CVPR2022：华人学生斩获最佳学生论文，特设缅怀孙剑博士环节-技术圈

大数据文摘授权转载自AI科技评论

作者：王玥

编辑：陈彩娴

新奥尔良当地时间6月21日上午8:30，计算机视觉领域公认三大顶级会议之一CVPR 2022开幕。

CVPR开幕式伊始，由大会主席Jiri Matas致辞，并介绍了本次大会的4位主席及5位程序主席。

值得一提的是，本次大会有两位华人主席，分别是主席权龙（Long Quan，上排右二）与程序主席华刚（Gang Hua，下排左二）。

接下来主席Jiri Matas介绍了CVPR 2022的投稿情况：

本届CVPR一共收到8161份论文投稿，接受论文2064份，截止2022年6月20日有9981位出席者注册，且实地出席与网络出席几乎各占50%。

接下来程序主席华刚介绍道，CVPR的投稿和接收的论文呈现出每年15%的涨势。华刚博士畅想道，随着这样的涨势，也许有朝一日地球上每个人都会投稿一篇论文（笑）。

本届CVPR投稿的8161篇论文由23389位作者投递，其中44.59%的作者来自中国，20.75% 的作者来自美国。

华刚博士继续介绍道，本届接收了2064篇论文，接收率为25.3%。

考虑到网络出席与实体出席参半的情况，本届CVPR将以混合方式举行。其中将实体会议将举行344场5分钟时长的口头报告以及2064个海报研讨。

本届CVPR的300位AC（Area Chair）来自于北美、欧洲、亚洲、澳大利亚及南美。其中有55位女性，101位首次担任AC一职。

缅怀孙剑博士

由于此前孙剑博士因病去世，本次CVPR特地设置了怀念孙剑博士环节，由程序主席华刚带领全场缅怀这位杰出学者。

图注：大会缅怀孙剑博士页面

孙剑博士于1976年10月出生，曾任微软亚研院首席研究员，此前他曾两次获CVPR最佳论文奖。

2016年7月，孙剑正式加入旷视，任首席科学家、旷视研究院院长，主导旷视技术研发。在他的带领下，旷视研究院推出了多项具有代表性的工作。

Google Scholar数据显示，孙剑博士论文引用量达到286002次，h-index为121。

图注：孙剑博士的Google Scholar页面

程序主席华刚博士介绍道，作为CV领域的知名学者，孙剑博士研究成果硕果累累。如果要说出孙剑博士的三篇论文代表作，那么第一篇他认为应该是"Stereo matching using belief propagation"。

论文链接：

https://ieeexplore.ieee.org/abstract/document/1206509

第二篇则是他带领团队完成的“去雾”论文“Single Image Haze Removal Using Dark Channel Prior"，也正是这篇论文获得了亚洲第一个CVPR最佳论文奖。

论文链接：

https://pubmed.ncbi.nlm.nih.gov/20820075/

第三篇则是“Deep Residual Learning for Image Recognition”。正是这篇论文提出了他最为人所熟知的成就——与何恺明等团队成员携手创造出的残差网络ResNet。ResNet在2015年提出之后，拿下过ImageNet冠军，并斩获了CVPR 2016最佳论文奖。

残差神经网络的主要贡献是发现了“退化现象（Degradation）”，并针对退化现象发明了 “快捷连接（Shortcut connection）”，极大的消除了深度过大的神经网络训练困难问题。正是由于ResNet，神经网络的深度首次突破了100层、最大的神经网络甚至超过了1000层。

论文链接：

https://arxiv.org/abs/1512.03385

在华刚博士介绍后，大会上播放了孙剑博士的亲友及同事们所制作的纪念视频，借以怀念这位良师与益友。

颁奖环节

本届黄煦涛纪念奖（Thomas Huang Memorial Award）由李飞飞获得。

黄煦涛纪念奖以计算机视觉领域泰斗黄煦涛命名，其设立是为了表彰在计算机视觉领域长期提供服务、研究和指导的杰出人士。

论文链接：

https://arxiv.org/abs/2112.03907

最佳学生论文荣誉提名的是《Ref-NeRF:Structured View-Dependent Appearance for Neural Radiance Fields》。

神经辐射场（NeRF）是一种流行的视图合成技术，其能够将场景表示为一个连续的体积函数，由多层感知机参数化，提供每个位置的体积密度和视相关的辐射亮度。虽然基于NeRF的技术擅长于表示具有平滑变化的视相关外观的精细几何结构，但它们往往不能准确地捕捉和再现光滑表面的外观。而这篇论文通过引入Ref-NeRF来解决这个限制问题，Ref-NeRF取代了NeRF的参数化视相关的出射辐亮度与反射辐亮度的表示，并使用一组空间变化的场景属性来构造这个函数。

论文链接：

https://arxiv.org/abs/2203.13254

代码地址：

https://github.com/tjiiv-cprg/epro-pnp

获得最佳学生论文的是《EPro-PnP: Generalized End-to-End Probabilistic Perspective-n-Points for Monocular Object Pose Estimation》，可以见到这篇论文全部由华人作者合作完成。

其中，第一作者Hansheng Chen来自同济大学。

这篇论文称，通过n点透视（Perspective-n-Points, PnP）从单个RGB图像中定位3D物体是计算机视觉中一个长期存在的问题。在这篇论文中，作者提出了EPro-PnP，这是一种用于广义的端到端姿态估计的概率PnP层，这种PnP层输出在SE(3)流形上的姿态分布，本质上将分类Softmax引入连续域。