浅谈CVPR2022的几个研究热点
CVPR2022刚刚结束,作为影响力最广的视觉盛会,今年又有一批优秀的工作被展示出来。相信关注视觉最新研究进展的各位小伙伴,已经磨拳擦掌,准备向CVPR2023投稿了。基于今年的工作,到底哪些领域是CVPR关注的热点?哪些领域的工作,接受度更高,oral的比例更大呢?基于CVPR官方最新的统计信息,我将跟大家聊聊CVPR的一些研究热点,希望对那些计划投下一轮CVPR的同学提供一点参考信息。
1. 十大热点研究领域
首先,我们基于oral论文的统计信息,按照接收论文比重以及所述领域进行排序,得到的十个热点领域,包括:多角度三维视觉,图像与视频合成,识别检测分类与检索,深度网络结构设计,视觉与语言处理交叉,低质量数据视觉分析,形状分析,迁移学习,视频分析与理解,姿态估计。
图1. 十大研究热点领域(Oral)
当我们统计全部接收论文时,统计数据在顺序上会有一点变化,包括:识别检测分类与检索,图像与视频合成,多角度三维视觉,低质量数据视觉分析,视觉与语言处理交叉,形状分析,迁移学习,深度网络结构设计,自监督与非监督学习,视频分析与理解。
图2. 十大研究热点领域(All)
可以看到,两个排序对应的研究热点问题,具有极高的重复性。结合两个表,偏重于应用层面的角度对热点进行总结,我从中选出五个热点研究方向,供计划投稿的同学参考:
- 多角度三维视觉
- 图像与视频合成
- 识别检测分类与检索
- 视觉与语言处理交叉
- 低质量数据视觉分析
2. Best Paper
CVPR2022的Best paper list包含四篇文章,分别为:
Best Paper Award: Learning to Solve Hard Minimal Problems
Best Paper Honorable Mention: Dual-Shutter Optical Vibration Sensing
Best Student Paper Award: EPro-PnP: Generalized End-to-End Probabilistic Perspective-n-Points for Monocular Object Pose Estimation
Best Student Paper Honorable Mention: Ref-NeRF: Structured View-Dependent Appearance for Neural Radiance Fields
最佳论文为《Learning to Solve Hard Minimal Problems》。粗看了下,不是很懂,大概是在对优化问题领域做了一些偏理论性的工作,引入了几何优化的一些工具。《Dual-Shutter Optical Vibration Sensing》是关于三维激光扫描的技术。《EPro-PnP: Generalized End-to-End Probabilistic Perspective...》基于多点透视理论,提出一种从图像中估计物体的三维姿态的方法。《Ref-NeRF》基本就是NeRF算法的变种研究。从最佳论文的侧重可以知道,CVPR比较青睐三维视觉相关研究。另外,会前呼声较高的Kaiming老师的《Masked Autoencoders Are Scalable Vision Learners》也是值得深入学习的。基于MAE提出一种基于patch预测的编解码结构,对于数据图像内容理解具有极好的预测与重建性能。该论文被列为最佳论文候选。
3. 个人关注
因为我个人最近一直在做颜色迁移,光照优化一类的工作,所以比较关注low-level vision领域。今年CVPR在该领域录取了19篇oral以及91篇poster,接收文章数不能算少。我将对应的19篇oral文章抄写在这里,方便之后学习。
[1] Robust Equivariant Imaging: A Fully Unsupervised Framework for Learning To Image From Noisy and Partial Measurements. (去噪+超分辨率用于图像增强技术)
[2] Bijective Mapping Network for Shadow Removal. (消除影子)
[3] Event-Aided Direct Sparse Odometry. (稀疏点云加强)
[4] MAXIM: Multi-Axis MLP for Image Processing.(通用图像质量增强算法)
[5] Details or Artifacts: A Locally Discriminative Learning Approach to Realistic Image Super-Resolution.(超分辨率)
[6] Dual Adversarial Adaptation for Cross-Device Real-World Image Super-Resolution. (超分辨率)
[7] ELIC: Efficient Learned Image Compression With Unevenly Grouped Space-Channel Contextual Adaptive Coding.
[8] Discrete Cosine Transform Network for Guided Depth Map Super-Resolution. (超分辨率)
[9] Deep Rectangling for Image Stitching: A Learning Baseline.(图像拼接)
[10] CamLiFlow: Bidirectional Camera-LiDAR Fusion for Joint Optical Flow and Scene Flow Estimation. (光流优化)
[11] Toward Fast, Flexible, and Robust Low-Light Image Enhancement. (低光增强)
[12] Faithful Extreme Rescaling via Generative Prior Reciprocated Invertible Represe-ntations.
