君子以泽,小说网,玄幻小说

計(jì)算機(jī)頂會(huì)CVPR：李飛飛獲黃旭濤紀(jì)念獎(jiǎng)

（2025年8月23日更新）

CVPR 2022年，共收到23389位作者8161篇投稿，比2021年7093篇增長(zhǎng)15%。其中，中國(guó)大陸作者投稿最多(44.59%)，美國(guó)排名第二，占20.65%。

Long Quan，上排右二；Gang Hua，下排左二

本次會(huì)議共有兩位中國(guó)主席權(quán)龍（Long Quan）華剛，程序主席（Gang Hua）。據(jù)程序主席華剛介紹，CVPR提交和收到的論文數(shù)量每年以15%的速度增收到2064篇論文，收到率為25.3%。

黃旭濤紀(jì)念獎(jiǎng)以計(jì)算機(jī)視覺(jué)領(lǐng)域的領(lǐng)導(dǎo)者黃旭濤命名。其成立是為了表彰在計(jì)算機(jī)視覺(jué)領(lǐng)域做出長(zhǎng)期貢獻(xiàn)、研究和指導(dǎo)的杰出人士。自2021年以來(lái)，該獎(jiǎng)項(xiàng)每年至少頒發(fā)給博士畢業(yè)后7年的研究人員，最好在職業(yè)生涯中期（博士畢業(yè)不超過(guò)25年）。考慮該獎(jiǎng)項(xiàng)的候選人CV該領(lǐng)域的所有研究人員，包括3000美元現(xiàn)金和一枚獎(jiǎng)牌。

說(shuō)到黃旭濤先生，人們不禁想到了中國(guó)計(jì)算機(jī)視覺(jué)40年傳承。

16年前，黃旭濤去香港過(guò)圣誕節(jié)，不經(jīng)意間發(fā)現(xiàn)幾位電腦視覺(jué)領(lǐng)袖在一起聚會(huì)上相差10歲，分別是1936年出生的黃旭濤、1946年出生的馬頌德、1956年出生的高文、1966年出生的沈向陽(yáng)。我們將討論下一次聚會(huì)是否能找到另一個(gè)10歲的計(jì)算機(jī)視覺(jué)領(lǐng)袖，并迅速討論沈向陽(yáng)的學(xué)生和1976年出生的孫健。2020年香港理工大學(xué)教授陳長(zhǎng)汶全球人工智能與機(jī)器人大會(huì)（GAIR）“Thomas S.Huang中國(guó)計(jì)算機(jī)視覺(jué)40年傳承紀(jì)念專場(chǎng)。

孫劍在會(huì)議前夕的去世令人遺憾。他的學(xué)生和朋友的紀(jì)念文章仍然可以看到很多。

孫健出生于1976年10月，曾任微軟亞洲研究院首席研究員，首席科學(xué)家、研究院院長(zhǎng)，領(lǐng)導(dǎo)曠視技術(shù)研發(fā)。孫劍以前兩次獲勝CVPR據(jù)程序主席華剛在會(huì)上介紹，作為最佳論文獎(jiǎng)CV孫劍博士在該領(lǐng)域的知名學(xué)者研究成果豐碩。”Google Scholar數(shù)據(jù)顯示，孫劍的論文引用量超過(guò)28.6萬(wàn)次，h-index為121。

如果要說(shuō)孫劍博士的三篇論文代表作，華剛認(rèn)為第一篇應(yīng)該是Stereo matching using belief propagation”。第二篇是他帶領(lǐng)團(tuán)隊(duì)完成的霧論文Single Image Haze Removal Using Dark Channel Prior這也是亞洲第一次獲得CVPR論文最佳論文獎(jiǎng)。

第三篇是Deep Residual Learning for Image Recognition，這篇文章是由何愷明和其他團(tuán)隊(duì)成員創(chuàng)建的殘余網(wǎng)絡(luò)ResNet，是孫劍最著名的工作，也是孫劍所有論文中引用量排名第一。2015年提出后，ResNet拿下了ImageNet并獲得了冠軍CVPR 最佳論文獎(jiǎng)2016年。

ResNet它是世界上第一個(gè)深度神經(jīng)網(wǎng)絡(luò)，也是深度學(xué)習(xí)領(lǐng)域最重要的研究之一。殘余神經(jīng)網(wǎng)絡(luò)的主要貢獻(xiàn)是發(fā)現(xiàn)退化（Degradation）并針對(duì)退化現(xiàn)象發(fā)明了快速連接（Shortcut connection），極大地消除了神經(jīng)網(wǎng)絡(luò)訓(xùn)練困難。正是由于ResNet，神經(jīng)網(wǎng)絡(luò)的深度首次突破百層，最大的神經(jīng)網(wǎng)絡(luò)甚至超過(guò)1000層。

今年，收獲CVPR蘇黎世聯(lián)邦理工學(xué)院、華盛頓大學(xué)、佐治亞理工學(xué)院、捷克理工大學(xué)合作獲得最佳論文獎(jiǎng)《Learning to Solve Hard Minimal PMemsic代理roblems》。本文提出了一種RANSAC在框架下解決困難幾何優(yōu)化問(wèn)題的方法。放松原來(lái)的幾何優(yōu)化問(wèn)題會(huì)產(chǎn)生許多最小的偽解問(wèn)題，本文提出的方法避免了大量的偽解計(jì)算。