵牛院士擔(dān)任大會名譽主席。雷鋒網(wǎng)了解到，會議共收到 138 篇投遞論文，錄用 87 篇，其中 64 篇英文論文。本次會議共有 200 多人與會。在三天的議程中，共包含
4 場特邀報告：
張廣軍：動態(tài)視覺測量與工程應(yīng)用
Jeremy M. Wolfe：Why didn't I see that? The role of attention in visual search errors
劉成林：文檔圖像識別研究現(xiàn)狀與趨勢
劉燁斌：動態(tài)場景三維重建技術(shù)：便捷性與實時性
4 場高峰論壇報告：
張艷寧：高分辨率圖像智能處理技術(shù)
童欣：從交互圖形學(xué)到智能圖形學(xué)
周昆：Computer Graphics 2.0：towards end-user-generated 3D contents
王亮：Analysis and Understanding of Big Visual Data
6 場 CVPR 頂會論文報告：
宋純鋒（自動化所）：Mask-guided Contrastive Attention Model for Person Re-Identification
黃鑫（北大）：Deep Cross-media Knowledge Transfer
段岳圻（清華）：Deep Adversarial Metric Learning
楊文瀚（北大）：Erase or Fill? Deep Joint Recurrent Rain Removal and Reconstruction in Videos
王培松（自動化所）：Two-Step Quantization for Low-bit Neural Networks
黃永業(yè)（北郵）：SketchMate: Deep Hashing for Million-Scale Human Sketch Retrieval
此外還有一系列接收論文的交流報告。
下面為特邀報告和高峰論壇報告的詳細(xì)內(nèi)容。
東南大學(xué)校長張廣軍院士作為本次會議的特邀講者，做了首場特邀報告。在一個小時左右的報告中，張廣軍院士簡要介紹他十多年的主要研究成果。
張廣軍院士在報告中提到隨著我國航天、國防、鐵路等領(lǐng)域快速發(fā)展，如何能夠?qū)崟r、精確、動態(tài)地測量物體（例如衛(wèi)星、導(dǎo)彈、高鐵等）的三維形貌、位置和姿態(tài)成為迫切急需的核心技術(shù)之一，這決定著高端裝備的性能和安全。而動態(tài)視覺測量，即為采用計算機視覺和幾何量測量學(xué)的方法來實現(xiàn)高速運動體的測量。
基于實際需求及對問題的分析，張廣軍院士及他所帶領(lǐng)的團隊在數(shù)十年中完成了大量相關(guān)的研究，概括來說則有三類：
1、發(fā)展了視覺測量模型與現(xiàn)場校準(zhǔn)體系，提高了動態(tài)測量精度和現(xiàn)場適應(yīng)性，并實現(xiàn)了星載設(shè)備小型輕量化。
2、發(fā)明了動態(tài)成像新模式和圖像信息處理新方法，提高了動態(tài)視覺測量的實時性、動態(tài)性、準(zhǔn)確性和可靠性。
3、研制成功三類動態(tài)測量系列設(shè)備，打破了國外的技術(shù)封鎖，填補了國內(nèi)空白，主要指標(biāo)達(dá)到或超過了國外最好的水平。
在工程應(yīng)用上，張廣軍院士列舉了三類應(yīng)用，包括航天器自主姿態(tài)測量星載產(chǎn)品、航空裝備飛行性能動態(tài)測試站和列車運行狀況正線動態(tài)測試站等。
接著來自哈佛醫(yī)學(xué)院 Jeremy M. Wolfe 教授做了關(guān)于人類注意力對視覺影像的報告。
據(jù) Wolfe 教授介紹，我們?nèi)祟悷o法同時識別出我們視野中的每一個物體，我們通過將注意力從一個對象轉(zhuǎn)到另一個對象，從而來尋找我們需要的東西。因此注意力在我們的視覺搜索中占據(jù)著極為重要的地位。
在報告中，Wolfe 教授通過三個故事生動地介紹了關(guān)于人類注意力的研究結(jié)果。
首先，他通過在圖中找物體或差異的游戲，陳述了一個事實：對于人類視覺，在任何時候都沒有關(guān)注全部，而只是匯集到當(dāng)前關(guān)注的對象上，其余的部分只是幾個簡單要點、抽象物體或者記憶產(chǎn)物。
