2017 错过CVPR 绝对不能错过GAIR大讲堂 (错过了2020)

CVPR（国际计算机视觉与模式识别会议）是IEEE 举办的年度学术性会议，会议主要关注计算机视觉与模式识别等方面的技术内容。在各种学术会议统计中，CVPR 有着非常强的影响力和高排名。在美国夏威夷刚刚结束的CVPR 2017大会上，学术界和工业界都给予了极高的关注度，无论是收录的论文数和参会人数都刷新了CVPR 的历史纪录。

8月12日下午，由雷锋网主办的“Gair大讲堂CVPR 上海交大专场”将在上海交通大学正式开幕。作为雷锋网旗下高端学术分享品牌，GAIR 大讲堂将通过举办高频次的线下校园学术分享活动，实现学术专家、AI业者与学校同学们之间的深度交流。本次活动中，雷锋网特地邀请5位CVPR 2017的前方论文讲者，邀请他们讲解各自的论文，同时分享CVPR 的参会心得。相信5位学术青年原汁原味的分享，将会为大家带来关于CVPR 更生动的介绍。

活动概况

主办方 ：雷锋网

合作单位 ：上海交通大学、AI研习社、阿里AI 实验室、AI MOOC 学院

指导单位 ：中国计算机学会（CCF）

合作媒体 ：AI科技评论

时间 ：8月12日下午2：00-6：30

地点 ：上海交通大学（闵行校区）电信三号楼200号报告厅

活动流程

2:00-2:05 主办方介绍本次活动

2:05-2:15 校方领导致辞

2:15-2:55MIT EECS系三年级博士生 吴佳俊

分享主题：用于从单张图像中重建三维物体的点云生成网络

A Point Set Generation Network for 3D Object Reconstruction from a Single Image

2:55-3:35 阿里巴巴人工智能实验室资深算法工程师 汪洋

分享主题：Contextual Attention-based Memory Networks for Scene Labeling

3:35-4:15 上海交通大学研究生 杨蕊

分享主题：Video Segmentation via Multiple Granularity Analysis

4:15-4:30 现场休息

4:30-5:10 上海交通大学研究生 林天威

分享主题：Single Shot Temporal Action Detection

5:10-5:50 上海交通大学博士生 王敏思

分享主题：Recurrent Modeling of Interaction Context for Collective Activity Recognition

5:50-6:20 现场统一提问问答

6:20 活动结束

嘉宾介绍

吴佳俊，MIT EECS系三年级博士生，导师Bill Freeman教授和Josh Tenenbaum教授。 他的研究兴趣在于计算机视觉，机器学习，和计算认知科学的交叉。 在此之前，他于2014年在清华大学交叉信息院获得学士学位。 他曾在微软，Facebook和百度的研究实验室实习。

主题：A Point Set Generation Network for 3D Object Reconstruction from a Single Image （用于从单张图像中重建三维物体的点云生成网络）

分享内容 ：通过深层神经网络生成三维数据在学术界越来越受到关注。现存的大多数方法都采取常规的三位数据表示，例如三位体素或图像集合。在这篇CVPR文章里，作者试图从单张图像中直接生成三维点云坐标，并进行三维重建。作者针对问题设计了相应的神经网络架构，损失函数和学习范式。实验结果也证明了所提出的方法的良好性能。

汪洋，阿里巴巴人工智能实验室资深算法工程师。2014年毕业于电子科技大学电子工程学院，期间研究方向为信号与信息处理。同年加入阿里巴巴，先后从事数据挖掘、机器学习、计算机视觉等方面的工作，目前主要研究兴趣为目标检测与跟踪、语义分割以及深度网络压缩与加速等。

主题：Contextual Attention-based Memory Networks for Scene Labeling（上下文注意力机制记忆网络在场景标记中的应用）

分享内容 ：场景标注旨在解决的问题是预测图像每个像素所属的类别，实际上它可视为一个序列到序列的预测任务。因此，如何充分利用相关上下文信息是提高标注效果的关键所在。论文提出了一种Episodic CAMN方法，并在该方法的基础上定义了一种由全卷积神经网络（Fully Connected Network，FCN）和带有反馈连接的注意力机制记忆网络（Attention-based Memory Network with Feedback Connections）构成的统一框架来实现上下文信息的选择和调整。在PASCAL Context，SIFT Flow和PASCAL VOC 2011等场景标注数据集上进行一系列评测，取得了不错的效果。

杨蕊，上海交通大学研究生。

主题：Video Segmentation via Multiple Granularity Analysis（基于多粒度分析的视频分割）

分享内容 ：视频目标分割是指讲视频中的目标物体在每一帧中沿轮廓进行分割。采用一个多粒度框架可以通过从粗到细的方式对视频进行精准分割。视频分割可以被理解为一个时序上的超像素打标过程，在精准的视频跟踪技术的帮助下，时空上的多实例学习算法可以将超像素进行二分类，并紧接着用图割的方式在像素级别进行细化，最终实现准确的分割。

林天威，上海交通大学自动化系计算机视觉实验室的研一学生，导师为赵旭老师。主要关注计算机视觉，深度学习，视频分析等方向的工作，主要研究视频动作分析领域中的时序动作检测问题。

主题： Single Shot Temporal Action Detection（单镜头时序行为检测）

分享内容 ：时序行为检测是要在视频序列中确定动作发生的时间区间（包括开始时间与结束时间）以及动作的类别。与其关系紧密的一个领域是基于图像的物体检测（object detection），物体检测是检测物体在图像中的位置，包括长和宽两个维度，而时序行为检测则只需要确定时间维度上动作的位置。本论文投稿于ACM multimedia 2017

王敏思，上海交通大学博士生。

主题：Recurrent Modeling of Interaction Context for Collective Activity Recognition（通过对互动信息的递归建模来进行群体行为识别）

分享内容 ：群体行为识别旨在判断场景中整个人群的行为。群体行为通常包括多个层次的互动信息（Interaction Context），包括单个人的运动信息，局部群组内人与人的互动信息，以及局部组群与组群之间的互动信息。针对此现象，论文提出了一个基于多层次递归神经网络的群体行为识别算法，该算法在每个层次的互动信息建模中，使用LSTM节点，低级层次的信息会聚后作为高级层次的信息节点输入，主要分为person-level，group-level, scene-level三个不同层次的LSTM。最终通过多层次的LSTM结构，实现跨层次的群体行为识别。该方法在群体行为数据库Collective-Activity获得了目前很好的识别精度。

以上就是本次活动的简要介绍，想要近距离了解更多论文投稿细节，就快来报名参会吧。 另外，本次活动全程免费，现场还有送书活动，奖品就是最近卖到脱销的《Deep Learning》一书。还等什么？扫描下方活动海报二维码即可报名参加，也可以点击 活动链接 报名。

原创文章，未经授权禁止转载。详情见 转载须知 。

上一篇：why2017最佳论文作者解读CVPRCVPRDenseNet

下一篇：2017精彩论文解读综合使用多形态核磁共振数