旷视研究院AAAI2023入选论文亮点解读

　　近日，国际人工智能顶级会议AAAI2023（AssociationfortheAdvancementofArtificialIntelligence）公布了录用结果。本届会议共收到来自全球的8777篇论文投稿，其中1721篇论文被录用，论文录用率为19。6。
　　AAAI是由国际人工智能促进协会主办的年会，是人工智能领域中历史最悠久、涵盖内容最广泛的国际顶级学术会议之一，也是中国计算机学会（CCF）推荐的A类国际学术会议。本届会议旷视研究院被收录的论文涵盖3D重建、多目标跟踪、视觉语言多模态、3D检测、图像对齐等方向，下面是入选论文概览：
　　01hrSemisupervisedDeepLargebaselineHomographyEstimationwithProgressiveEquivalenceConstraint
　　基于渐进式等价约束的半监督深度大基线单应性矩阵估计
　　在大基线（largebaseline）场景中，由于图像间的重合度低以及相对运动大使得单应性矩阵很难直接估计。为此，我们提出一种渐进式的估计策略，将largebaseline单应性矩阵转换为多个中间项，将中间项累积相乘就可以重建初始单应性矩阵。我们引入了一种半监督的单应性一致损失，包括用于优化中间项单应性矩阵的有监督项和基于累积重构在不使用光度损失的情况下优化largebaseline单应性矩阵的无监督项。同时，我们提出了一个大规模的数据集，涵盖了常规和挑战性场景。
　　所属领域：图像对齐配准
　　关键词：半监督、大基线单应性矩阵、图像对齐
　　02hrOneisAll：BridgingtheGapBetweenNeuralRadianceFieldsArchitectureswithProgressiveVolumeDistillation
　　一即一切：通过渐进式体蒸馏弥合神经辐射场架构间的差距
　　神经辐射场NeRF可以高质量地重建三维场景，目前多种方法都在争夺其核心结构，包括MLP（NeRF）、张量（Plenoxels）、低秩张量（tensoRF）和哈希表（INGP）等。这些表示都有一定的适应场景，比如基于hash的INGP模型小、训练快，但由于分辨率混叠等原因，其不如基于张量的Plenoxels更易实现对场景的空间编辑。为了弥补NeRF系列架构间差异，本文提出了渐进式体蒸馏（PVD）实现对上述不同架构间的任意转换。通过PVD得到一个NeRF模型通常要比从头训练更快，且在部分数据集上质量更高。
　　论文链接：
　　https：arxiv。orgabs2211。15977
　　开源链接：
　　https：github。commegviiresearchAAAI2023PVD
　　所属领域：3D重建
　　关键词：神经辐射场、蒸馏、NeRF、INGP、Plenoxels、tensoRF
　　03hrGeneralizingMultipleObjectTrackingtoUnseenDomainsbyIntroducingNaturalLanguageRepresentation
　　利用自然语言表征提升多目标跟踪跨域跟踪性能
　　本文首先指出当前的多目标跟踪任务多在同一类场景下进行评测，即训练集和测试集取自同一场景（比如MOT17，MOT20），现有的SOTA跟踪器在不进行finetune的前提下直接应用在新场景跟踪性能会大幅下降，为此本文首次提出利用自然语言的高层次语义信息解决跨域跟踪问题，首次将视觉语言预训练模型CLIP并将其与querybasedtracker结合，基于此搭建的新的多目标跟踪模型LTrack可在域内和跨域场景上均实现优异的跟踪性能，为今后利用语言信息与视觉信息结合解决跟踪问题提供一个新的思路。
　　所属领域：多目标跟踪，视觉语言多模态
　　关键词：多目标跟踪、视觉语言模型、跨域
　　04hrBEVStereo：EnhancingDepthEstimationinMultiview3DObjectDetectionwithTemporalStereo
　　BEVStereo：利用时序立体提升环视3D检测中的深度估计准确度
　　现有的在3D检测中利用立体视觉提升深度估计的方法大多无法解决两个问题：过多的显存开销以及无法解决运动物体。BEVStereo通过引入动态立体视觉的方法解决了这个问题，并且提出了可以感知物体尺寸的circleNMS，能够避免计算rotatedIoU的同时将box尺寸考虑进去。
　　论文链接：
　　https：arxiv。orgabs2209。10248
　　开源链接：
　　https：github。comMegviiBaseDetectionBEVStereo
　　所属领域：3D检测
　　关键词：动态立体视觉
　　05hrBEVDepth：AcquisitionofReliableDepthforMultiview3DObjectDetection
　　BEVDepth：在3D目标检测中获取可靠深度
　　现有的基于LSS的3D目标检测算法中，其深度预测模块产生的深度预测结果不够可靠，本文通过加入深度监督，引入相机内外参编码以及深度精修模块，使得LSS产生的深度预测变得更加可靠。
　　论文链接：
　　https：arxiv。orgabs2206。10092
　　开源链接：
　　https：github。comMegviiBaseDetectionBEVDepth
　　所属领域：3D检测
　　关键词：reliabledepth
　　技术信仰，价值务实
　　旷厂小伙伴们还将带来怎样的技术创新？
　　让我们一起期待吧！