其次，他介紹一個經(jīng)典實驗 The Incidental Gorilla，即當(dāng)你關(guān)注視頻中傳遞籃球的游戲時，卻沒有注意到從視頻當(dāng)中走過的黑猩猩。同樣的情況也會在醫(yī)生檢查 CT 片子時發(fā)生，當(dāng)他們把注意力放在尋找肺結(jié)節(jié)時，常常會忽略片子中其他的信息。這告訴我們?nèi)祟惖淖⒁饬λ褜ひ嬗袝r候會給我們帶來很嚴(yán)重的錯誤。
最后，Wolfe 教授通過安檢的案例介紹了 The Prevalence Problem。在安檢中通過掃描圖像能否正確地發(fā)現(xiàn)危險物品呢？Wolfe 通過具體的實驗數(shù)據(jù)得出結(jié)論：在低流行率下漏掉危險物品的幾率大大增加，而虛警率則稍稍降低。
通過以上這些研究，Wolfe 認(rèn)為我們的「搜索引擎」并不能完美運行，有時我們無法找到我們要找的東西。當(dāng)那些錯過的目標(biāo)是諸如腫瘤或炸彈之類的東西時，這些錯誤就具有重要的社會意義，這個問題值得關(guān)注，如果有可能的話則需要通過別的方式來糾正。
劉成林研究員是中科院自動化所副所長，模式識別國家重點實驗室主任。在他的報告中，劉成林研究員詳細(xì)介紹了文檔圖像識別（簡稱文字識別）的研究現(xiàn)狀和未來趨勢。
在報告中劉成林首先介紹了文字識別的應(yīng)用背景。所謂文字識別，即將字符圖像轉(zhuǎn)換為符號代碼，這包括文本分割、識別、上下文處理、語義信息提取等。其意義在于能夠壓縮數(shù)據(jù)，以及內(nèi)容理解和語義提取等。其應(yīng)用需求包括手寫字體識別、圖像中文字信息提取等，例如交通牌信息的提取對于當(dāng)前自動駕駛尤為重要。
其次劉成林介紹了文檔種類和研究問題。文檔種類大致分為物理文檔（例如掃描書籍、交通牌等）和合成文檔（在線手寫字體等）。對于文檔的研究，依據(jù)流程，主要有圖像處理、版面分析、內(nèi)容識別、語義分析和應(yīng)用等。隨后他詳細(xì)介紹了這幾個方面的技術(shù)研究現(xiàn)狀。就像在 CV 的其他領(lǐng)域一樣，深度學(xué)習(xí)的方法在文字識別中也逐漸發(fā)揮著越來越多的應(yīng)用，并對文字識別的性能有極大的提升。
但是目前文字識別在應(yīng)用中仍然存在許多問題有待解決。例如識別精度到底需要多高才可以用？識別錯誤主要發(fā)生在什么情況？應(yīng)用中如何克服識別錯誤？文本分割/識別之處有哪些研究問題？如何更有效地構(gòu)建（學(xué)習(xí)）識別系統(tǒng)？如何對應(yīng)用場景進(jìn)行擴展？……
此外，劉成林研究員還提出了幾個尚未解決的傳統(tǒng)問題，包括版面分析（印刷/手寫混合、多種元素、多文種、多語言、邏輯結(jié)構(gòu)等）、文字認(rèn)證和拒識（置信度分析、結(jié)構(gòu)分析等）
對于未來的研究方向，劉成林研究員也針對基礎(chǔ)理論和方法論、字符識別、文本行識別、情景文字識別、應(yīng)用導(dǎo)向等的問題。
整個報告可以說是對文字識別領(lǐng)域全方位的介紹。劉成林認(rèn)為文字識別的研究已經(jīng)有 50 多年的歷史，在這個過程中產(chǎn)生了大量的研究成果，但是在實際應(yīng)用中還存在很多技術(shù)的不足，需要從應(yīng)用角度重新思考聚焦研究問題。
劉燁斌為清華大學(xué)自動化系副教授，其研究方向為視覺信息獲取與重建，包括三維重建、運動捕捉、計算攝像等。他在報告中主要介紹了他十多年來所做的一件事情：對人體進(jìn)行動態(tài)的三維重建。
人類表現(xiàn)捕捉，也即根據(jù)多角度視頻輸入或 RGBD 序列來捕捉人體的三維幾何和一維運動。其應(yīng)用場景包括電影生成、增強現(xiàn)實、電子會議、運動分析等領(lǐng)域，其目標(biāo)則是能夠高精度、可編輯、大范圍、便捷且實時地捕捉人類的表現(xiàn)。
