cvpr（学术性会议）

cvpr

学术性会议

CVPR是IEEE Conference on Computer Vision and Pattern Recognition的缩写，即IEEE国际计算机视觉与模式识别会议。国际计算机视觉与模式识别会议（CVPR）是IEEE一年一度的学术性会议，会议的主要内容是计算机视觉与模式识别技术。CVPR是世界顶级的计算机视觉会议（三大顶会之一，另外两个是ICCV和ECCV），近年来每年有约1500名参加者，收录的论文数量一般300篇左右。

简介

国际计算机视觉与模式识别会议（CVPR）是IEEE一年一度的学术性会议，会议的主要内容是计算机视觉与模式识别技术。CVPR是世界顶级的计算机视觉会议（三大顶会之一，另外两个是ICCV和ECCV），近年来每年有约1500名参加者，收录的论文数量一般300篇左右。第一届CVPR会议于1985年在旧金山举办，后面每年都在美国本土举行。

近几年录取率25%左右，自2001年开始每年在会议上进行演讲的论文[oral]通过率锐减为10%以下，2006年这一数字以来更是低于5%（一个重要原因是由于论文数量过多，大部分的6~8页长篇论文在会议期间只要求做海报[poster]展示）。在各种学术会议统计中，cvpr被认为有着很强的影响因子和很高的排名。

举办地

第一届CVPR会议于1983年在华盛顿由金出武雄和Dana Ballard举办，此后每年都在美国本土举行。会议一般在六月举行，而举办地通常情况下是在美国的西部，中部和东部地区之间循环。例如，2013年该会议在波特兰召开。而2014年有超过1900人参加了在哥伦比亚举办的会议。而接下来的2015,2016和2017年，该会议分别于波士顿，拉斯维加斯和夏威夷举办。

会议概况

CVPR有着较为严苛的录用标准，会议整体的录取率通常不超过30%，而口头报告的论文比例更是不高于5%。而会议的组织方是一个循环的志愿群体，通常在某次会议召开的三年之前通过遴选产生。

CVPR的审稿一般是双盲的，也就是说会议的审稿与投稿方均不知道对方的信息。通常某一篇论文需要由三位审稿者进行审读。最后再由会议的领域主席(area chair)决定论文是否可被接收。

在各种学术会议统计中，CVPR被认为有着很强的影响力和很高的排名。目前在中国计算机学会推荐国际学术会议的排名中，CVPR为人工智能领域的A类会议。在巴西教育部的排名中排名为A1。基于微软学术搜索(Microsoft Academic Search)2014年的统计，CVPR中的论文总共被引用了169,936次。

香港中文大学教授汤晓鸥率领的团队在全球范围内做出了大量深度学习原创技术突破：2012年国际计算视觉与模式识别会议（CVPR）上仅有的两篇深度学习文章均出自其实验室。

2011—2013年间在计算机视觉领域两大顶级会议ICCV和CVPR上发表了14篇深度学习论文，占据全世界在这两个会议上深度学习论文总数（29篇）的近一半。他在2009年获得计算机视觉领域两大最顶尖的国际学术会议之一CVPR最佳论文奖，这是CVPR历史上来自亚洲的论文首次获奖。

CVPR是由世界上最大的非营利性专业技术学会IEEE（电气电子工程师学会）举办。IEEE致力于电气、电子、计算机工程和与科学有关的领域的开发和研究，在航空航天、信息技术、电力及消费性电子产品等领域，已制定了900多个行业标准，是具有较大影响力的国际学术组织。

作为世界上顶级的学术会议，CVPR每年吸引数以千计的公司及机构。会议收录的论文均代表着人工智能领域的最新发展及领先的技术水平，入选单位通常都是世界一流大学、研究机构和顶尖企业，如牛津大学、麻省理工学院、微软亚洲研究院、谷歌、脸书等。

中国计算机学会（CCF）推荐的A类国际学术会议CVPR 2021论文接收结果公布。中国人民大学高瓴人工智能学院师生有5篇论文被录用。国际计算机视觉与模式识别会议(Conference on Computer Vision and Pattern Recognition，简称CVPR)是计算机视觉会议的世界三大顶会之一(另外两个是ICCV和ECCV)，于每年6月举办。

2021年CVPR共有7015篇有效投稿，其中进入Decision Making阶段的共有5900篇，最终有1663篇突出重围被接收，录用率约为23.7%。

其中可以看到，在计算机视觉与模式识别领域，CVPR是影响力最大的论文发布平台。CVPR全称为「IEEE Conference on Computer Vision and Pattern Recognition」（计算机视觉与模式识别会议），是近年来计算机视觉领域全球最影响力、内容最全面的顶级学术会议，由专业技术学会IEEE（电气和电子工程师协会）主办。

