6月 18日上午，CVPR 2019會議開幕式暨頒獎儀式在美國洛杉磯舉行，經(jīng)過 CVPR 2019 專門的最佳論文獎評選委員會（Best Paper Award Committee）評審，評委們從50 篇最佳論文候選名單中評選出 4 篇獲獎論文，分別是 2 篇最佳論文榮譽提名、1 篇最佳學生論文和 1 篇最佳論文。

結(jié)果顯示，華人幾乎包攬了最佳論文、最佳學生論文和最具影響力論文獎，分別由來自CMU的辛書冕等人、加州大學圣巴巴拉分校的王鑫等人和李飛飛團隊等人摘得！

華人包攬三大獎項第一作者

此次 CVPR 獲獎論文中有三大獎項的第一作者均有華人在列，包括最佳論文、最佳學生論文和最具影響力論文獎，辛書冕、王鑫、李飛飛等眾多華人的名字出現(xiàn)在獲獎者名單中讓人欣喜又印象深刻。

▌最佳論文：非視線內(nèi)的物體形狀重建

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

非視線形狀重建的費馬路徑理論

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

我們在這篇論文的第一作者辛書冕的個人主頁上發(fā)現(xiàn)，原來這是一位卡內(nèi)基梅隆大學機器人研究所的二年級的博士生，研究興趣主要在于計算機視覺和計算攝影領域，師從 Srinivasa Narasimhan 和 Ioannis Gkioulekas 教授。2016年12月，辛書冕在CMU獲得電氣和計算機工程碩士學位，在去美國之前獲得了西安交通大學電氣工程學士學位。

作者機構(gòu)：卡內(nèi)基梅隆大學、多倫多大學、倫敦大學學院

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)相機視線范圍內(nèi)的未知物體之間的費馬路徑（fermat path）。這些光路或者遵守鏡面反射，或者被物體的邊界反射，從而編碼隱藏物體的形狀。

（注：費馬原理（Fermat's principle）最早由法國科學家皮埃爾·德·費馬在1662年提出：光傳播的路徑是光程取極值的路徑。這個極值可能是最大值、最小值，甚至是函數(shù)的拐點。 最初提出時，又名“最短時間原理”：光線傳播的路徑是需時最少的路徑。）

我們證明費馬路徑對應于瞬態(tài)測量中的不連續(xù)性?；诖?，我們推導出一種新的約束，它將這些不連續(xù)處的路徑長度的空間導數(shù)與表面法線相關聯(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。我們的方法第一次實現(xiàn)復雜對象的精確形狀恢復，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。因此，我們展示了使用SPAD和超快激光從皮秒級瞬態(tài)恢復的毫米級形狀，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，這項工作是非視距成像技術(shù)的重大進步。

獲獎理由：這篇論文作出重大進步的問題是非視線內(nèi)的物體形狀重建，換句話說就是能看到墻角后面的東西。這篇論文的理論部分非常優(yōu)美，而且同樣非常給人帶來激勵。它把計算機視覺所能解決的問題的邊界繼續(xù)向前推進了一步。

▌最佳學生論文：有效地提高強化學習的表現(xiàn)

這篇論文是 UC Santa Barbara 大學（加州大學圣巴巴拉分校）與微軟研究院、Duke 大學合作完成，第一作者系 UC Santa Barbara 大學的王鑫。

據(jù) UC Santa Barbara 計算機科學系助理教授王威廉在其個人微博上發(fā)表的喜訊，這篇論文的一作是其組內(nèi)的成員，獲得了 3 個 Strong Accept，在 5165 篇投稿文章中審稿得分排名第一，并且這篇論文已經(jīng)確定將在 6 月的 CVPR 會議上進行報告。

這篇論文解決的任務 vision-language navigation（VLN），針對跨模態(tài)的基標對準（cross-modal grounding）、不適定反饋（ill-posed feedback）這兩個難點，論文提出了一種全新的強化型跨模態(tài)匹配（RCM）方法，用強化學習方法將局部和全局的場景聯(lián)系起來，針對第三個難點泛化能力問題提出了一種自監(jiān)督模仿學習（Self-supervised Imitation Learning, SIL），其目的是讓智能體能夠自主的探索未知的環(huán)境。

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

面向語言視覺導航（VLN）的強化交叉模型匹配和半監(jiān)督模仿學習

作者：王鑫，Qiuyuan Huang，AsliCelikyilmaz，Jianfeng Gao，Dinghan Shen，Yuan-Fang Wang，王威廉，Lei Zhang

作者機構(gòu)：王鑫，Yuan-FangWang，William Yang Wang 加州大學圣芭芭拉分校

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

Dinghan Shen 杜克大學

摘要：

視覺語言導航（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。本文研究了如何解決這項任務的三個關鍵挑戰(zhàn)：跨模態(tài)基礎、不適定反饋和泛化問題。

