明天，CVPR 2022论文分享会等你准时线上赴约！为了让更多感兴趣的朋友可以参与到精彩的 CVPR 2022分享会中，同时也响应疫情防控政策，今年的 CVPR 论文分享会将在 B 站“微软中国视频中心”全程进行直播。参与方式详见本文文末。
今年，我们很荣幸邀请到本届 CVPR 会议的程序主席华刚博士为大家带来“你和你的计算机视觉研究生涯”的主旨演讲，华刚博士将分享他对于学术人生的理解，以及作为领域的一份子，如何让自己的职业生涯与计算机视觉这一蓬勃的领域共舞。
论文是研究者工作的集萃，与此同时，做出能加深或改变领域理解和工程实践的工作，也是每位研究者的追求。顶级会议最佳论文就是这样的存在！今年的圆桌论坛将以“好论文是怎么炼成的？”为主题，几位历年视觉顶会最佳论文的斩获者将分享他们对于“做好的论文”和“做好的研究”的理解，共话计算机视觉领域的科研淬炼！
主旨演讲嘉宾
华刚
便利蜂 CTO 兼首席科学家
本届 CVPR 程序主席
华刚博士是便利蜂 CTO 兼首席科学家，IEEE Fellow、IAPR Fellow 和 ACM 杰出科学家。华刚博士是计算机视觉和模式识别国际著名专家，其主要研究方向包括计算机视觉、模式识别、机器学习与机器人；当前的技术实践研究重点是人工智能技术在实体零售数字化决策和运营的应用。华刚博士曾任微软研究院首席研究员、斯蒂文森理工学院副教授、IBM 研究院和诺基亚研究院高级研究员。2015年因其在图像视频人脸识别所作出的贡献而获得国际模式识别联合会青年生物特征杰出研究员奖。他在国际期刊和顶级会议上发表论文200余篇，并拥有20多项美国和国际专利，同时还有20多项美国和国际专利申请。华刚博士是2019年和2022年 CVPR 的程序主席，和2025年 ICCV 的大会主席，并且是 T-PAMI 和 IJCV 的现任编委，并曾任 CVIU 的副主编。
演讲主题：你和你的计算机视觉研究生涯
摘要：经过计算机视觉社群数十年的不断努力，计算机视觉技术已经发展到可赋能众多实际应用的阶段。有趣的是，视觉研究人员常常被问到：“计算机视觉的杀手级应用是什么？”即使视觉技术已经逐渐发展、成熟到如今的阶段，这依旧是我们社群必须回答的一个关键问题。在演讲的第一部分，我将尝试从一个较高的层面来回答这个问题，剖析在数字生产力带来的巨大机遇中，计算机视觉所能扮演的重要角色。在演讲的第二部分，我将会介绍我的想法，讨论个人如何探索他自己的计算机视觉研究生涯。特别地，我还会就“为什么计算机视觉对研究人员来说是一个好的社群”来分享我的观察和思考。
圆桌论坛嘉宾
马毅
1999年 ICCV 最佳论文奖得主
2004年 ECCV 时间检验-荣誉奖
1999年 ICCV 最佳论文：子群下的欧式重构和重投影
摘要：在实践中，能够从一个图像序列中估计场景结构、运动和摄像机校准的充要条件很少得到满足。当这些条件不满足时，在具有实际重要性的序列中究竟可以估计出什么？在本文中，我们对这个问题给出了一个完整的答案，所有结果都使用简单的符号呈现，不涉及张量，也不涉及复杂的射影几何，并且只需有线性代数基础就能理解。
屠卓文
2003年 ICCV 最佳论文得主
2015年 ICCV 最佳论文-荣誉奖
2015年 ICCV 最佳论文-荣誉奖：整体嵌套边缘检测（HED）
摘要：在 AISTATS 2015 论文中，通过将直接监督引入中间层，我们开发了一种新的深度学习框架 DSN。DSN 缓解了深度卷积神经网络中梯度消失/爆炸的问题，让中间层的特征学习直接接受数据反馈，并显著提高了分类器的泛化能力。DSN 在深度学习社区中得到了迅速采用。进一步将 DSN 深度监督的想法引入计算机视觉，整体嵌套边缘检测 (HED, ICCV 2015) 是通过解决长期存在的边缘检测问题中的两个关键问题而开发的：（1）整体图像训练和预测；(2) 多尺度、多层次的特征学习。HED 通过对侧面响应的深度监督自动学习丰富的层次表示。它显著提升了边缘检测的效果和速度，成为至此以后的边缘检查的经典算法。
戴玉超
2012年 CVPR 最佳论文得主
2012年 CVPR 最佳论文：一种简单的用于非刚性运动恢复结构分解的无需先验方法
摘要：本文提出了一种简单的“无需先验”方法来求解非刚性运动恢复结构（NRSfM）分解问题。与使用基本的低阶线性组合模型假设不同，我们的方法不假设任何关于非刚性结构或相机运动的额外先验知识。然而，它非常有效且可靠，得到了最佳结果，并且不会受到困扰大多数传统 NRSfM 因子分解方法的固有基础模糊性问题的影响。这项工作不仅提供了新的理论见解，而且还为 NRSfM 提供了一个简单实用的日常解决方案。
张祥雨
2016年 CVPR 最佳论文得主
2016年 CVPR 最佳论文：用于图像识别的深度残差学习 ResNet
摘要：对于许多视觉识别任务来说，表示的深度至关重要。仅靠极深的表示，我们在 COCO 物体检测数据集上取得了28%的相对提升。深度残差网络是我们参加 ILSVRC & COCO 2015 比赛的基础模型，在该竞赛中，我们还在 ImageNet 检测、ImageNet 定位、COCO 检测和 COCO 分割任务中获得了第一名。
黄高
2017年 CVPR 最佳论文得主
2017年 CVPR 最佳论文：密集连接卷积网络
摘要：最近的研究表明，如果卷积网络在靠近输入的层和靠近输出的层之间包含较短的连接，那么卷积网络可以更深，更准确，更高效地进行训练。在本文中，我们基于这一观察进一步拓展，提出密集连接卷积网络（DenseNet），它将网络的每一层连接到随后的所有层。DenseNet 有几个引人注目的优势：缓解了梯度消失的问题，加强了特征传播，鼓励特征重用，并大大减少了参数数量。与大多数最先进的网络相比，DenseNet 取得了显著的提升，同时可以通过更少的计算来实现更高的性能。
日程安排
参与互动方式
为了让更多感兴趣的朋友可以参与到精彩的CVPR 2022分享会中，同时也响应疫情防控政策，今年的 CVPR 论文分享会将在 B 站“微软中国视频中心”全程进行直播。敬请保持关注！
B 站直播间：https://live.bilibili.com/730
我们也将通过微信观众群为大家提供更多互动渠道，带领大家沉浸式参会。欢迎大家在微信群中提问，你的问题将有机会被论文作者 pick，在分享会中专门进行解答。
扫码进入微信观众讨论群
此外，所有论文将在论文分享平台 ReadPaper 上进行展示，欢迎大家在会前阅读论文，锁定感兴趣的方向，提前准备问题。
ReadPaper 链接：https://readpaper.com/activity/cvpr2022
你也许还想看：
继续阅读
阅读原文