CVPR 20 放榜!1470 篇被收,华为某组 11 投 7 中

今天,计算机视觉顶会 CVPR 放榜,共 1470 篇论文榜上有名。一些大神已经开始纷纷晒起了成绩单,一起来围观。

计算机视觉顶会 CVPR 放榜了!今天下午,CVPR 公布了接收论文 ID,共 1470 篇论文被收录。

今年有效投稿数量为 6656 篇,因此录取率为 22%——低于 2019 年的 25% 和 2018 年的 29%。

录取论文 ID 列表地址:
http://cvpr2020.thecvf.com/sites/default/files/2020-02/accepted_list.txt

据悉,CVPR 2020 一共有 3664 位评审、198 名领域主席进行论文评审,来把控论文质量。在投稿量逐年增长的形势下,质量把控依然严格。

大神们喜晒成绩单 

放榜之后,引来国内外学者广泛讨论。

在知乎上,有位作者中了 7 篇,晒出了自己的成绩单,喜悦之情溢出屏幕。

该团队投稿 11 篇,中了 7 篇

Twitter 上各位大神也在开心地晒成绩:

放眼看去,各个顶会每年放榜之时,都会有人欢喜有人愁,希望大家都能够以良好的心态去面对。

投稿量年年攀升,录取率近年下降 

作为计算机视觉的顶尖会议,CVPR 近年来每年的有效投稿数都屡创新高。

去年的 CVPR 2019 大会公布了这样一组数据:大会在 2005 年之前的有效投稿数还不足 1000,而接受论文数量更是不到 500。

但是到了 2017 年,论文有效投稿数突破 2500,2018 年增至 3500,2019 年直接突破 5000 篇。

红色百分比为每年论文接受率

尽管投稿数量年年攀升,但是评审们对论文接受率却有逐年下降的趋势。

有位评审对此次 CVPR 放榜情况进行了评论。

他曾在微博中表示,CV 领域竞争太激烈,他审稿的一篇 CVPR 论文附件整整 20 页,而大会规定的正文才 8 页(不包括参考文献)。在这种竞争激烈的情况下,如果方法创新不足,补充材料再多也无济于事。

CVPR 2019  经典回顾

虽然官方已经公布了被收录论文的 ID,但论文详细信息尚未公布。借此放榜之际,我们一起回顾一下 CVPR 2019 的经典获奖作品。

 最佳论文 

论文地址:http://dwz.date/7qa

摘要: 研究者提出了一种新的光费马路径(Fermat path)理论,该光在已知的可见场景和不处于瞬态摄像机视线范围内的未知物体之间。这些光的路径要么从镜面反射,要么被物体的边界反射,因此编码了隐藏物体的形状。

研究者证明,费马路径对应于瞬态测量中的不连续性。然后他们推导出一个新的约束,该约束将这些不连续处路径长度的空间导数与曲面法线联系起来。

基于该理论,研究者提出了一个名为 Fermat Flow 的算法,来估计非视距物体的形状。该方法首次精确恢复复杂物体的形状,从漫反射到镜面反射,这些物体隐藏在角落里,也隐藏在漫射器后面。

最后,该方法与瞬态成像使用的特定技术无关。因此,研究者用 SPAD 和超快激光展示了从微微秒尺度瞬态实现毫米尺度的形状恢复,以及使用干涉法实现从飞秒尺度瞬态到微米尺度的重建。

 最佳学生论文 

论文地址:https://arxiv.org/pdf/1811.10092.pdf

摘要:视觉语言导航(VLN)是在实际的 3D 环境中导航具体代理以执行自然语言指令的任务。

在本文中,研究者们研究如何解决此任务的三个关键挑战:交叉模式接地,不适定的反馈和泛化问题。

首先,他们提出了一种新颖的强化跨模态匹配(RCM)方法,该方法通过强化学习(RL)在本地和全球范围内实施跨模态接地。特别地,匹配评论者用于提供内在奖励以鼓励指令和轨迹之间的全局匹配,并且推理导航器用于在局部视觉场景中执行交叉模式接地。

对 VLN 基准数据集的评估表明,其 RCM 模型在 SPL 上明显优于以前的方法 10%,并达到了最新的最新性能。

为了提高所学政策的通用性,他们进一步引入了一种自我监督的模仿学习(SIL)方法,通过模仿自己过去的正确决策来探索看不见的环境。

最终证明,SIL 可以近似为更好,更有效的策略,从而最大程度地减少了可见环境和不可见环境之间的成功率性能差距(从 30.7% 到 11.7%)。

 Longuet-Higgins 奖 

此外,值得一提的是,CVPR 2019 中,比 Best Paper 更高一筹的 Longuet-Higgins 奖授予邓嘉、李飞飞、李佳等人的 ImageNet 工作《ImageNet: A Large-Scale Hierarchical Image Database》。

这篇论文发表于 2009 年 CVPR,目前已有 11508 次引用。

这篇论文诞生的第二年,计算机视觉领域盛大赛事 ImageNet 挑战赛拉开序幕,ImageNet 从此成为计算机视觉识别领域的标杆,并促进该领域取得巨大突破。

—— 完 ——

抱歉,暂无相关内容推荐。