剛剛，CVPR 2019最佳論文公布了：來自CMU的辛?xí)岬热撕献鞯恼撐墨@得最佳論文獎，最佳學(xué)生論文也由加州大學(xué)圣巴巴拉分校Xin Wang等人摘得。此外，經(jīng)典論文獎授予了李飛飛等人的杰出工作ImageNet。

備受矚目的CVPR 2019正在美國加州長灘舉行。作為計算機(jī)視覺和模式識別的頂級學(xué)術(shù)會議，每年的 CVPR 都匯聚了領(lǐng)域技術(shù)發(fā)展的前沿。而 CVPR 的最佳論文則更是備受關(guān)注，多有經(jīng)典。

CVPR 2019大會現(xiàn)場

而就在剛剛，CVPR 2019揭曉了最佳論文獎以及其他獎項。

最佳論文獎授予了卡內(nèi)基梅隆大學(xué)、多倫多大學(xué)、倫敦大學(xué)學(xué)院的辛?xí)?Shumian Xin), Sotiris Nousias等人合作的論文A Theory of Fermat Paths for Non-Line-of-Sight Shape Reconstruction

最佳學(xué)生論文授予了加州大學(xué)圣巴巴拉分校、微軟研究院、杜克大學(xué)的Xin Wang, Qiuyuan Huang等人合作的論文Reinforced Cross-Modal Matching and Self-Supervised Imitation Learning for Vision-Language Navigation。

此外，經(jīng)典論文獎Longuet-Higgins 獎被授予了李飛飛、李佳等人的ImageNet工作。

根據(jù)CVPR官網(wǎng)的介紹，今年CVPR一共收到創(chuàng)紀(jì)錄的5165篇有效投稿，比去年的3309篇多出近2000篇。

經(jīng)過132位領(lǐng)域主席和2887位審稿人三個月的辛勤工作，最終有1294篇論文被接收，最終錄取率為25.2%。1294篇錄取論文中，有288篇被錄用為Oral論文。參會人數(shù)上，本屆CVPR也是盛況空前，超過9000人注冊。

CVPR 2019相關(guān)數(shù)據(jù)

本屆CVPR大會主席是馬里蘭大學(xué)Larry Davis教授、牛津大學(xué)Philip Torr教授，以及加州大學(xué)洛杉磯分校(UCLA)朱松純教授。本屆CVPR組織者中也不乏華人學(xué)者面孔，除UCLA朱松純教授擔(dān)任大會主席外，便利蜂 AI 研究院的華剛博士、加州大學(xué)圣地亞哥分校的屠卓文擔(dān)任程序主席。

會議的132位領(lǐng)域主席中，也有多位華人面孔，比如白翔、程明明、孫劍、賈佳亞、林達(dá)華、呂樂、馬毅、蘇昊顏水成、虞晶怡、張正友等等（不完全統(tǒng)計）。

接下來，新智元帶來CVPR 2019最佳論文獎及其他獎項的介紹：

最佳論文

最佳論文：

A Theory of Fermat Paths for Non-Line-of-Sight Shape Reconstruction

作者：Shumian Xin, Sotiris Nousias, Kiriakos N. Kutulakos, Aswin C. Sankaranarayanan, Srinivasa G. Narasimhan and Ioannis Gkioulekas

作者機(jī)構(gòu)：卡內(nèi)基梅隆大學(xué)、多倫多大學(xué)、倫敦大學(xué)學(xué)院

論文地址：https://www.ri.cmu.edu/publications/a-theory-of-fermat-paths-for-non-line-of-sight-shape-reconstruction/

摘要：

我們提出了一個新的理論，即在一個已知的可見場景和一個不在瞬態(tài)相機(jī)視線范圍內(nèi)的未知物體之間的Fermat path。這些光路要么遵守鏡面反射，要么被物體的邊界反射，從而編碼隱藏物體的形狀。

我們證明費馬路徑對應(yīng)于瞬態(tài)測量中的不連續(xù)性。然后，我們推導(dǎo)出一種新的約束，它將這些不連續(xù)處的路徑長度的空間導(dǎo)數(shù)與表面法線相關(guān)聯(lián)。

基于這一理論，我們提出了一種名為Fermat Flow的算法來估計非視距物體的形狀。我們的方法首次允許復(fù)雜對象的精確形狀恢復(fù)，范圍從隱藏在拐角處以及隱藏在漫射器后面的漫反射到鏡面反射。

