تم الإعلان عن نتائج CVPR 20! تم قبول 1470 ورقة بحثية، وحصل فريق هواوي على 7 من 11.

أصدر مؤتمر رؤية الكمبيوتر الرائد CVPR اليوم نتائجه، مع إجمالي 1470 ورقة بحثية في القائمة. لقد بدأ بعض اللاعبين العظماء بالفعل في نشر نصوصهم، دعونا نلقي نظرة.

نتائج مؤتمر رؤية الكمبيوتر CVPR ظهرت الآن! أعلن مركز CVPR بعد ظهر اليوم عن هويات الأوراق المقبولة.بلغ مجموع الأوراق البحثية 1470 ورقة.

هذا العام بلغ عدد المشاركات الصالحة 6656، لذامعدل القبول هو 22%——أقل من 25% في عام 2019 و29% في عام 2018.

عنوان قائمة معرفات الأوراق المقبولة:
http://cvpr2020.thecvf.com/sites/default/files/2020-02/accepted_list.txt

يُذكر أن CVPR 2020 لديه إجمالي 3664 مراجعًا و 198 رئيسًا ميدانيًا لمراجعة الأوراق للتحكم في جودة الأوراق. وبما أن عدد الطلبات المقدمة يتزايد سنة بعد سنة، فإن مراقبة الجودة تظل صارمة.

يحب الأساتذة إظهار بطاقات تقاريرهم 

وبعد إعلان النتائج، أثارت نقاشا واسعا بين العلماء في الداخل والخارج.

في Zhihu، قام أحد المؤلفين باختيار 7 مقالات ونشر بطاقة تقريره مع فرحة تفيض على الشاشة.

ويسعد الخبراء أيضًا بعرض نتائجهم على تويتر:

إذا نظرنا حولنا، عندما تعلن المؤتمرات الكبرى عن نتائجها كل عام، سيكون هناك دائمًا من يشعرون بالسعادة ومن يشعرون بالحزن. أتمنى أن يتمكن الجميع من مواجهة الأمر بموقف جيد.

لقد زاد عدد الطلبات المقدمة سنة بعد سنة، لكن معدل القبول انخفض في السنوات الأخيرة 

باعتبارها المؤتمر الأهم في مجال رؤية الكمبيوتر، حققت CVPR أرقامًا قياسية جديدة في عدد المشاركات الصالحة كل عام في السنوات الأخيرة.

أصدر مؤتمر CVPR 2019 في العام الماضي البيانات التالية: كان عدد المشاركات الصالحة للمؤتمر قبل عام 2005 أقل من 1000، وكان عدد الأوراق المقبولة أقل من 500.

ومع ذلك، بحلول عام 2017، تجاوز عدد الأوراق المقدمة الصالحة 2500، وارتفع إلى 3500 في عام 2018.وفي عام 2019، تجاوز العدد 5000 مباشرة.

على الرغم من أن عدد الأوراق المقدمة يتزايد سنة بعد سنة، إلا أن معدل قبول الأوراق من قبل المراجعين يتناقص سنة بعد سنة.

علق أحد المراجعين على نشر نتائج CVPR.

وقال ذات مرة على موقع Weibo أن المنافسة في مجال السيرة الذاتية شرسة للغاية. وكان ملحق ورقة بحثية قام بمراجعتها في مؤتمر CVPR يتكون من 20 صفحة كاملة، في حين أن المؤتمر لم يطلب سوى 8 صفحات من النص الرئيسي (باستثناء المراجع). في مثل هذه البيئة التنافسية، لن يكون هناك أي قدر من المواد التكميلية التي تساعد إذا لم تكن الأساليب مبتكرة بدرجة كافية.

مراجعة CVPR 2019 الكلاسيكية

ورغم الإعلان عن الهويات الرسمية للأوراق المدرجة، إلا أن المعلومات التفصيلية الخاصة بالأوراق لم يتم الكشف عنها بعد. وبمناسبة الإعلان عن النتائج، دعونا نلقي نظرة على الأعمال الكلاسيكية الفائزة في مسابقة CVPR 2019.

