【专业上海机场广告投放公司】-引领机场营销新风尚

yuanzaishangchengruanjiangongnengzhangubiantaibanxiazaizheshiyigeziyouduikangderexueshidai，zhongjiankuijiayuansu，jiehetiaoci，kanji，fangyuteshuzhanshudongzuo；shikuangqiumimendouzaizhelideshoujiruanjianmoshoudezhanchangzhengfuzongshikeyigeinidailaijidadezhenhan，wufengdeditulaishixianqianniandeduijue；CVPR 2023最(zui)佳(jia)論(lun)文(wen)候(hou)選(xuan)出(chu)爐(lu)，12篇(pian)上(shang)榜(bang)！武(wu)大(da)、港(gang)中(zhong)文、商(shang)湯(tang)等(deng)國(guo)內(nei)機(ji)構(gou)多(duo)篇入(ru)选

新(xin)智(zhi)元(yuan)報(bao)道(dao)

編(bian)輯(ji)：编辑部(bu)

【新智元導(dao)讀(du)】剛(gang)刚，CVPR 2023放(fang)榜12篇獲(huo)獎(jiang)论文候选，武大、港中文、港科(ke)大、上海(hai)人(ren)工(gong)智能(neng)實(shi)驗(yan)室(shi)、商汤、華(hua)為(wei)等国内机构赫(he)然(ran)在(zai)列(lie)。

CVPR 2023舉(ju)辦(ban)在即(ji)。

今(jin)天(tian)，官(guan)方(fang)公(gong)布(bu)了(le)12篇获奖论文候选。（占(zhan)接(jie)受(shou)论文的(de)0.51%，占提(ti)交(jiao)论文的0.13%）

根(gen)據(ju)官網(wang)上統(tong)計(ji)數(shu)据，本(ben)次(ci)CVPR壹(yi)共(gong)接受论文9155篇，錄(lu)用(yong)2359篇，接受率(lv)为25.8%。

其(qi)中，235篇被(bei)評(ping)为Highlights。（占接受论文的10%，占提交论文的2.6%）

1. Ego-Body Pose Estimation via Ego-Head Pose Estimation

作(zuo)者(zhe)：Jiaman Li，Karen Liu，Jiajun Wu

机构：斯(si)坦(tan)福(fu)大學(xue)

论文地(di)址(zhi)：https://arxiv.org/pdf/2212.04636.pdf

本文中，研(yan)究(jiu)人員(yuan)提出了一種(zhong)新的方法(fa)，即通(tong)過(guo)自(zi)我(wo)-頭(tou)部姿(zi)勢(shi)估(gu)计的自我身(shen)體(ti)姿势估计（EgoEgo），它(ta)將(jiang)問(wen)題(ti)分(fen)解(jie)为兩(liang)個(ge)階(jie)段(duan)，由(you)头部運(yun)動(dong)作为中間(jian)表(biao)征(zheng)來(lai)連(lian)接。EgoEgo首(shou)先(xian)整(zheng)合(he)了SLAM和(he)一种学習(xi)方法，以(yi)估计準(zhun)確(que)的头部运动。

隨(sui)後(hou)，利(li)用估计的头部姿势作为輸(shu)入，EgoEgo利用條(tiao)件(jian)擴(kuo)散(san)，以產(chan)生(sheng)多个可(ke)信(xin)的全(quan)身运动。這(zhe)种头部和身体姿势的分離(li)消(xiao)除(chu)了對(dui)配(pei)对自我中心(xin)視(shi)頻(pin)和三(san)維(wei)人体运动的訓(xun)練(lian)数据集(ji)的需(xu)要(yao)，使(shi)研究人员能夠(gou)分別(bie)利用大規(gui)模(mo)自我中心视频数据集和运动捕(bu)捉(zhuo)数据集。