最后，我們的方法與用于瞬態(tài)成像的特定技術(shù)無關(guān)。因此，我們展示了使用SPAD和超快激光從皮秒級瞬態(tài)恢復(fù)的毫米級形狀，以及使用干涉測量法從飛秒級瞬態(tài)微米級重建。我們相信我們的工作是非視距成像技術(shù)的重大進(jìn)步。

最佳論文提名

獲得最佳論文提名獎的是：

Learning the Depths of Moving People by Watching Frozen People

作者：Zhengqi Li, Tali Dekel, Forrester Cole, Richard Tucker, Noah Snavely, Ce Liu, William T. Freeman

作者機(jī)構(gòu)：Google Research

論文鏈接：https://arxiv.org/abs/1904.11111

A Style-Based Generator Architecture for Generative Adversarial Networks

作者：Tero Karras, Samuli Laine, Timo Aila

作者機(jī)構(gòu)：NVIDIA

論文鏈接：https://arxiv.org/abs/1812.04948

最佳學(xué)生論文

最佳學(xué)生論文：

Reinforced Cross-Modal Matching and Self-Supervised Imitation Learning for Vision-Language Navigation

題目：面向語言視覺導(dǎo)航（VLN）的強(qiáng)化交叉模型匹配和半監(jiān)督模仿學(xué)習(xí)

作者：Xin Wang，Qiuyuan Huang，AsliCelikyilmaz，Jianfeng Gao，Dinghan Shen，Yuan-Fang Wang，William Yang Wang，Lei Zhang

Xin Wang，Yuan-FangWang，William Yang Wang 加州大學(xué)圣芭芭拉分校

Qiuyuan Huang，Asli Celikyilmaz，Jianfeng Gao，Lei Zhang 微軟研究院

Dinghan Shen 杜克大學(xué)

摘要：

視覺語言導(dǎo)航（VLN）是對真實智能體在真實 3D 環(huán)境內(nèi)執(zhí)行自然語言指令的任務(wù)。本文研究了如何解決這項任務(wù)的三個關(guān)鍵挑戰(zhàn)：跨模態(tài)基礎(chǔ)、不適定反饋和泛化問題。

首先，我們提出了一種基于強(qiáng)化學(xué)習(xí)的新的強(qiáng)化交叉模型匹配（RCM）方法。我們特別將匹配的批評內(nèi)容作為內(nèi)在獎勵，以促進(jìn)指令和智能體運動軌跡之間的全局性匹配，并利用推理導(dǎo)航器在本地視覺場景中執(zhí)行跨模態(tài) grounding。對 VLN 基準(zhǔn)數(shù)據(jù)集的評估表明，我們的 RCM 模型在 SPL 上顯著優(yōu)于以前的方法，優(yōu)化幅度高達(dá) 10％，并達(dá)到了最先進(jìn)的性能。

為了提高學(xué)習(xí)政策的可泛化性，文章進(jìn)一步引入了自我監(jiān)督模仿學(xué)習(xí)（SIL）方法，通過模仿自己過去的高質(zhì)量決策來探索未見過的環(huán)境。結(jié)果表明，SIL 方法可以近似地獲得更好、更有效的策略，極大地降低了已見過和未見過的環(huán)境之間的成功率上的性能差距（由 30.7％降低至 11.7％）。

經(jīng)典論文：Longuest-Higgins 獎

Longuet-Higgins 獎是 IEEE 計算機(jī)協(xié)會模式分析與機(jī)器智能（PAMI）技術(shù)委員會在每年的 CVPR 頒發(fā)的 “計算機(jī)視覺基礎(chǔ)貢獻(xiàn)獎”，表彰十年前對計算機(jī)視覺研究產(chǎn)生了重大影響的 CVPR 論文。獎項以理論化學(xué)家和認(rèn)知科學(xué)家 H. Christopher Longuet-Higgins 命名。

2019 年的 Longuet-Higgins 獎被授予了李飛飛、李佳等人的ImageNet工作：ImageNet: A Large-Scale Hierarchical Image Database。ImageNet可以說是計算機(jī)視覺領(lǐng)域最負(fù)盛名的工作，這篇論文發(fā)表于2009 年CVPR，目前已有11508次引用。