 أفضل ورقة 

ملخص: واقترح الباحثوننظرية جديدة لمسار الضوء فيرماهذا الضوء يقع بين المشهد المرئي المعروف والأشياء غير المعروفة التي لا تقع في خط رؤية الكاميرا العابرة. تنعكس مسارات هذه الأضواء إما من الأسطح المرآة أو من خلال حدود الأشياء، وبالتالي يتم تشفير شكل الجسم المخفي.

وأظهر الباحثون أن مسار فيرما يتوافق مع عدم الاستمرارية في القياسات العابرة. ثم استنتجواقيد جديد يربط المشتق المكاني لطول المسار عند هذه الانقطاعات بالعمودي السطحي.

وبناءً على هذه النظرية، اقترح الباحثون يتم استخدام خوارزمية Fermat Flow لتقدير شكل الأشياء غير المرئية.تستعيد الطريقة بدقة لأول مرة أشكال الأجسام المعقدة، من الانعكاسات المنتشرة إلى الانعكاسات المرآوية، المخفية حول الزوايا وخلف الناشرات.

وأخيرا، فإن الطريقة مستقلة عن التقنية المحددة المستخدمة للتصوير العابر. لذلك، أظهر الباحثون استعادة الشكل على نطاق المليمتر من التحولات على نطاق البيكو ثانية باستخدام SPADs والليزر فائق السرعة، بالإضافة إلى إعادة البناء من التحولات على نطاق الفيمتوثانية إلى نطاق الميكرومتر باستخدام التداخل.

 أفضل ورقة بحثية للطلاب 

ملخص:تعتبر الملاحة البصرية اللغوية (VLN) مهمة التنقل عبر وكيل ملموس في بيئة ثلاثية الأبعاد واقعية لمتابعة تعليمات اللغة الطبيعية.

في هذه الورقة، يدرس الباحثون كيفية التعامل مع ثلاثة تحديات رئيسية لهذه المهمة:التأريض عبر الوسائط، والتغذية الراجعة غير الصحيحة، ومشكلة التعميم.

أولاً، اقترحوا طريقة جديدة للمطابقة المتقاطعة المعززة (RCM)، والتي تفرض التأريض المتقاطع محليًا وعالميًا من خلال التعلم التعزيزي (RL). على وجه الخصوص، يتم استخدام الناقد المطابق لتوفير مكافآت جوهرية لتشجيع المطابقة الشاملة بين التعليمات والمسارات، ويتم استخدام الملاح المنطقي لأداء التأريض عبر الوسائط في المشاهد المرئية المحلية.

يُظهر التقييم على مجموعة بيانات معيار VLN أن نموذج RCM الخاص بهم يتفوق بشكل كبير على الطرق السابقة بنسبة 10% على SPL ويحقق أداءً جديدًا متطورًا.

من أجل تحسين إمكانية تعميم السياسات التي تعلموها، قاموا بما يلي:كما نقدم طريقة التعلم بالتقليد الذاتي الإشراف (SIL) لاستكشاف البيئات غير المرئية من خلال تقليد قراراتنا الصحيحة السابقة.

لقد أثبتنا في النهاية أن SIL يمكن أن تقترب من سياسة أفضل وأكثر كفاءة، مما يقلل من فجوة الأداء في معدل النجاح بين البيئات المرئية وغير المرئية (من 30.7٪ إلى 11.7٪).

 جائزة لونغيت هيغينز 

بالإضافة إلى ذلك، تجدر الإشارة إلى أنه في CVPR 2019، الورقة التي حصلت على أعلى من أفضل ورقة بحثية مُنحت جائزة Longuet-Higgins إلى Deng Jia وLi Feifei وLi Jia وآخرين عن عملهم في ImageNet "ImageNet: قاعدة بيانات صور هرمية واسعة النطاق".

هذه الورقةنُشرت في CVPR 2009، وحصلت على 11,508 استشهادًا حتى الآن.

في العام الثاني بعد نشر هذه الورقة، انطلقت مسابقة ImageNet Challenge، وهو حدث ضخم في مجال الرؤية الحاسوبية. لقد أصبحت ImageNet منذ ذلك الحين معيارًا في مجال التعرف على الرؤية الحاسوبية وعززت الاختراقات الكبيرة في هذا المجال.

-- زيادة--