mingzhangqiang

mingzhangqiang

PRCV2019-day3

2019年11月10日,PRCV2019第三天的精彩报告如约而至。下面笔者将对听取的部分报告作简要介绍。 1. 主题报告   首先是由Marr奖获得者,加拿大多伦多大学的Kyros Kutulakos教授带来题为《Transport-Aware Cameras》的主题报告。由于常规相机只会记录所有入射到传感器上的光,而不关心到达该传感器的路径。在本次报告中,Kyros教授介绍一种可编程的新型摄像机,根据实际3D路径来记录来自可控光源的一小部分光,这样可以选择性地阻止或增强折射和散射,所以将其称为“可感知传输”的相机。再根据其独特的光学特性和能效,以及它们在3D形状采集成像,可透过皮肤或拐角处观察。最后讨论“可感知传输”相机在室外低功率的直射阳光下也能稳定运行。 »

PRCV2019-day2

2019年11月09日,PRCV2019正式开幕。主持人首先对大会情况以及与会嘉宾做了简要介绍,之后由谭铁牛院士致开幕辞。下面笔者将对主题报告、邀请报告、论文选读和专题论坛四个部分作简要介绍。 谭铁牛院士致开幕辞 1. 主题报告   虽然深度学习方法在各种计算机视觉任务上能够体现较好的性能,但大多数情况下任务和数据分发都是固定的,不能够提供一个持续的自学习模型。此外在现实世界中,数据分布可能会随时间变化,任务规范性也随时间变化(例如需要添加的新类别或新功能)。为此比利时鲁汶大学的Tinne Tuytelaars教授带来题为《Keep on Learning》的主题报告,详细介绍他们实验室在这个方向上的一些最新成果。她提出持续或增量学习不是研究每次条件变化都需要重新训练整个模型,而是在不访问旧数据的情况下, »

PRCV2019-day1

2019年11月08日下午,PRCV2019在两个会议厅举办了四场关于机器学习和计算机视觉相关的前沿理论和技术的讲习班。笔者主要对《鲁棒和可解释人工智能》和《大规模深度人脸生成与分析》两场报告作简要介绍。 1. 鲁棒和可解释人工智能   近年来,尤其是以深度学习为代表的新一代人工智能算法的兴起,在图像处理、语音识别、机器翻译等诸多领域取得一系列重要突破,极大地提高了当前人工智能算法的性能,但是这类模型通常:   1)被当作一个黑盒子使用,难以被用户理解;   2)鲁棒性不足,容易被人眼不易识别的对抗样本所欺骗。   这些都给人工智能模型的部署和应用带来了障碍。如何提高模型的鲁棒性和可解释性,发展对人可信的人工智能技术,是当前以及未来人工智能领域的研究热点和难点。 »