最佳論文榮譽提名

獲獎論文：Towards Streaming Image Understanding

作者：Mengtian Li， Yu－Xiong Wang， and Deva Ramanan

機構：卡內基梅隆大學、阿爾戈 AI

簡介：具體化感知是指一個自主的主體感知其所處環境的能力，從而能夠（重新）行動。代理的響應在很大程度上取決于其處理管道的延遲。雖然過去的工作已經研究了算法在延遲和準確度之間的權衡，但是還沒有一個明確的指標來比較不同的方法沿著Pareto最優的延遲精度曲線。

作者指出了標準離線評估和實時應用程序之間的一個差異：當一個算法完成對特定圖像幀的處理時，周圍的世界已經發生了變化。為了達到這些目的，作者提出了一種方法，將延遲和準確度統一到一個用于實時在線感知的指標中，我們稱之為“流式準確性”。此度量背后的關鍵見解是在每個時刻聯合評估整個perception堆棧的輸出，迫使堆棧考慮在進行計算時應忽略的流數據量。更廣泛地說，基于這個度量，作者引入了一個元基準，它系統地將任何圖像理解任務轉換為流圖像理解任務。針對城市視頻流中的目標檢測和實例分割，提出了一種具有高質量和時間密集注釋的數據集。

本文提出的解決方案及其實證分析證明了許多令人驚訝的結論：

（1）在帕累托最優延遲精度曲線上存在一個使流媒體準確性最大化的最佳“最佳點”（sweet spot）

（2）異步跟蹤和未來預測自然而然地成為流媒體圖像的內部表示形式理解

（3）動態調度可以用來克服時間混疊，產生一個矛盾的結果，即延遲有時被閑置和“無所事事”最小化。

論文第一作者 Mengtian Li 是一位來自卡內基梅隆大學機器人研究所的博士生，曾獲得南京大學學士學位。他的研究興趣是計算機視覺和機器學習，特別對資源受限的深度學習和推理感興趣。

獲獎論文：NeRF： Representing Scenes as Neural Radiance Fields for View Synthesis

作者： Ben Mildenhall， Pratul P． Srinivasan， Matthew Tancik， Jonathan T． Barron， Ravi Ramamoorthi， Ren Ng

機構：加州大學伯克利分校、谷歌研究中心、加州大學圣地亞哥分校

簡介：本文提出了一種通過使用稀疏輸入視圖集優化底層連續體積場景函數來獲得合成復雜場景新視圖的最新結果的方法。作者的算法使用一個完全連接（非卷積）的深網絡來表示場景，其輸入是一個連續的5D坐標（空間位置（x，y，z）和觀察方向（θ，φ）），其輸出是該空間位置的體積密度和視景相關的發射輻射。本文通過查詢沿相機光線的5D坐標來合成視圖，并使用經典的體繪制技術將輸出的顏色和密度投影到圖像中。因為體繪制是自然可微的，所以優化表現的唯一輸入是一組已知相機姿勢的圖像。作者描述了如何有效地優化神經輻射場，以渲染具有復雜幾何和外觀的真實感場景的新視圖，并展示了優于先前神經渲染和視圖合成的結果。

Koenderink 獎

Koenderink 獎是來表彰十年對計算機視覺領域做出巨大貢獻的經典論文。今年 Koenderink 獎授予以下兩篇論文：

獲獎論文：Improving the Fisher Kernel for Large－Scale Image Classification

簡介：Fisher 內核（FK）是一個通用框架，它結合了生成和區分方法的優點。在圖像分類的背景下，FK 被證明超越了計數統計，擴展了流行的視覺單詞包（BOV）。然而，在實踐中，這種豐富的代表性還沒有顯示出它優于 BOV。

在第一部分中，作者展示了在原始框架的基礎上，通過一些動機良好的修改，可以提高 FK 的準確性。在 PASCAL VOC 2007 上，將平均精度（AP）從 47．9％ 提高到 58．3％。同樣，作者在 CalTech 256 上展示了最先進的精確度。一個主要的優點是這些結果只使用 SIFT 描述符和無代價線性分類器獲得。有了這種表示法，現在可以在更大范圍內探索圖像分類。

在第二部分中，作為一個應用，作者比較了兩個豐富的標記圖像資源來學習分類器：ImageNet 和 flickrgroups。在一項涉及數十萬個訓練圖像的評估中，作者發現在 Flickr 組中學習的分類器表現得出奇地好（盡管它們并不是用于此目的），而且它們可以補充在更仔細注釋的數據集上學習的分類器。

獲獎論文：Brief：Binary robust independent elementary featueres

簡介：作者建議使用二進制字符串作為一個有效的特征點描述符，稱之為 BRIEF。本文表明，即使使用相對較少的比特，它仍然具有很高的分辨力，并且可以通過簡單的強度差分測試來計算。此外，可以使用漢明距離來評估描述符相似度，這是非常有效的計算，而不是像通常所做的 L2 范數。因此，BRIEF 的構建和匹配都非常快。作者將其與標準基準測試中的 SURF 和 U－SURF 進行了比較，結果表明它產生了相似或更好的識別性能，而運行時間只需其中一個的一小部分。