雷鋒網(wǎng) AI 科技評論按：CVPR 2018 總投稿量超 4000 篇，最終錄取數(shù)超 900 篇，錄取率不到 23%。其中，優(yōu)必選悉尼 AI 研究院有 4 篇論文被錄用為 poster。論文詳細(xì)解讀如下：

論文1：An Efficient and Provable Approach for Mixture Proportion Estimation Using Linear Independence Assumption

為了研究混合分布中各個組成分別的比例系數(shù)，假設(shè)各個組成分布滿足線性獨立的假設(shè)（即不存在一種組合系數(shù)，使得這些組成分布的線性組合所得到的分布函數(shù)處處為0），并且假設(shè)每個組成分布中都可以采樣到少量的數(shù)據(jù)。首先論證了組成分布線性獨立（組成分布不相同即可）的假設(shè)要弱于現(xiàn)有的估計其比例方法的各種假設(shè)。其次，提出先將各個分布嵌入到再生核Hilbert空間，再利用最大平均差異的方法求取各組成分布的比例系數(shù)。該方法能夠（1）保證比例系數(shù)的唯一性和可識別性；（2）保證估計的比例系數(shù)能夠收斂到最優(yōu)解，而且收斂率不依賴于數(shù)據(jù)本身；（3） 通過求解一個簡單的二次規(guī)劃問題來快速獲取比例系數(shù)。這項研究擁有廣泛的應(yīng)用背景，比如含有噪聲標(biāo)簽的學(xué)習(xí)，半監(jiān)督學(xué)習(xí)等等。

論文2：Deep Ordinal Regression Network for Monocular Depth Estimation

在3D視覺感知主題里，單目圖像深度估計是一個重要并且艱難的任務(wù)。雖然目前的方法已經(jīng)取得了一些不錯的成績，但是這些方法普遍忽略了深度間固有的有序關(guān)系。針對這一問題，我們提出在模型中引入排序機制來幫助更準(zhǔn)確地估計圖像的深度信息。具體來說，我們首先將真值深度（ground-truth depth）按照區(qū)間遞增的方法預(yù)分為許多深度子區(qū)間；然后設(shè)計了一個像素到像素的有序回歸（ordinal regression）損失函數(shù)來模擬這些深度子區(qū)間的有序關(guān)系。在網(wǎng)絡(luò)結(jié)構(gòu)方面，不同于傳統(tǒng)的編碼解碼 （encoder-decoder）深度估計網(wǎng)絡(luò), 我們采用洞卷積 （dilated convolution）型網(wǎng)絡(luò)來更好地提取多尺度特征和獲取高分辨率深度圖。另外，我們借鑒全局池化和全連接操作，提出了一個有效的全局信息學(xué)習(xí)器。我們的方法在KITTI，NYUV2和Make3D三個數(shù)據(jù)集上都實現(xiàn)了當(dāng)前最佳的結(jié)果。并且在KITTI新開的測試服務(wù)器上取得了比官方baseline高出30%~70%的分?jǐn)?shù)。

論文3：Self-Supervised Adversarial Hashing Networks for Cross-Modal Retrieval

由于深度學(xué)習(xí)的成功，最近跨模態(tài)檢索獲得了顯著發(fā)展。但是，仍然存在一個關(guān)鍵的瓶頸，即如何縮小多模態(tài)之間的模態(tài)差異，進一步提高檢索精度。本文提出了一種自我監(jiān)督對抗哈希（SSAH）方法。這種將對抗學(xué)習(xí)以自我監(jiān)督的方式引入跨模態(tài)哈希研究，目前還處于研究早期。這項工作的主要貢獻是采用了一組對抗網(wǎng)絡(luò)來最大化不同模態(tài)之間的語義相關(guān)性和表示一致性。另外，作者還設(shè)計了一個自我監(jiān)督的語義網(wǎng)絡(luò)，這個網(wǎng)絡(luò)針對多標(biāo)簽信息進一步挖掘高層語義信息，使用得到的語義信息作為監(jiān)督來指導(dǎo)不同模態(tài)的特征學(xué)習(xí)過程，以此，模態(tài)間的相似關(guān)系可以同時在共同語義空間和海明空間兩個空間內(nèi)得以保持，有效地減小了模態(tài)之間的差異，進而產(chǎn)生精確的哈希碼，提高檢索精度。在三個基準(zhǔn)數(shù)據(jù)集上進行的大量實驗表明所提出的 SSAH 優(yōu)于最先進的方法。

論文4：Geometry-Aware Scene Text Detection with Instance Transformation Network

自然場景文字識別由于其文字外形、布局十分多變，是計算機視覺中具有挑戰(zhàn)性的問題。在本文中，我們提出了幾何感知建模方法（geometry-aware modeling）和端對端學(xué)習(xí)機制（end-to-end learning scheme）來處理場景文字編碼的問題。我們提出了一種新的實例轉(zhuǎn)換網(wǎng)絡(luò)（instance transformation network），使用網(wǎng)內(nèi)變換嵌入的方法學(xué)習(xí)幾何感知編碼，從而實現(xiàn)一次通過的文本檢測。新的實例變換網(wǎng)絡(luò)采用了轉(zhuǎn)換回歸，文本和非文本分類和坐標(biāo)回歸的端對端多任務(wù)學(xué)習(xí)策略?；鶞?zhǔn)數(shù)據(jù)集上的實驗表明了所提方法在多種幾何構(gòu)型下的有效性。

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。