機器之心報道
機器之心編輯部
你上榜了嗎？
放榜了！
在短短幾分鐘，朋友圈已經被 CVPR 2022 論文接收結果公布的消息刷屏。
作為人工智能領域的頂級會議，CVPR 每年都會吸引大量研究機構和高校參會，投稿量在去年 11 月臨近 deadline 時迅速超過了一萬——上屆 CVPR 2021 的有效投稿數還「僅有」7500 篇。創新高的投稿數引發了審稿壓力，截止 1 月 25 日，共有 6427 位審稿人給出了 25801 個評審意見，包括 2104 位緊急審稿人的 3066 個緊急評審意見。
今天上午，CVPR 官方放出了今年大會接收的論文 ID。機器之心統計，有 2067 篇論文被接收。
論文接收 ID 清單：https://drive.google.com/file/d/15JFhfPboKdUcIH9LdbCMUFmGq_JhaxhC/view
在 meta review 之後，本屆的最終論文接收結果将在一到兩天後公布。
恭喜上榜的同學！
在歡呼并開始自我宣傳的同時，也有人第一時間進行了本屆接收論文的統計分析，看起來越早送出論文越好：
顯然，越早送出的同學，通常研究完成度較高，沒有趕 deadline 時的倉促。
今年的投稿也給人帶來了一些經驗教訓。
早在去年 10 月，CVPR 官方就釋出了重要通知：按照計劃，從 2021 年 10 月 19 日到 2022 年 3 月 2 日為社交媒體靜默期。在此期間，任何由作者主動發起的對論文的社交媒體宣傳都被視為違反政策。
今天結果發下來，确實也有因為自行宣傳投稿而被拒的情況出現。有論文作者在社交軟體上表示，之前自己組裡學生三個 weak accept 的工作 做了宣傳頁，并把 demo 上傳了 YouTube，結果一封拒信發來：
這項規定的宗旨是解決同行評審過程中，因為作者機構被曝光後産生的偏見問題，雖然有人（比如 AI 先驅 Yann LeCun）表示反對，認為會影響前沿技術的傳播速度，但目前看來 CVPR 會方執行得非常嚴格。
不過需注意，把論文發到預印版論文平台 arXiv 上，再用推特轉發連結，或者是其他人在讨論，都是不違反規定的。
最大懸念：Masked Autoencoders 能否奪得最佳論文？
2021 年 11 月，何恺明時隔兩年釋出了一作論文《Masked Autoencoders Are Scalable Vision Learners》，當時上傳到 arXiv 才不到半天，就登上了知乎熱榜。
當時社交網絡上就有一些讨論表示，這篇論文說不定能「預定」CVPR 2022 的最佳。一方面是因為 MAE 研究的确是按照 CVPR 格式上傳的，同時也是因為 Masked Autoencoders 确實是一項很有品質的工作。這篇論文也是在太平洋時間 11 月 16 日的 CVPR 2022 論文送出截止時間之前上傳的。
論文連結：https://arxiv.org/abs/2111.06377
這篇論文展示了一種被稱為掩蔽自編碼器（masked autoencoders，MAE）的新方法，可以用作計算機視覺的可擴充自監督學習器。MAE 基于兩個核心理念：研究人員開發了一個非對稱編碼器 - 解碼器架構，其中一個編碼器隻對可見的 patch 子集進行操作（沒有掩蔽 token），另一個簡單解碼器可以從潛在表征和掩蔽 token 重建原始圖像。
研究人員進一步發現，掩蔽大部分輸入圖像（例如 75%）會産生重要且有意義的自監督任務。結合這兩種設計，我們就能高效地訓練大型模型：提升訓練速度至 3 倍或更多，并提高準确性。
作者認為，這種可擴充方法允許學習泛化良好的高容量模型：例如在僅使用 ImageNet-1K 資料的方法中，vanilla ViT-Huge 模型實作了最佳準确率 (87.8%)。在下遊任務中的傳輸性能優于有監督的預訓練，并顯示出可觀的擴充能力。
Masked Autoencoders 提出了一種泛化性能良好的計算機視覺識别模型，有望為 CV 的大模型帶來新方向，被寄予「獲得最佳論文」的厚望也在情理之中。但獲獎對于何恺明應該不是最重要的事，畢竟他已經多次獲得 CVPR 獎項：包括 2009 年 CVPR 的 Best Paper，2016 年又獲 Best Paper。
時隔六年，恺明大神會再度摘得最佳論文獎嗎？一切都是懸念。