不仅在学术领域，随着深度学习在图像处理领域的应用热潮，越来越多的业界研究机构也在将目光投向CVPR，从数量众多的大会赞助商中，我们就可以感受到这一活动的关注度之高。在漫长的等待之后，本届大会已于2017于7月21日在美国夏威夷开幕，并将举行至7月26日。

作为领域内具有权威性的会议，VPR共收到有效提交论文2680篇，其中2620篇论文经过完整评议，最终总计783篇被正式录取（占总提交数的29%）。被接收的论文中，71篇将进行长口头演讲，144篇进行短亮点演讲。

华人不仅占据了论文作者的半壁江山，国内众多人工智能公司也已摩拳擦掌要在CVPR大会上大显身手了。本文中，我们将盘点国内外人工智能公司在CVPR 2017上展现的技术，以及即将举办的精彩活动。文后我们附上了机器之心此前报道过的CVPR 2017论文。CVPR 2021 invites you to become a Sponsor on the CVPR 2021 Virtual Platform.

产业界CVPR 2017论文

有众多业界公司参与了CVPR 2017。据大会官网的数据统计，全球共有约90家企业参与到本次大会中。海外科技巨头谷歌、微软、Facebook、亚马逊、苹果、英特尔、英伟达等，毫无意外都有论文被接收。即使是最为低调的苹果，在日前新开的在线期刊《Apple Machine Learning Journal》中，最先介绍的也是该公司将在CVPR 2017大会上展示的论文。

把目光转向国内公司，腾讯、阿里巴巴、京东、滴滴等大型互联网公司，和商汤、Momenta、驭势、格灵深瞳等初创企业也都或多或少地参与了这次大会。国内公司不仅提交论文，也在会议期间举办演讲和各类活动，中国公司在机器学习领域的积累正在逐渐显现。

据机器之心了解，微软有28篇论文被CVPR 2017接收，其中微软亚洲研究院有18篇论文被接收。此外，微软全球执行副总裁沈向洋将在大会上发表主旨演讲

在6月16日北京中关村微软大厦举办的微软亚洲研究院创研论坛――CVPR 2017论文分享会上，微软亚研的研究员已经分享了数篇被CVPR 2017接收的论文：

论文：StyleBank: An Explicit Representation for Neural Image Style Transfer

简介：作者们在这一设计中运用卷积神经网络作为基础，在通过卷积作用得到特征层后，加入风格化分支――StyleBank层作相应处理，可以得到很好的图像效果。

论文：Incorporating Copying Mechanism in Image Captioning for Learning Novel Objects

简介：微软亚洲研究院姚霆的相关研究成果为Image Captioning with Attributes，通过利用属性（attributes）对图像标注进行改进，这种方法有很大的潜力可以成为生成开放性词汇句子（open-vocabulary sentences）的有效方法。这种以搜索为基础的方法，应用卷积神经网络加循环神经网络，可以使图像标注系统更加实用。

论文：Collaborative Deep Reinforcement Learning for Joint Object Search

简介：作者们提出了一种新的多智能体间的Q-学习的方法，即门控选通式连接（gated cross connections）的深度Q网络――给交流模块设计一个门控结构，可以让每个智能体去选择相信自己还是相信别人。这是一种对虚拟智能体进行联合训练的高效方法。它有效地利用了相关物体间的有用的上下文情境信息（contextual information），并且改进了目前最先进的主动定位模型（active localization models）

论文：Neural Aggregation Network For Video Face Recognition

简介：传统的深度学习方法在进行人脸识别时需要对每一帧都进行特征提取，这样的效率是很低的。而NAN网络可以对视频或目标对象进行高度紧凑（highly-compact）的表征（128-d）；利用注意力机制（attention mechanism）进行学习型聚合（learning-based aggregation）；这种网络在三个关于人脸视频的基准中都有着一流的表现。作者认为这种聚合网络是简单并且通用的，今后也会用于其它一些视频识别的任务当中。

在微软众多被接收的论文中，我们注意到一篇Oral论文：Look Closer to See Better: Recurrent Attention Convolutional Neural Network for Fine-grained Image Recognition，介绍了一种端到端，逐层集中Attention到有用位置的方法。该研究作者为微软亚研研究员梅涛等人。大会期间，该团队将上台进行12分钟的演讲，详细介绍此项研究成果。

参考资料

1.EXPO·CVPR