其講解內(nèi)容包括 Depth Map Merging Based MVS、Variational MVS Pipeline、多視角立體測光、骨架驅(qū)動的 HPC、Relightable/Animatable HPC、Multi-person HPC、Hand-object Motion Capture、手持相機的 HPC、非剛性表面追蹤的 HPC、實時 4D 重建、實時 4D 融合和重建、用無人機實現(xiàn)重建、第四代 4D 重建等大量的工作。
劉燁斌副教授表示，基于視覺信息在空間、視角、光譜、時域、強度等的多維度，他們未來的工作將圍繞全光成像、實時構(gòu)建、智能計算等方面進(jìn)行深入開展。
西北工業(yè)大學(xué)張艷寧教授是國務(wù)院學(xué)科評議組成員，教育部「長江學(xué)者」特聘教授。在報告中張艷寧教授詳細(xì)介紹了她所帶領(lǐng)的研究團隊在高分辨率觀測中的研究成果。
隨著人類對近地空間的探索，分布地球軌道上的衛(wèi)星、空間站、空間碎片日益增多，對這些太空人造物體進(jìn)行有效監(jiān)視則極為重要。但是利用空間平臺視覺圖像進(jìn)行空間探索，依然存在光學(xué)成像分辨率受制約、圖像模糊、分辨率低等問題，現(xiàn)有的圖像難以滿足看得清、辨得明的應(yīng)用需求。
針對這樣的問題，張艷寧教授及其所帶領(lǐng)的團隊認(rèn)為在硬件平臺受限、同時由于運動、抖動等造成圖像模糊等問題的情況下，應(yīng)當(dāng)通過計算方法實現(xiàn)高分辨率的圖像智能處理。報告中張艷寧教授提出了他們在空間圖像高分辨率計算成像、動態(tài)耦合降質(zhì)圖像的清晰化重建等方面的創(chuàng)新理論和方法，其成果在提高圖像分辨率、圖像清晰化方面有極好的表現(xiàn)。
最后張艷寧教授還介紹了他們在圖像去噪、協(xié)同感知等方面的研究成果。
童欣博士目前為微軟亞洲研究院網(wǎng)絡(luò)圖形組首席研究員，研究主管，同時擔(dān)任中科大兼職教授。
童欣博士介紹到，AR&VR 技術(shù)的發(fā)展可以應(yīng)用到例如探索世界、訓(xùn)練和學(xué)習(xí)、工業(yè)設(shè)計、復(fù)雜任務(wù)等場景中。這其中最為關(guān)鍵的技術(shù)就是高質(zhì)量的三維內(nèi)容。但是傳統(tǒng)的圖像內(nèi)容創(chuàng)作一般都依賴藝術(shù)家和工程師大量的交互和手工勞動，對于普通人來說則幾乎不可能。
微軟對此的解決方案是：使用便宜的設(shè)備、大量的數(shù)據(jù)以及機器學(xué)習(xí)的方法來實現(xiàn)從交互到智能。童欣博士在報告中介紹了三方面的內(nèi)容。
第一是 shape modeling。其目標(biāo)為根據(jù)稀疏的二維素描來自動生成三維模型。研究成果詳見 ACM TG, 36(4), 2017
第二是 material modeling and rendering。其目標(biāo)為從單一圖像能夠自動生成材料紋理。研究成果詳見 SIGGRAPH, 36(4), 2017
第三是 animation。其目標(biāo)為自動設(shè)計具有所需行為的軟氣動機器人。研究成果詳見 SIGGRAPH,36(6), 2017
童欣博士認(rèn)為依據(jù)幾何知識、物理計算和優(yōu)化、以及數(shù)據(jù)和機器學(xué)習(xí)模型，完全可以實現(xiàn)智能地高質(zhì)量內(nèi)容創(chuàng)作。當(dāng)然這條路還很漫長，離終端用戶能夠創(chuàng)作高質(zhì)量圖像內(nèi)容還有很長的路要走。
浙江大學(xué)的周昆教授，是教育部長江學(xué)者特聘教授，IEEE Fellow。研究領(lǐng)域包括計算機圖形學(xué)、人機交互、虛擬現(xiàn)實和并行計算。
周昆教授的與前面童欣博士的研究類似，他認(rèn)為在海量互聯(lián)網(wǎng)數(shù)據(jù)、傳感器技術(shù)、以及 VR/AR 和 3D 打印等新興應(yīng)用的推動下，計算機圖形學(xué)的研究正在進(jìn)入一個新的時代：每一個人在日常生活中都能夠創(chuàng)作屬于自己的視覺內(nèi)容。
在這個報告中周昆教授舉了三個案例。
