由中国图象图形学学会和腾讯高校合作主办、中国图象图形学学会视觉大数据专委会承办的“ECCV 2018 China Pre-Conference论文宣讲研讨会”于7月30日在深圳腾讯大厦顺利举办。150余位来自学界、工业界的研究人员参与了本次研讨会。会议日程包含12篇论文口头报告,20篇论文海报展示,并邀请到多位业界专家开展题为“计算机视觉的今天与明天,城内与城外”的圆桌论坛,分享各自在计算机视觉领域的最新研究结果和相关技术观点。

 

大会伊始,上海交通大学研究员严骏驰主持了开幕仪式。腾讯高校合作副总监黄婷婷代表腾讯向与会嘉宾致欢迎辞。 

▲  上海交通大学特别研究员严骏驰

▲  腾讯高校合作副总监黄婷婷

 

观点:计算机视觉的今天与明天,城内与城外

 

上午,上海交通大学严骏驰研究员主持了题为“计算机视觉的今天与明天,城内与城外”的圆桌讨论,6位担任顶级学术会议领域主席的专家学者就计算机视觉领域研究中的热门问题给出了各自的见解,并分享写作经验和rebuttal技巧。

▲  (左起)严骏驰(上海交通大学);郑伟诗(中山大学);于仕琪(深圳大学);徐雪妙(华南理工大学);戴宇荣(腾讯);张兆翔(中科院自动化所);王乃岩(图森未来)

6位计算机视觉领域资深专家分别对:在做研究过程中,学术界与工业界有何差异?中国企业的研究和国外企业的研究有什么区别?近年很多成果来自于深度学习,应该如何看待其他技术路线?深度学习推动的很多应用,下一个会比较热门的领域是哪个?针对顶级会议和期刊的论文投稿Tips以及rebuttal 有何注意事项等焦点问题进行了精彩分享。

Q&A

问题一:在做研究过程中,学术界与工业界有什么差异?

王乃岩认为学术界主要考虑的是如何提高Performance和速度,而工业界主要考虑的是如何通过产品实现业务的盈利,工业界较学术界的优势是可以多途径获取较多的数据。

徐雪妙和郑伟诗补充到,学界的研究过程主要是问题的提出、问题的探索、技术的成长以及行业的探索。如果研究进入技术成熟期的话,则更多的由工业界主导,二者互相促进共同发展。

张兆翔提到学术界与工业界各自的定位不同。工业界会寻求最大市场价值,而学术界最重要的是培养学生,构建更好的人才生态,推动技术的进步。

 

问题二:关于中国企业的研究和国外企业的研究有什么区别?

几位专家指出,国外的企业相较而言愿意投更多的资源去布局更加长线的研究课题,也更看重学术论文的质量,评价体系与指标因其发展时间较长,所以相较国内更成熟。国内的企业由于所处的经济发展阶段不同,成立时间较短,在底层核心技术方面积累比较欠缺,更多是在产品应用层面的快速创新与迭代,在基础研究的投入和水平与国外还是存在一定的距离,还需更多的努力。但不可否认国内富有一些创新性的企业成长速度很快。

 

问题三:近年很多成果来自于深度学习,应该如何看待其他技术路线?

张兆翔和郑伟诗提到,深度学习取得了很大的突破,不可否认,确实是目前最好的技术手段,但无论工业界还是学术界,基础理论都没有取得突破和创新,未来的研究和应用还需要其他技术路线支撑。

戴宇荣分析到深度学习是基于数据驱动,对世界场景的先验认识,无法加入到数据中。是否能够借鉴传统,结合到深度学习中,达到一个新的台阶,是一个值得大家思考的问题。现在大部分学生就只会深度学习,而忽视了传统的方法。因为最难研究的不是深度学习,而是一些传统的算法,传统技术与深度学习结合的是一个好的思路。

 

问题四:深度学习推动的很多应用,下一个会比较热门的领域是哪个?

戴宇荣和徐雪妙认为深度学习现在应用于很多场景,例如自动驾驶、安防、智能家居、图像搜索、医疗等,能不能成为热门领域,主要还取决于应用是否和人产生联系。

于仕琪与徐雪妙则认为其实传统行业发展潜力很大,国内生产过程自动化还未成熟,比如现在生产的最后一步质量检测,基本是人来检测,如何利用人工智能技术来实现传统行业的升级,还是有很大的空间可以做,同时也有很多困难需要突破,更需要深入了解行业的特点与需求。

 

问题五:针对顶级会议和期刊的论文投稿Tips以及rebuttal 有何注意事项?

总结各位专家的观点与建议如下:

※ 投刊时需要注重实验,有自己的创新点,比较自己的工作和已发表最好的结果相比较有何创新?有何提升?有何改进 。

※ 在论文中抽象概念用图生动表示,数据用图表表示,最好有figure、table等。

※ 在rebuttal时做到有理有据,针对不同类型的reviewer,也考验学者的灵活应变能力。reviewer批评中肯的话大胆承认,补充实验来解释。

 

海报与交流环节

本次论文预宣讲会共邀请到20篇论文以海报形式展示:

▲  与会嘉宾海报展示与交流

▲  嘉宾在腾讯大厦展厅参观

 

论文口头报告-12篇