4位大咖Keynote、12篇论文分享，CVPR 2022论文分享会全日程来了

随着人工智能的火热，CVPR、AAAI、NeurIPS、ACL 等顶级学术集会的影响力也愈来越大，每年接收论文、参会人数的数量连创新高。作为计算机视觉（CV）畛域的顶级集会，CVPR 每年都会吸引大量钻研机构和高校参会，以 CVPR 2022 为例，投稿量创新高超过了一万，其中 2067 篇论文被接收。本届集会将于 6 月 19-6 月 24 日以线上线下结合的方式举办。为了给国内 CV 社区的从业人员搭建一个自由轻松的学术交流平台，呆板之心将于 6 月 18 日组织「CVPR 2022 线上论文分享会」。本次分享会设置了 Keynote、 论文分享、企业招聘等环节，就业内关注的 CV 热门主题邀请顶级专家、论文作者与观众做学术交流。今日，「CVPR 2022线上论文分享会」全日程正式公布，欢迎大家线上进修。

四位 Keynote 分享嘉宾的演讲主题与纲要如下（按姓名首字母排序）：林达华：New Advances in Visual Recognition and Generation

分享空儿：北京空儿 6 月 18 日 13:30-14:00 分享纲要：香港中文大学多媒体实验室一直致力于探索计算机视觉畛域的前沿。近年来，随着新模型架构和新应用畛域的涌现，我们的钻研范围已经得到了显著扩展，为 3D 视觉、内容生成和小样本进修等新兴畛域做出了很多贡献。在本次报告中，我将分享我们在这些畛域的最新进展，并谈谈自己面对快速发展的畛域时如何选择好的钻研课题。分享人先容：林达华，香港中文大学信息工程系副教授，商汤科技联合创始人，香港中文大学 – 商汤科技联合实验室主任。2012 年得到美国麻省理工学院计算机科学博士学位，2012 年到 2014 年在芝加哥丰⽥科技钻研院任钻研助理教授，2014 年正式加入香港中文大学。 林达华在计算机视觉、概率推断以及深度进修相关方面具有广泛的钻研经历，并在多个课题上取得突出成绩。他在 CVPR/ICCV/ECCV/NIPS/PAMI 等计算机视觉与呆板进修顶级集会与期刊发表逾 200 篇论文。他在 2010 年得到呆板进修畛域最权威国际集会 NIPS 的最佳学生论文奖，并在 2009 年与 2011 年得到计算机视觉最高学术集会 ICCV 的出色评审员奖。他曾指导香港中文大学的钻研团队参加 ImageNet、ActivityNet、以及 MSCOCO 等计算机视觉畛域的主要国际竞赛，得到多个冠军。此外，他也担任 CVPR、ECCV、BMVC 和 ACM Multimedia 等主要国际集会的畛域主席，以及顶级国际期刊 IJCV 的编委。张维：基于图文多模态预训练的凋谢世界感知钻研进展

分享空儿：北京空儿 6 月 18 日 14:00-14:30 分享纲要：Open-World 感知挑战的核心问题在于解决凋谢域的长尾进修。图文多模态的预训练方案，通过两个有效的进修策略 a) 基于语义对齐的图像 – 文本特征进修; b) 以及海量低成本互联网图文数据的自监督进修策略，实现复杂的场景语义（所有知识的高层概况）与图像的关联建模，具有零标注成本，泛化性极强的优势。在本次汇报中，我们着重先容基于细粒度语义对齐的多模态感知预训练，在多样化下游视觉任务上的泛化性能提升。分享人先容：张维，华为诺亚方舟实验室技术专家，伦敦钻研所所长。长期从事自动驾驶感知算法原型开发和工程落地，钻研畛域包含多模态视觉感知，数据高效的视觉训练范式和硬件亲和的感知网络设计等。张兆翔：凋谢环境下的自适应视觉感知

分享空儿：北京空儿 6 月 18 日 9:30-10:00 分享纲要：伴随着大数据的兴起和计算资源的丰富，以深度进修为代表的呆板进修方法在视觉场景感知的一系列任务上取得了突破，甚至媲美人类的性能。然而，当前的视觉感知方法往往面向特定任务，需要手工标注大量的数据，进而构建从输入到输出的简单映射，在面向新任务、新环境时往往产生性能骤降。本报告着重先容我们课题组在凋谢环境下的自适应视觉感知畛域的相关工作，从更好的特征表达、更少的数据标注、更好的自适应性和可解释性的角度先容我们在 CVPR 2022 集会上发表的若干工作，并对该方向加以总结与展望。分享人先容：张兆翔，博士，中国科学院自动化钻研所钻研员、博士生导师，教育部长江学者特聘教授，国家万人计划青年拔尖人才。主要钻研方向包括脑启发的神经网络建模、视觉认知进修、面向凋谢环境的场景感知与理解，在本畛域 TPAMI、IJCV、JMLR 等顶刊和 CVPR、ICCV、ICLR、NeuralPS 等顶会发表论文 100 余篇，授权专利 20 余项，承担了国家自然科学基金重点项目、国家自然科学基金企业联合重点项目、国家重点研发项目等一系列国家级科研项目，是 IEEE 高级会员，中国计算机学会 CCF 出色会员、中国人工智能学会 CAAI 出色会员、中国计算机学会 CCF 出色演讲者，担任或曾担任 IEEE T-CSVT、Patten Recognition 等知名期刊编委，是 CVPR、ICCV、AAAI、IJCAI、ACM MM 等知名国际集会的畛域主席（Area Chair）。朱俊彦：数据高效的 GAN 训练

分享空儿：北京空儿 6 月 18 日 9:00-9:30 分享纲要：GAN 等深度生成模型的强大和潜力在于它们能够合成无限逼真、多样和新颖的视觉内容。遗憾的是，这些大规模 GAN 的创建和部署需要高性能计算平台和大型标注数据集。常用的数据集如 ImageNet 和 LSUN 等需要人工标注数百万张图片。在本次演讲中，我将先容两种数据高效的 GAN 训练技术可微数据增强以及集成现成的计算机视觉模型。总的来说，这两种方法使得我们只需一百张图片就能进修一个高质量的 GAN 模型。此外，我还将探讨现有 GAN 评估指标的问题以及潜在修复方法。分享人先容：朱俊彦，CMU 计算机科学学院助理教授。在加入 CMU 之前，他曾任 Adobe Research 的钻研科学家和 MIT CSAIL 的博士后钻研员。他先后在清华大学和加州大学伯克利分校得到了本科和博士学位。他的钻研兴趣在于计算机视觉、计算机图形学和呆板进修。他曾是 Facebook 奖学金、ACM SIGGRAPH 出色博士论文奖以及加州大学伯克利分校 EECS David J. Sakrison 出色博士钻研纪念奖的得到者。他参与的作品曾得到过英伟达先锋钻研奖和 SIGGRAPH 2019 实时直播秀的最佳表演奖和观众选择奖、入选了 Popular Science 颁发的 2019 年度百大最伟大创新。在论文分享会结束后，呆板之心还将在 18 日晚上 19:30 直播 CVPR 22 17th IEEE Computer Society Workshop on Biometrics 双赛道蚂蚁比赛总结，欢迎来看！