此(ci)外(wai)，为了進(jin)行(xing)系(xi)统的基(ji)准測(ce)試(shi)，研究人员開(kai)發(fa)了一个合成(cheng)数据集AMASS-Replica-Ego-Syn（ARES），其中包(bao)括(kuo)成对的自我中心视频和人類(lei)运动。在ARES和真(zhen)实数据上，研究人员的EgoEgo模型(xing)的表現(xian)明(ming)顯(xian)優(you)於(yu)目(mu)前(qian)最先进的方法。

2. 3D Registration with Maximal Cliques

作者：Xiyu Zhang，Jiaqi Yang，Shikun Zhang，Yanning Zhang

3. OmniObject3D: Large Vocabulary 3D Object Dataset for Realistic Perception, Reconstruction and Generation

作者：Tong Wu，Jiarui Zhang，Xiao Fu，Yuxin WANG，Jiawei Ren，Liang Pan，Wenyan Wu，Lei Yang，Jiaqi Wang，Chen Qian，Dahua Lin，Ziwei Liu

机构：上海人工智能实验室，香(xiang)港中文大学，商汤，香港科技(ji)大学，南(nan)洋(yang)理(li)工大学

论文地址：https://arxiv.org/pdf/2301.07525.pdf

由于缺(que)乏(fa)大规模的真实掃(sao)描(miao)三维数据庫(ku)，最近(jin)在三维物(wu)体建(jian)模方面(mian)的进展(zhan)大多依(yi)賴(lai)于合成数据集。

为了促(cu)进现实世(shi)界(jie)中3D感(gan)知(zhi)、重(zhong)建和生成的发展，研究人员提出了OmniObject3D，一个具(ju)有(you)大规模高(gao)質(zhi)量(liang)真实扫描3D物体的大型詞(ci)匯(hui)3D物体数据集。

OmniObject3D有幾(ji)个吸(xi)引(yin)人的特(te)性(xing)：1）超(chao)大数据量：它包括190个日(ri)常(chang)类别的6000个扫描物体，與(yu)流(liu)行的二(er)维数据集（如(ru)ImageNet和LVIS）共享(xiang)共同(tong)的类别，有利于追(zhui)求(qiu)可通用的三维表征。2）豐(feng)富(fu)的註(zhu)釋(shi)：每(mei)个三维物体都(dou)由二维和三维傳(chuan)感器(qi)捕获，提供(gong)紋(wen)理网格(ge)、點(dian)雲(yun)、多视角(jiao)渲(xuan)染(ran)圖(tu)像(xiang)和多个真实捕获的视频。3) 真实的扫描：專(zhuan)業(ye)扫描儀(yi)支(zhi)持(chi)高质量的物体扫描，具有精(jing)确的形(xing)狀(zhuang)和逼(bi)真的外觀(guan)。

利用OmniObject3D提供的廣(guang)闊(kuo)探(tan)索(suo)空(kong)间，研究人员精心設(she)置(zhi)了四(si)个评估基准：a）強(qiang)大的3D感知，b）新视角合成，c）神(shen)經(jing)表面重建，以及(ji)d）3D物体生成。

4. MobileNeRF: Exploiting the Polygon Rasterization Pipeline for Efficient Neural Field Rendering on Mobile Architectures

作者：Zhiqin Chen，Thomas Funkhouser，Peter Hedman，Andrea Tagliasacchi

机构：谷(gu)歌(ge)，西(xi)蒙(meng)菲(fei)莎(sha)大学，多倫(lun)多大学

论文地址：https://arxiv.org/pdf/2208.00277.pdf

神经輻(fu)射(she)場(chang)（NeRFs）在從(cong)新的视角合成三维场景(jing)的图像方面表现出驚(jing)人的能力(li)。然而(er)，它們(men)依赖的专有体積(ji)渲染算(suan)法，与广泛(fan)部署(shu)的图形硬(ying)件的能力並(bing)不(bu)匹(pi)配。

