年度計算機視覺和模式識别盛會CVPR（Conference on Computer Vision and Pattern Recognition）在美國鹽湖城開幕啦！
據統計，本屆大會有超過3309篇大會論文投稿，接收979篇論文。
面對如此多的論文評審任務，CVPR 2018 采用了多線程多論文并行的模式，最後頒布了五大獎項，分别是：最佳論文、最佳學生論文、提名論文、PAMI年輕學者獎、PAMI Longuet-Higgins Prize。
Tübingen大學教授Andreas Geiger與Facebook研究科學家何恺明獲得本屆大會的PAMI年輕學者獎。
最佳論文
最佳論文的獲得者來自斯坦福大學和加州伯克利大學，他們分别是：Amir R. Zamir, Alexander Sax, William Shen, Leonidas J. Guibas, Jitendra Malik, Silvio Savarese。
這篇文章定義了一個新的任務，針對在視覺内的遷移學習，并提出了一個非常大的資料庫，定義的任務是這樣的：視覺任務類目很多，隻針對某個問題來解決的話，會需要很大的标注的資料集，是以一個視覺任務的解決應該能夠一定程度的解決另一個視覺任務，畢竟一個成熟模型的建構意味着對該圖像的一定的了解，而這部分的了解的一部分或許對另一個任務有助益，例如，物體之間的互相聯系對深度資訊的學習毫無疑問有幫助。
最佳學生論文
最佳學生論文的獲得者來自卡内基梅隆大學的Hanbyul Joo以及 Facebook Reality Labs的Tomas Simon和Yaser Sheikh。
這篇題為《完全捕捉：一個用于追蹤臉、手、身體姿态的3D變形模型》論文提出了一種統一的變形模型，可以全方位捕捉人體的運動，包括面部表情和手勢等等。論文中也提出“Frank”的概念，即人類身體不同部位分别的模組化結果局部拼合起來就生成了一個初始模型。
此模型可以通過一個無縫的模型對身體各個部位的動作進行充分的表達，包括面部和手部。論文作者還建立了資料集，其中包含了人們日常着衣的資料，并對Frank模型進行了優化，得到Adam，這是一個經過校準的模型，它和最初的Frank模型具有同樣的結構層次，但該模型具有簡單的參數。最後，論文作者對模型的效果進行了展示，它可以同時捕捉一群人的大尺度身體動作以及微小的臉部和手部動作。
提名論文
共四篇，分别是：
Deep Learning of Graph Matching
作者：Andrei Zanfir, Cristian Sminchisescu
這篇文章提出了一個端到端的深度學習模型，它可以學習圖形比對過程的所有參數，包括一維和成對的節點鄰域，表現為為深度特征提取層次結構。
SPLATNet: Sparse Lattice Networks for Point Cloud Processing
作者：Hang Su, Varun Jampani, Deqing Sun, Subhransu Maji, Evangelos Kalogerakis, Ming-Hsuan Yang, Jan Kautz
本文提出了一個處理點雲的網絡體系結構，該體系結構直接作用于高維格中稀疏樣本點的集合。
CodeSLAM — Learning a Compact, Optimisable Representation for Dense Visual SLAM
作者：Michael Bloesch, Jan Czarnowski, Ronald Clark, Stefan Leutenegger, Andrew J. Davison
本文提出了一種新的場景幾何學的緊湊而密集的表示，它以單個圖像的強度資料為條件，由一個少量參數組成的代碼生成。
Efficient Optimization for Rank-Based Loss Functions
作者：Pritish Mohapatra, Michal Rolínek, C.V. Jawahar, Vladimir Kolmogorov, M. Pawan Kumar
本文提出了一種新的快速排序算法，用于求解一類不可分解的損失函數。
原文釋出時間為：2018-06-20
本文作者：文摘菌
本文來自雲栖社群合作夥伴“
大資料文摘”，了解相關資訊可以關注“
”。