[13] Learning Trajectory-Aware Transformer for Video Super-Resolution. (超分辨率)
[14] SphereSR: 360deg Image Super-Resolution With Arbitrary Projection via Continuous Spherical Image Representation.(超分辨率)
[15] Parametric Scattering Networks. (优化的学习结构)
[16] Target-Aware Dual Adversarial Learning and a Multi-Scenario Multi-Modality Benchmark To Fuse Infrared and Visible for Object Detection. (低光环境下的对象探测)
[17] Learning to Deblur Using Light Field Generated and Real Defocus Images. (去模糊)
[18] Burst Image Restoration and Enhancement. (图像重建)
[19 ]Restormer: Efficient Transformer for High-Resolution Image Restoration. (去模糊)
在low-level vision领域,超分辨率仍然占有较大的比重。一些工作包括去模糊,质量增强,细节重建等,本质上还是和超分辨率技术有紧密的联系。看来,未来做low-level vision,大概率要利用到超分辨率算法。从部分论文可以看出,三维视觉已经结合到low-level vision领域。针对深度图,全景照片等具有三维属性的数据,进行细节重建,运动补偿等计算,也是很不错的研究方向。
浅谈CVPR2022的几个研究热点相关推荐
- 计算机网络仿真技术概述,浅谈计算机网络仿真技术及其研究
浅谈计算机网络仿真技术及其研究 来源:用户上传 作者: 摘要:在信息化和工业化相互促进的现代化进程中,计算机网络仿真技术将逐步深入到国民经济的各个领域,并将扮演越来越重要的角色.该文正是基于此背景,对 ...
- 2021上海燕窝、滋补品展浅谈中医对燕窝的研究:这6种情况吃燕窝,效果显著
2021上海燕窝.滋补品展浅谈中医对燕窝的研究:这6种情况吃燕窝,效果显著 2021世界燕窝展|上海滋补品展浅谈中医对燕窝的研究:这6种情况吃燕窝,效果显著~ 燕窝素有"东方珍品,稀世名药& ...
- 浅谈软件定义网络(SDN)技术研究现状和发展趋势
浅谈软件定义网络(SDN)技术研究现状和发展趋势 友情全文PDF链接:浅谈软件定义网络(SDN)技术研究现状和发展趋势.pdf-网络基础文档类资源-CSDN下载 ...
- 一文浅谈Graph Transformer领域近期研究进展
©作者 | 崔琪 单位 | 北邮GAMMA Lab 来自 | PaperWeekly 在图表示学习中,Graph Transformer 通过位置编码对图结构信息进行编码,相比 GNN,可以捕获长距离 ...
- 浅谈CVPR2022 Traffic Line
" Paper Sharing - Traffic Line" CVPR 2022 刚刚结束,而我最近一段时间一直在进行Traffic Line 相关的工作,所以趁着热度跟大家聊一 ...
- 当前计算机与医学结合的研究热点,浅谈医学影像技术的现在与未来论文范文
浅谈医学影像技术的现在与未来论文范文 虽然东西方由于思维方式的不同导致研究人体健康与外界联系及病理机制的宏观微观顺序不同,但在不远的将来中西医实践的丰富经验的积累和理论的形成必将诞生新的医学----- ...
- java 线程aba,浅谈Java中ABA问题及避免,浅谈javaaba避免
浅谈Java中ABA问题及避免,浅谈javaaba避免 本文主要研究的是关于Java中ABA问题及避免的相关内容,具体如下. 在<Java并发实战>一书的第15章中有一个用原子变量实现的并 ...
- 目前超级计算机国内外发展状况,浅谈超级计算机发展的过程及研究现状
浅谈超级计算机发展的过程及研究现状 来源:用户上传 作者: 中图分类号:TP393.01 文献标识码:A 当前,多核技术的不断发展和日渐成熟,使得处理器的性能得到巨大提升.但是对于存储设备来说,无论是 ...
- 浅谈数据中的偏差问题和推荐系统去偏最新研究进展
©作者 | 杨晨 来源 | RUC AI Box 本文首先回顾了数据中的偏差问题,通俗易懂地做一个解释和引入,并基于最近两年发表在顶级会议(KDD.SIGIR.WWW.AAAI 等)的推荐系统去偏相关 ...
- 浅谈视觉与语言中的多模态研究,究竟都研究什么
前言 随着人工智能的整体进步,计算机视觉和自然语言处理已经有了巨大的.有了如此强大的算法和自主系统的综合能力,就需要合并知识领域,实现跨模态兼容,视觉语言(VisLang)研究具有更复杂的任务和交互式 ...
最新文章
- 02---控制移动底座1
- 利用线程池为线程创建一个守护线程
- 34丨关于Linux网络,你必须知道这些(下)
- linux程序崩溃时调用链,Linux 获取并分析程序崩溃时的调用堆栈
- Server error for SAP CRM_BUPA_ODATA
- wpf window 不执行show 就不能load执行_Numpy反序列化命令执行漏洞分析(CVE-2019-6446)附0day...
- linux硬盘检测工具,CrazyDiskInfo 硬盘检测工具 Linux版 | 厘米天空
- linux查询设备文件信息失败怎么办,Linux下使用blkid命令查询设备及文件系统信息的方法...
- SpringCloud的学习记录(1)
- 掌握新手学车技巧对于新手来说是非常重要的
- java servlet 调试日志 logger sae_java servlet 调试日志 lo
- c语言中的数据变量类型,大小
- python输入时间_一文搞懂python日期时间处理
- 05 ZooKeeper分布式RMI协调实战
- android 阻止来电号码,4种方法来在安卓手机上阻止来电
- centos7上mycat安装_Mysql+Mycat实现数据库主从同步与读写分离
- 基于SRP创建自定义渲染管线
- 合生活门禁复制数据结构分析
- TBC声望 恢复萨满 炼金 宏 附魔300-375
- ​6. 独享锁 VS 共享锁