本文介(jie)紹(shao)了一种新的基于纹理多邊(bian)形的NeRF表征方法，它可以用標(biao)准渲染管(guan)道有效(xiao)地合成新的图像。NeRF被表征为一組(zu)多边形，其纹理代(dai)表二进制(zhi)不透(tou)明度(du)和特征矢(shi)量。用Z型緩(huan)沖(chong)器对多边形进行传统的渲染，得(de)到(dao)的图像在每个像素(su)上都有特征，这些(xie)特征被运行在片(pian)段著(zhe)色(se)器中的一个小(xiao)型的、依赖于视图的MLP解释，以产生最終(zhong)的像素顏(yan)色。

这种方法使NeRF能够用传统的多边形光(guang)柵(zha)化(hua)管道进行渲染，它提供了大规模的像素級(ji)并行性，在包括手(shou)机在内的各(ge)种计算平(ping)臺(tai)上实现了足(zu)以进行交互(hu)的幀(zhen)率。

5. DynIBaR: Neural Dynamic Image-Based Rendering

作者：Zhengqi Li，Qianqian Wang，Forrester Cole，Richard Tucker，Noah Snavely

机构：谷歌，康(kang)奈(nai)爾(er)科技校(xiao)區(qu)

论文地址：https://arxiv.org/pdf/2211.11082.pdf

本文中，研究人员提出了一种基于体积图像的渲染框(kuang)架(jia)，該(gai)框架通过以场景运动感知的方式(shi)，来聚(ju)合附(fu)近的视点特征，从而合成新的视点。

研究人员的系统保(bao)留(liu)了先前方法的优点，即能够对復(fu)雜(za)的场景和视点相(xiang)關(guan)的效果(guo)进行建模，而且(qie)還(hai)能够从具有复杂场景动態(tai)和無(wu)約(yue)束(shu)相机軌(gui)跡(ji)的長(chang)视频中合成照(zhao)片般(ban)真实的新视点。

結(jie)果證(zheng)明，在动态场景数据集上，新方法比(bi)SOTA有明显改(gai)进。并且，还能應(ying)用于頗(po)具挑(tiao)戰(zhan)性的运动视频當(dang)中，此前的方法在这裏(li)都无法产生高质量的渲染。

6. Planning-oriented Autonomous Driving

作者：Yihan Hu，Jiazhi Yang，Li Chen，Keyu Li，Chonghao Sima，Xizhou Zhu，Siqi Chai，Senyao Du，Tianwei Lin，Wenhai Wang，Lewei Lu，Xiaosong Jia，Qiang Liu，Jifeng Dai，Yu Qiao，Hongyang Li

机构：上海人工智能实验室自动駕(jia)駛(shi)團(tuan)隊(dui)，武漢(han)大学，商汤

论文地址：https://arxiv.org/pdf/2212.10156.pdf

本文中，研究人员提出了一种全新的綜(zong)合框架——统一自动驾驶（UniAD）。通过将全棧(zhan)式的驾驶任(ren)務(wu)納(na)入一个网絡(luo)，该框架可以利用每个模塊(kuai)的优势，并从全局(ju)角度为智能体交互提供互補(bu)的特征抽(chou)象(xiang)。任务通过统一的查(zha)詢(xun)接口(kou)进行通信，从而促进彼(bi)此的规劃(hua)。

研究人员在具有挑战性的nuScenes基准上对UniAD进行了实例(li)化。消融(rong)实验显示(shi)，新方法在各个方面的性能都大大优于此前的SOTA。

7. DreamBooth: Fine Tuning Text-to-Image Diffusion Models for Subject-Driven Generation

作者：Nataniel Ruiz，Yuanzhen Li，Varun Jampani，Yael Pritch，Michael Rubinstein，Kfir Aberman

