第 16 屆歐洲計算機(jī)視覺大會（ECCV）于周日拉開帷幕，成為一個完全在線的會議。在會議開幕式，ECCV 組委會宣布了會議論文提交統(tǒng)計和最佳論文。普林斯頓大學(xué)的兩位研究人員為開發(fā)一種新的光流端到端可訓(xùn)練模型而獲得最佳論文獎。
今日，ECCV 2020 五項(xiàng)大獎均已出爐，分別是最佳論文獎、最佳論文提名獎、Koenderink 獎、Mark Everingham 獎、Demo 獎。
ECCV 的全稱是 European Conference on Computer Vision（歐洲計算機(jī)視覺國際會議） ，兩年一次，與 ICCV 和 CVPR 并稱計算機(jī)視覺三大會議。
ECCV 2020 收到了創(chuàng)紀(jì)錄的 5150 份提交材料，是 2018 年上一次會議的兩倍。今年共有 1360 篇論文錄取率被削減至 26％。有 104 個口頭報告和 160 個焦聚點(diǎn)，將在 16 個現(xiàn)場問答環(huán)節(jié)中呈現(xiàn)。
讓我們來看一看各項(xiàng)獎的詳情吧！
最佳論文獎
獲獎?wù)撐模篟AFT： Recurrent All－Pairs Field Transforms for Optical Flow
作者： Zachary Teed and Jia Deng
機(jī)構(gòu)：普林斯頓大學(xué)
簡介：介紹了一種新的光流深網(wǎng)絡(luò)體系結(jié)構(gòu)——遞歸全對場變換（RAFT）。RAFT提取每像素特征，為所有像素對構(gòu)建多尺度4D相關(guān)體，并通過一個循環(huán)單元迭代更新流場，該單元執(zhí)行相關(guān)體積的查找。木筏達(dá)到了最先進(jìn)的性能。在KITTI上，RAFT的F1全系誤差為5．10％，比公布的最佳結(jié)果（6．10％）減少了16％。在 Sintel（最終焊道）上，RAFT獲得的終點(diǎn)誤差為2．855像素，比最佳發(fā)布結(jié)果（4．098 像素）減少了30％。此外，RAFT算法具有較強(qiáng)的跨數(shù)據(jù)集泛化能力，在推理時間、訓(xùn)練速度、參數(shù)計數(shù)等方面具有較高的效率。
Zachary Teed，普林斯頓大學(xué)鄧嘉門下的一名博士生，是普林斯頓視覺與學(xué)習(xí)實(shí)驗(yàn)室的一名成員。Zachary Teed 目前的研究重點(diǎn)是從視頻進(jìn)行 3D 重建；包括運(yùn)動，場景流和 SLAM 中的結(jié)構(gòu)。在此之前，他曾獲得圣路易斯華盛頓大學(xué)的計算機(jī)科學(xué)學(xué)士學(xué)位，并在那里獲得了 Langsdorf 獎學(xué)金和 McKevely 研究獎。
鄧嘉 2006 年本科畢業(yè)于清華大學(xué)計算機(jī)系，2012 年于普林斯頓大學(xué)獲計算機(jī)科學(xué)博士學(xué)位， 2014 起任密歇根大學(xué)計算機(jī)科學(xué)系助理教授。2018 年鄧嘉在密歇根大學(xué)的時候獲得了美國斯隆研究獎。他是李凱和李飛飛教授的學(xué)生，ImageNet 首篇文章的第一作者。 他現(xiàn)在在普林斯頓大學(xué)視覺與學(xué)習(xí)實(shí)驗(yàn)室任助理教授，主要研究方向?yàn)橛嬎銠C(jī)視覺和機(jī)器學(xué)習(xí)，即通過感知、認(rèn)知和學(xué)習(xí)相結(jié)合來實(shí)現(xiàn)人類層面的視覺理解。
1234下一頁>（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實(shí)，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實(shí)內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
