T.R整理
相信各位小夥伴一定已經學習了今年CVPR的兩篇最佳論文了，一篇是來自於斯坦福和伯克利大學的研究人員共同進行的關於如何進行高效遷移學習的：Taskonomy: Disentangling Task Transfer Learning，另一篇來自卡耐基梅隆大學的論文：Total Capture: A 3D Deformation Model for Tracking Faces, Hands, and Bodies實現了多尺度人類行為的三維重建和追蹤。但除此之外，還有四篇優秀的工作被授予了最佳論文的榮譽提名獎，分別是來自：
帝國理工戴森機器人實驗室的：CodeSLAM — Learning a Compact, Optimisable Representation for Dense Visual SLAM；
加州大學默塞德分校、麻省大學阿默斯特分校和英偉達的：SPLATNet: Sparse Lattice Networks for Point Cloud Processing；
隆德大學、羅馬尼亞科學院的：Deep Learning of Graph Matching；
奧地利科技學院、馬克思普朗克圖賓根研究所、海德巴拉國際信息技術研究所和劍橋大學共同研究的：Efficient Optimization for Rank-based Loss Functions四篇論文分別從幾何描述、點雲處理、圖匹配和優化等方面進行了研究，下面讓我們一起學習一下吧！
在實時三維感知系統中，物體幾何的表述一直是一個十分關鍵的問題，特別是在定位和映射算法中有著重要的作用，它不僅影響著映射的幾何質量，更與其採取的算法息息相關。在SLAM特別是單目SLAM中場景幾何信息不能從單一的視角得到，而與生俱來的不確定性在大自由度下會變得難以控制。這使得目前主流的slam分成了稀疏和稠密兩個方向。雖然稠密地圖可以捕捉幾何的表面形貌並用語義標籤進行增強，但它的高維特性帶來的龐大存儲計算量限制了它的應用，同時它還不適用於精密的概率推測。稀疏的特徵可以避免這些問題，但捕捉部分場景的特徵僅僅對於定位問題有用。
為了解決這些問題，這篇文章裡作者提出了一種緊湊但稠密的場景幾何表示，它以場景的單幅強度圖作為條件並由很少參數的編碼來生成。研究人員在從圖像學習深度和自編碼器等工作的啟發下設計了這一方法。這種方法適用於基於關鍵幀的稠密slam系統：每一個關鍵幀通過編碼可以生成深度圖，而編碼可以通過位姿變量和重疊的關鍵幀進行優化以保持全局的連續性。訓練的深度圖可使得編碼表示不能直接從圖像預測出的局部幾何特徵。
這篇文章的貢獻主要在兩個方面：
推導出了一種通過強度圖訓練深度自編碼器的稠密集合表示，並進行了優化；
首次實現了稠密集合與運動估計聯合優化的單目系統。
下圖是研究人員採用的網絡架構，實現了基於圖像強度的變分深度自編碼器。
下圖是編解碼階段不同的輸出，以及編碼抓取細節的能力：
下圖是編碼後的恢復以及sfm結果：
研究人員們希望在未來構建出完整的基於關鍵幀的實時SLAM系統，並在更遠的將來致力於研究一般三維幾何更加緊湊的表示，甚至用於三維物體識別。
如果有興趣，可以訪問項目主頁獲取更詳細信息，也可參看附件的視頻簡介：
http://www.imperial.ac.uk/dyson-robotics-lab/projects/codeslam/
SPLATNet: Sparse Lattice Networks for Point Cloud Processing
激光雷達等三維傳感器的數據經常是不規則的點雲形式，分析和處理點雲數據在機器人和自動駕駛中有著十分重要的作用。
但點雲具有稀疏性和無序性的特徵，使得一般的卷積神經網絡處理3D點數據十分困難，所以目前主要利用手工特徵來對點雲進行處理。其中一種方法就是對點雲進行預處理使其符合標準空間卷積的輸入形式。按照這一思路，用於3D點雲分析的深度學習架構都需要對不規則的點雲進行預處理，或者進行體素表示，或者投影到2D。這需要很多的人工並且會失去點雲中包含自然的不變性信息。