机构：谷歌，波(bo)士(shi)頓(dun)大学

论文地址：https://arxiv.org/pdf/2208.12242.pdf

在这項(xiang)工作中，研究人员提出了一种新的「个性化」文本到图像扩散模型的方法。

只(zhi)需输入少(shao)数几張(zhang)主(zhu)体的图片，就(jiu)可以微(wei)調(tiao)預(yu)训练的文本到图像模型，使其学會(hui)将獨(du)特的标識(shi)符(fu)与特定(ding)主体綁(bang)定。一旦(dan)将主体嵌(qian)入模型的输出域(yu)，就可以使用独特的标识符在不同场景中合成该主体的新的真实感图像。

通过利用模型中嵌入的語(yu)義(yi)先验以及新的自生类特定先验保留損(sun)失(shi)，新的方法使得在各种场景、姿态、视角和光照条件下(xia)合成主体成为可能，而这些条件在參(can)考(kao)图像中并未(wei)出现。

8. On Distillation of Guided Diffusion Models

作者：Chenlin Meng，Robin Rombach，Ruiqi Gao，Diederik Kingma，Stefano Ermon，Jonathan Ho，Tim Salimans

机构：斯坦福大学，Stability AI，慕(mu)尼(ni)黑(hei)大学，谷歌

论文地址：https://arxiv.org/pdf/2210.03142.pdf

无分类器指(zhi)导的扩散模型的一个缺点是(shi)，它们在推(tui)理時(shi)的计算成本很(hen)高，因(yin)为它们需要评估两个扩散模型，一个类别条件模型和一个无条件模型，需要数十(shi)到数百(bai)次。

为了解決(jue)这一局限(xian)性，研究人员提出了一种将无分类器指导的扩散模型提煉(lian)成快(kuai)速(su)采(cai)樣(yang)的模型的方法。

給(gei)定一个预先训练好(hao)的无分类器指导的模型，首先学习一个單(dan)一的模型来匹配合并的条件和无条件模型的输出，然后逐(zhu)步(bu)将该模型提炼成一个需要更(geng)少采样步驟(zhou)的扩散模型。

9. Visual Programming: Compositional visual reasoning without training

作者：Tanmay Gupta，Aniruddha Kembhavi

机构：艾(ai)伦人工智能研究所(suo)

论文地址：https://arxiv.org/pdf/2211.11559.pdf

研究人员提出了一种神经符號(hao)方法VISPROG，用于解决给定自然语言(yan)指令(ling)的复杂和组合性的视覺(jiao)任务。

VISPROG使用大型语言模型的非(fei)文本学习能力来生成类似(si)于python的模块化程(cheng)序(xu)，然后執(zhi)行这些程序以获得解决方案(an)和一个全面的、可解释的理由。

生成的程序的每一行都可以调用几个现成的CV模型、图像處(chu)理子(zi)程序或(huo)python函(han)数中的一个，以产生中间输出。

研究人员在4个不同的任务上展示了VISPROG的靈(ling)活(huo)性：组合式视觉问题回(hui)答(da)、图像对的零(ling)点推理、事(shi)实知识对象标簽(qian)和语言引导的图像编辑。

研究人员表示，像VISPROG这样的神经符号方法是一条令人興(xing)奮(fen)的途(tu)徑(jing)，可以輕(qing)松(song)有效地扩大人工智能系统的範(fan)圍(wei)，为人们可能希(xi)望(wang)执行的长尾(wei)复杂任务提供服(fu)务。

10. What Can Human Sketches Do for Object Detection?

作者：Pinaki Nath Chowdhury，Ayan Kumar Bhunia，Aneeshan Sain，Subhadeep Koley，Tao Xiang，Yi-Zhe Song

机构：薩(sa)里大学

论文地址：https://arxiv.org/pdf/2303.15149.pdf

草(cao)图，具有很强的表现力，本身就能捕捉到主观和細(xi)粒(li)度的视觉線(xian)索。然而，当前对草图这种先天屬(shu)性的探索僅(jin)限于图像檢(jian)索領(ling)域。

