江苏龙网

  1. 首页 > 资讯 > 科技 > >

青年|对话顶会、解读最佳：CVPR 2020最佳论文对CV领域的启发


AI TIME欢迎每一位AI爱好者的加入！
CVPR 2020已落下帷幕 ， 共计投稿6656篇 ， 录用1470篇 ， 涵盖的方向包括目标检测、目标跟踪、图像分割、人脸识别、姿态估计、三维点云、视频分析、模型加速、GAN、OCR等 。 对话顶会 ， 探索最新学术进展 ， 本次分享AI TIME特地邀请到CVPR 2017最佳论文得主、世界人工智能大会 Super AI Leader（SAIL）先锋奖得主、来自清华大学自动化系的黄高老师为大家解读本届CVPR“最佳论文”和“最佳学生论文”背后蕴含的亮点 ， 深入剖析其核心思路、创新点 ， 谈谈它们对CV领域的启发 。
CVPR 2020最佳论文解读
在严苛的录取标准下 ， 《Unsupervised Learning of Probably Symmetric Deformable 3D Objects from Images in the Wild》荣获CVPR 2020最佳论文称号 ， 其第一作者为牛津大学视觉几何组博士生吴尚哲 。
图像是如何得来的？图像是由相机对着物体拍摄形成的 ， 拍摄的过程涉及视角选择问题比如俯视还是仰视 。 本届最佳论文的亮点就在于给定一张图像 ， 它可在解构拍摄视角的同时 ， 将其深度（3D）、光照等分解出来 ， 真实可靠地“还原”出物体原始面貌 。

青年|对话顶会、解读最佳：CVPR 2020最佳论文对CV领域的启发
本文插图
一般而言 ， 对于3D重建是需要监督的 ， 也就是需要各种形式的ground truth（真值、真实的有效值或者是标准的答案） ， 例如多视角、深度图、轮廓、关键点等信息 。 不同于人类 ， 对计算机而言深度估计极具挑战性 。

以自动驾驶为例 ， 为估计场景深度 ， 需在车上安装双目摄影头 ， 同时还需结合激光雷达 ， 用其测距得到ground truth 。 基于摄相机得来的图像数据 ， 利用雷达获得的深度作为ground truth训练深度模型 。 当训练数据足够多 ， 模型训练成功以后 ， 才可基于双目图像估计出深度图 。
【青年|对话顶会、解读最佳：CVPR 2020最佳论文对CV领域的启发】
青年|对话顶会、解读最佳：CVPR 2020最佳论文对CV领域的启发
本文插图
区别以往依靠双目图像训练模型 ， 本届最佳论文的亮点是考虑了一个具有挑战性的问题：能否只使用单目的图像估计3D对象 ， 并且采用无监督的方式？其意义在于现实中使用有监督的方式成本可能是高昂的 ， 且双目图像相对比较少 ， 而单目图像却大量存在 。


青年|对话顶会、解读最佳：CVPR 2020最佳论文对CV领域的启发
本文插图
基于以上思路 ， 作者提出了一种新的方法——Photo-Geometric Autoencoding ， 可解构给定图像的视角、深度、texture等维度 ， 再经过组合渲染 ， 重构3D模型 。 其大致想法是构成一个闭环 ， 闭环的好处是可获得监督信号 ， 但问题是简单直接地实现可能最终得到退化解 。

青年|对话顶会、解读最佳：CVPR 2020最佳论文对CV领域的启发
本文插图
Question1
问题一：如何避免退化解？
答：施加对称性约束 。
对称性可来源于物体的水平翻转 ， 其模型处理流程如下图所示 。
青年|对话顶会、解读最佳：CVPR 2020最佳论文对CV领域的启发
本文插图
构造对称虽然可以解决退化解问题 ， 但是现实世界并不总是完美对称的 ， 譬如同一物体上的光照、发型等细节 ， 因此还需要进一步完善工作 。

Question2
问题二：如何处理非对称的光照？
答：对反射率施加对称性约束 。
青年|对话顶会、解读最佳：CVPR 2020最佳论文对CV领域的启发
本文插图
Question3

问题三：如何处理非对称反射率、变形等？
答：推理物体中潜在的不对称 。


推荐阅读


上一篇：|技术文章—单节/两节/三节/四节锂电充电管理IC系列

下一篇：互联网|真趣医疗移动设备追踪管理系统，开启医院精细化管理新纪元