链接：https://www.zhihu.com/question/394503940/answer/1267123344

编辑：深度学习与计算机视觉

声明：仅做学术分享，侵删

以最近刚刚公布论文录取情况的CVPR来看，目前主流的热点研究问题有哪些较大的进展？

相较于去年，研究热点的热度有哪些变化？

未来的研究趋势会是什么呢？

来，让我们先看看其他小伙伴是怎么说的吧。

作者：Cogito2012

https://www.zhihu.com/question/394503940/answer/1268566148

谈下我了解的几个方面：

1.3D任务的热度将持续上升。以3D object detection为例，目前rgb+point cloud方案连KITTI这种小数据集的榜单都还没刷饱和，预期单目3D检测以及在nuScenes、BDD等大型自动驾驶数据集上的算法文章会越来越多。

2.不同模态数据和任务的组合越来越多样。比如视频、文本、音频将在captioning，segmentation, prediction，generation，grounding等各种任务上开花。

3.成熟的视觉任务上将出现更多不同于监督学习的文章。比如自监督学习、元学习、强化学习、贝叶斯深度学习、终身学习等machine learning算法在cv任务上的应用。目前来看，自监督学习（self-supervised learning）大有可为。

4.Bert/Transformer等NLP领域的模型，将在更多的CV任务上屠榜，最近fair的DETR就是个很好的风向标。

5.行为/动作识别与分析方面，每年文章无数，但未来将出现更多细粒度动作分析文章，比如mmlab的FineGym数据集满分论文也是个很好的风向标。

作者：丶favor
https://www.zhihu.com/question/394503940/answer/1267123344

• self-attention全面替代卷积将成为研究热点。

• Nas在其他非主流领域即将开始灌水。

• Nas自身仍存在一些问题，依旧会是热点。

• 相比之下，无监督和自监督学习也会被持续关注。

• self-attention的剪枝和压缩可能会被做cv的关注。

• 一类dynamic的文章（动态选择推理路径或者卷积核/激活函数）似乎听起来比较实用和划算。

• 多模态pretrained bert遍地开花，但实际上大同小异，尤其是在自监督任务上。未来可能会往end-to-end上面靠，参考pixel-bert。包括video bert估计也要遍地开花一波。

• 目标检测，语义分割有种凉凉的感觉，靠着SOTA度日，AP即使刷到55还是觉得凉凉。。因此Fair的transformer模型会引起关注。

• 多模态领域不限于vqa,image captioning，基本被transformer支配了，未来没有新的insight的话将继续被支配。

• 机器人视觉导航虽然我不太清楚这是个啥，但好像大多数不是best paper就是oral。

• 由于内卷得厉害，很多领域再不出新的数据集就要gg了。

作者：湃森
https://www.zhihu.com/question/394503940/answer/1267739299

从大方向来看，受限于数据集，上游许多在刷榜的那群人好像刷不动，或者已经到达瓶颈了。今年不少研究都跑到下游去改造基础的零部件了。然后将改造过的零件重新应用到ResNet; Faster-RCNN; Mask RCNN等经典的模型上从而验证这些零件能够在分类，检测和实例分割等任务上获得一致性的性能提升，大多是将一些静态的特征提取过程引入某些机制转换为动态的自适应。

作者：JimmyHua
https://www.zhihu.com/question/394503940/answer/1228846615

CV领域大概有以下几点：

• 图像分类

• 目标检测

• 图像分割

• 目标跟踪

• OCR文字识别

• 图像滤波与降噪

• 图像增强

• 风格迁移

• 三维重建

• 图像检索

• GAN

感觉现在的AI更注重的是落地，结合实际去把这些算法运用到生活工作中，落地是一个重中之重，各个领域的理论发展很快，但是落地效率很低，所以个人感觉研究效率和落地会有很大的趋势~

☆ END ☆

如果看到这里，说明你喜欢这篇文章，请转发、点赞。微信搜索「uncle_pn」，欢迎添加小编微信「 mthler」，每日朋友圈更新一篇高质量博文（无广告）。

↓扫描二维码添加小编↓