大數據文摘出品
年度計算機視覺和模式識別盛會CVPR（Conference on Computer Vision and Pattern Recognition）在美國鹽湖城開幕啦！
面對如此多的論文評審任務，CVPR 2018 採用了多線程多論文並行的模式，最後頒佈了五大獎項，分別是：最佳論文、最佳學生論文、提名論文、PAMI年輕學者獎、PAMI Longuet-Higgins Prize。
Tübingen大學教授Andreas Geiger與Facebook研究科學家何愷明獲得本屆大會的PAMI年輕學者獎。
最佳論文
最佳論文的獲得者來自斯坦福大學和加州伯克利大學，他們分別是：Amir R. Zamir, Alexander Sax, William Shen, Leonidas J. Guibas, Jitendra Malik, Silvio Savarese。
這篇文章定義了一個新的任務，針對在視覺內的遷移學習，並提出了一個非常大的數據庫，定義的任務是這樣的：視覺任務類目很多，只針對某個問題來解決的話，會需要很大的標註的數據集，所以一個視覺任務的解決應該能夠一定程度的解決另一個視覺任務，畢竟一個成熟模型的構建意味著對該圖像的一定的理解，而這部分的理解的一部分或許對另一個任務有助益，例如，物體之間的相互聯繫對深度信息的學習毫無疑問有幫助。
最佳學生論文
最佳學生論文的獲得者來自卡內基梅隆大學的Hanbyul Joo以及 Facebook Reality Labs的Tomas Simon和Yaser Sheikh。
這篇題為《完全捕捉：一個用於追蹤臉、手、身體姿態的3D變形模型》論文提出了一種統一的變形模型，可以全方位捕捉人體的運動，包括面部表情和手勢等等。論文中也提出“Frank”的概念，即人類身體不同部位分別的建模結果局部拼合起來就生成了一個初始模型。
此模型可以通過一個無縫的模型對身體各個部位的動作進行充分的表達，包括面部和手部。論文作者還建立了數據集，其中包含了人們日常著衣的數據，並對Frank模型進行了優化，得到Adam，這是一個經過校準的模型，它和最初的Frank模型具有同樣的結構層次，但該模型具有簡單的參數。最後，論文作者對模型的效果進行了展示，它可以同時捕捉一群人的大尺度身體動作以及微小的臉部和手部動作。
提名論文
共四篇，分別是：
Deep Learning of Graph Matching
這篇文章提出了一個端到端的深度學習模型，它可以學習圖形匹配過程的所有參數，包括一維和成對的節點鄰域，表現為為深度特徵提取層次結構。
SPLATNet: Sparse Lattice Networks for Point Cloud Processing
本文提出了一個處理點雲的網絡體系結構，該體系結構直接作用於高維格中稀疏樣本點的集合。
CodeSLAM — Learning a Compact, Optimisable Representation for Dense Visual SLAM
本文提出了一種新的場景幾何學的緊湊而密集的表示，它以單個圖像的強度數據為條件，由一個少量參數組成的代碼生成。
Efficient Optimization for Rank-Based Loss Functions
本文提出了一種新的快速排序算法，用於求解一類不可分解的損失函數。
閱讀更多 大數據文摘 的文章