首先，我們提出了一種基于強化學習的新的強化交叉模型匹配（RCM）方法。我們將匹配的批評內(nèi)容作為內(nèi)在獎勵，以促進指令和智能體運動軌跡之間的全局性匹配，并利用推理導航器在本地視覺場景中執(zhí)行跨模態(tài) grounding。對 VLN 基準數(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，性能提升 10％，并達到了最先進的性能。

為了提高學習政策的可泛化性，文章進一步引入了自我監(jiān)督模仿學習（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％）。

亮點：據(jù)加州大學圣芭芭拉分校計算機科學系助理教授William Yang Wang在微博的介紹，這篇文章的亮點在于該論文提出的自監(jiān)督獎勵函數(shù)很大程度上影響了有效獎勵的密度，從而有效地提高了強化學習的表現(xiàn)。另外，自監(jiān)督模仿學習也能很好地提高視覺語言導航系統(tǒng)的泛化能力。

▌經(jīng)典論文獎：李飛飛團隊計算機視覺奠基之作——ImageNet

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

今年的 Longuet-Higgins 獎由 Jia Deng、Wei Dong、Richard Socher、李佳、Kai Li 和李飛飛于 2009 年發(fā)表在 CVPR 大會的論文《ImageNet: A Large-Scale Hierarchical Image Database》摘得。

ImageNet 在計算機視覺領域大名鼎鼎，推動了計算機視覺領域的賽事 ImageNet 挑戰(zhàn)賽成為領域標桿，可謂促進了計算機視覺領域的突破性進展。這篇論文發(fā)表于2009 年 CVPR，目前引用量高達 11508 次，獲獎實至名歸。

▌最佳論文榮譽提名

此次獲得榮譽論文提名的有兩篇，分別是：

1. A Style-Based Generator Architecture for Generative Adversarial Networks

作者：Tero Karras、Samuli Laine、Timo Aila，來自英偉達

論文鏈接：https://arxiv.org/abs/1812.04948

2. Learning the Depths of Moving People by Watching Frozen People

作者：Zhengqi Li、Tali Dekel、Forrester Cole、Richard Tucker、Ce Liu、Bill Freeman、Noah Snavely，來自Google Research

論文鏈接：https://arxiv.org/abs/1904.11111

▌計算機先驅(qū)獎

最后，大會還頒發(fā)了計算機先驅(qū)獎（Computer Pioneer Award），獲獎的是加州大學伯克利分校電氣工程和計算機科學專業(yè)、生物工程專業(yè)教授 Jitendra Malik。他的主要研究領域是計算機視覺，特別是在人類視覺、計算機圖形學和生物圖像分析方面有很多突出成果，一些知名的理論和算法就出自 Malik 教授和他領導團隊的研究，包括各向異性擴散（anisotropic diffusion）、歸一化分割（normalzied cut）、高動態(tài)范圍成像（high dynamic range imaging）等。

計算機先驅(qū)獎于 1981 年由 IEEE 計算機協(xié)會設立，用于表彰至少在十五年以前對計算機領域發(fā)展做出突出貢獻的個人。

▌萬人參加，中國影響力顯露

據(jù)官方統(tǒng)計，注冊的參會者數(shù)量也是達到了空前的 9227 人，來自全球世界各地。其中來自美國的參會者仍然最多，達 4743人，有 1044人來自中國大陸。

據(jù)程序主席之一的 UIUC教授Derek Hoiem介紹道，CVPR 2019共收到了 5165 篇有效提交論文，比去年 CVPR 2018 增加了 56%，增速提高了 26%。有趣的是，這些提交的論文大多數(shù)來自亞洲，且有39%的論文來自中國。

據(jù)官網(wǎng)統(tǒng)計，今年CVPR一共收到創(chuàng)紀錄的5165篇有效投稿，比去年的3309篇多出近2000篇。在 5165 篇投稿中，共有 1294 篇被接收，接收論文數(shù)量也首次超過了一千篇，接收率達到了接近 25.5%。

值得一提的是，今年的 CVPR 特意設立了 Ethic Chair倫理主席和監(jiān)察員，旨在維護并改善會議期間的氣氛、減少歧視以及其它各種不良行為的發(fā)生。但是由于白宮的政策，許多希望參會的學者被拒簽，注冊申請也未獲通過，CVPR 2019組委會也為此專門發(fā)送了郵件表明學術(shù)自由的立場，并表示明年將考慮換一家不受影響的供應商。

作為計算機視覺的頂級會議，CVPR 2019 盛況依然，中國學者斬獲頗豐也代表了中國學術(shù)影響力的不斷提高，計算機視覺還是研究的一大熱門領域，但同時我們也注意到，CVPR 2019 的論文接收率仍比去年的 29% 有所下降，可以看出，近年來人工智能頂級會議的錄取困難程度在不斷提升。期待來年中國學者在頂級賽事上繼續(xù)高歌前進！