為了解決這些問題，在這篇文章中作者提出了一種用於處理點雲的網絡架構，其中的關鍵在於研究發現雙邊卷積層（e bilateral convolution layers——BCLs）對於處理點雲有著很多優異的特性。
雙邊卷積層
BCLs提供了一種系統的方法來除了無序點，但同時保持了卷積操作中柵格的靈活性。BCL將輸入點雲平滑地映射到稀疏的柵格上，並在稀疏柵格上進行卷積操作，隨後進行平滑插值並將信號映射到原始輸入中去。利用BCLs研究人員們建立了SPLATNet（SParse LATtice Networks）用於分層處理無序點雲並識別器空間特徵。
SPLATNet的架構
它具有以下優點：
無需點雲預處理；
可以方便實現像標準CNN一樣的鄰域操作；
利用哈希表可高效處理稀疏輸入；
利用稀疏高效的柵格濾波實現對輸入點雲分層和空間特徵的處理；
可實現2D-3D之間的互相映射。
二維到三維的投影
下圖是對於建築物點雲的處理結果：
如果有興趣的小夥伴可以參考項目主頁：
http://vis-www.cs.umass.edu/splatnet/
和英偉達的官方介紹：https://news.developer.nvidia.com/nvidia-splatnet-research-paper-wins-a-major-cvpr-2018-award/
如果想要上手練練，這裡還有代碼可以跑一波：https://github.com/NVlabs/splatnet
今天附件中包含了視頻介紹，敬請觀看。
https://pan.baidu.com/s/1dIyZyEx-Bc9zYPIr4F_5bw
Deep Learning of Graph Matching
圖匹配問題是優化、機器學習、計算機視覺中的重要問題，而如何表示節點與其相鄰結構的關係是其中的關鍵。這篇文章提出了一種端到端的模型來使得學習圖匹配過程中的所有參數成為可能。其中包括了單位的和成對的節點鄰域、表達成了深度分層的特徵抽取。
完整訓練圖匹配模型的計算流程
這其中的難點在於為不同層之間的矩陣運算建立從損失函數開始的完整流程、實現高效、連續的梯度傳播。通過結合優化層解決了匹配問題，並利用了分層特徵抽取。最後在計算機視覺的實驗中取得了很好的結果。
可以看到在外形和位姿都極不同的各個實例中，關鍵點的圖匹配算法依然表現良好。
Efficient Optimization for Rank-based Loss Functions
在信息檢索系統中通常利用複雜的損失函數（AP,NDCG）來衡量系統的表現。雖然可以通過正負樣本來估計檢索系統的參數，但這些損失函數不可微、不可分解使得基於梯度的算法無法使用。通常情況下人們通過優化損失函數hinge-loss上邊界或者使用漸進方法來規避這一問題。
系統算法
為了解決這一問題，研究人員們提出了一種用於大規模不可微損失函數算法。提供了符合這一算法的損失函數的特徵描述，它可以處理包括AP和NDCC系列的損失函數。同時研究人員們還提出了一種非比照的算法改進了上述漸進過程的計算複雜度。這種方法與更簡單的可分解（需要對照訓練）損失函數相比有著更好的結果。
-The End-
將門是一家專注於
發掘、加速並投資技術創新激活商業價值的創業公司的新型創投機構，旗下設有將門創新服務、將門技術社群以及將門投資基金。將門創新服務專注於使創新的技術落地於真正的應用場景，激活和實現全新的商業價值，服務於行業領先企業和技術創新型創業公司。
將門技術社群專注於幫助技術創新型的創業公司提供來自產、學、研、創領域的核心技術專家的技術分享和學習內容，使創新成為持續的核心競爭力。
將門投資基金專注於投資通過技術創新激活商業場景，實現商業價值的初創企業，關注技術領域包括機器智能、物聯網、自然人機交互、企業計算。在兩年的時間裡，將門投資基金已經投資了包括量化派、碼隆科技、禾賽科技、景馳科技、杉數科技、迪英加科技等數十傢俱有高成長潛力的技術型創業公司。
如果您是技術領域的初創企業，不僅想獲得投資，還希望獲得一系列持續性、有價值的投後服務，歡迎發送或者推薦項目給我“門”: [email protected]
點擊右上角，把文章朋友圈
將門創投
讓創新獲得認可！
閱讀更多 將門創投 的文章