论文中，研究人员嘗(chang)试开发草图的表现力，而不是目标检测这一基本视觉任务。

研究人员首先对SBIR模型的草图和照片分支进行独立(li)提示，在CLIP的泛化能力的基礎(chu)上建立高度可泛化的Sketches和照片编碼(ma)器。

然后，研究人员设计了一个训练范式，使编码器適(shi)用于物体检测，这样，检测到的边界款(kuan)区域的嵌入，与SBIR的草图和照片嵌入对齊(qi)。

通过在标准目标检测数据集（如PASCAL-VOC和MS-COCO）上评估最新框架，可見(jian)在零样本设置上优于受監(jian)督(du)（SOD）和弱(ruo)监督目标检测器（WSOD）。

11. Data-driven Feature Tracking for Event Cameras

作者：Nico Messikommer，Carter Fang，Mathias Gehrig，Davide Scaramuzza

机构：蘇(su)黎(li)世大学

论文地址：https://arxiv.org/pdf/2211.12826.pdf

现有的事件相机特征跟(gen)蹤(zong)方法要麽(me)是人工制作的，要么是从第(di)一性原(yuan)理中推导出来的，但(dan)需要大量的参数调整，且对噪(zao)聲(sheng)敏(min)感，由于未建模的效应，无法泛化到不同的场景。

为了解决这些不足，研究人员引入了第一个数据驅(qu)动的事件相机特征跟踪器，该跟踪器利用低(di)延(yan)遲(chi)的事件来跟踪在灰(hui)度帧中检测到的特征。

通过直(zhi)接从合成数据无縫(feng)轉(zhuan)移(yi)到真实数据，新的数据驱动跟踪器在相对特征年(nian)齡(ling)上超过了现有方法高達(da)120%，同时也(ye)实现了最低的延迟。通过使用一种新的自监督策(ce)略(lve)讓(rang)跟踪器适应真实数据，这个性能差(cha)距(ju)进一步增(zeng)加(jia)到130%。

12. Integral Neural Networks

作者：Kirill Solodskikh，Azim Kurbanov，Ruslan Aydarkhanov，Irina Zhelavskaya，Yury Parfenov，Dehua Song，Stamatios Lefkimmiatis

机构：华为諾(nuo)亞(ya)方舟(zhou)实验室

论文地址：https://openaccess.thecvf.com/content/CVPR2023/papers/Solodskikh_Integral_Neural_Networks_CVPR_2023_paper.pdf

研究人员介绍了一个新的深(shen)度神经网络系列。研究人员使用了沿(yan)过濾(lv)器和通道维度的连續(xu)層(ceng)表征，而不是传统的网络层作为N维權(quan)重张量的表示。研究人员稱(cheng)这种网络为积分神经网络（INNs）。

特别是，INNs的权重被表示为定义在N维超立方体上的连续函数，而输入到各层的离散转換(huan)也相应地被连续的集成操(cao)作所取(qu)代。

在推理阶段，连续层可以通过数值(zhi)积分求积法转换为传统的张量表示。这种表示允(yun)許(xu)网络以任意(yi)大小和各种离散化间隔(ge)对积分核(he)进行离散化。

这种方法可用于直接在边緣(yuan)设備(bei)上对模型进行剪(jian)枝(zhi)，而在沒(mei)有任何(he)微调的情(qing)況(kuang)下，即使在高剪枝率下也只会有小的性能损失。

为了评估提出方法的实際(ji)效益(yi)，研究人员在多个任务上使用各种神经网络架构进行了实验。

报告(gao)结果显示，所提出的INNs实现了与传统的离散对应物相同的性能，同时能够在不进行微调的高剪枝率（高达30%）下保持大致(zhi)相同的性能（对于Imagenet上的ResNet18，精度损失为2%），而传统剪枝方法在相同条件下的准确性损失65%。

参考資(zi)料(liao)：

https://cvpr2023.thecvf.com/Conferences/2023/AcceptedPapers返(fan)回搜(sou)狐(hu)，查看(kan)更多

責(ze)任编辑：