案例一：Digital Avatar。在電影《阿凡達(dá)》中，依靠 CG 技術(shù)，阿凡達(dá)可以擁有真實的面孔和頭發(fā)；然而在一些交互應(yīng)用（例如游戲）中，幾乎沒有這樣的特效。周昆教授所帶領(lǐng)的團隊在 13-16 年間連續(xù)發(fā)表了多篇文章，探討了如何自動生成真實面孔以及如何從單張圖片中自動生成動態(tài)的頭發(fā)模型。
案例二：基于模型的 RGBD 圖像。根據(jù)單張 RGBD 圖像自動生成相應(yīng)場景的數(shù)字化模型。
案例三：Computational Fabrication。如何將數(shù)字模型變得更為真實呢？在已知數(shù)字化模型的基礎(chǔ)上，可以通過 3D 打印的方法獲得物理模型。周昆教授團隊受到傳統(tǒng)上色工藝的啟發(fā)，采用仿真等方法將數(shù)字模型中的表面圖像轉(zhuǎn)化為二維紋理，隨后可以使用相關(guān)的技術(shù)可以將圖像貼到 3D 打印物體上，構(gòu)建出生動的物理模型。
周昆教授認(rèn)為，未來圖像研究主要有三個大的研究方向。首先是輸入，將沿著從點、網(wǎng)格、圖像、視頻、深度等方向發(fā)展；其次是輸出，將沿著數(shù)字化到實體化的方向發(fā)展；另外一個是應(yīng)用，將從電影走向游戲、APPs、VR/AR 以及 3D 打印等。這需要計算機圖形學(xué)、計算機視覺和數(shù)字制造三個領(lǐng)域的相互結(jié)合。
自動化所王亮研究員是模式識別國家重點實驗室副主任，主要研究領(lǐng)域是模式識別、計算機視覺、大數(shù)據(jù)分析等。
在報告中，王亮研究員針對視覺大數(shù)據(jù)整個領(lǐng)域的研究做了一個綜述性的介紹。
視覺信息對人類至關(guān)重要，隨著設(shè)備的改進(jìn)，視覺數(shù)據(jù)出現(xiàn)爆發(fā)式增長，表現(xiàn)為數(shù)據(jù)總量巨大、類別跨度多樣、性質(zhì)異質(zhì)性高以及質(zhì)量不一。這也帶來了一系列的挑戰(zhàn)，例如如何獲取、如何建模、如何計算以及如何使用等，此外還有模糊、多視角、多尺度、遮掩等多樣的問題。
在整個視覺大數(shù)據(jù)的分析中，主要有三個大問題：大規(guī)模數(shù)據(jù)集、大規(guī)模視覺計算、平臺和應(yīng)用。
針對大規(guī)模數(shù)據(jù)集，目前有包括 ImageNet、Microsoft COCO、Google YouTube-8M、Kinetics、Visual Question Answering（VQA）、NLPR Object Tracking、CRIPAC Pedestrian Attribute、Gait Dataset 等數(shù)據(jù)集，各個數(shù)據(jù)集都有自己的針對方向和領(lǐng)域。
針對大規(guī)模視覺計算，則主要包括物體檢測和分割、物體識別和檢索、運動/行為分析、場景理解、視覺語言（Vision by Language）等。
針對平臺和應(yīng)用，王亮研究員介紹了視覺圖靈測試、DIG（數(shù)據(jù)智能收集）、ISEE（智能場景演化和探索）、SIR（smart identity recognition）以及一些計算機視覺相關(guān)的公司現(xiàn)狀。
他總結(jié)到，現(xiàn)在計算機視覺已經(jīng)在許多領(lǐng)域取得了長足的進(jìn)展，但是計算機視覺相比于人類視覺還有很大差距，未來的工作需要進(jìn)行一下探索：
通過模擬人類認(rèn)知機制來學(xué)習(xí)人類的視覺智能；
將視覺與語言、語音等結(jié)合起來，實現(xiàn)統(tǒng)一的智能框架；
將視覺與預(yù)測、控制和規(guī)劃結(jié)合起來打造下一代類人智能機器人；
增強視覺智能在視覺大數(shù)據(jù)的嚴(yán)重噪聲下的魯棒性和普適性；
構(gòu)建有效的視覺數(shù)據(jù)捕捉、存儲、大規(guī)模計算和應(yīng)用的集成平臺。
雷鋒網(wǎng)報道。
相關(guān)文章：
IGTA 2018 | 第十三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會議
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
