点击左上方蓝字关注我们
01
无人车的眼睛、UP主的生产力工具&＃xff0c;都藏在百度CVPR的这十个冠军里
啤酒、烧烤、欧洲杯是很多球迷今年夏天的消暑利器。但你可能想不到的是&＃xff0c;那些精彩的进球集锦、球星慢动作回放说不定是 AI 做的。
在今年的 CVPR 大会上&＃xff0c;百度向我们确认了这一点。
在刚刚闭幕的 CVPR 2021 大会上&＃xff0c;百度取得了 SoccerNet-v2 足球视频理解竞赛的全部两项任务的冠军&＃xff0c;这是全球首个以足球比赛视频的全方位理解为目标的竞赛。
而且&＃xff0c;这还只是百度今年 CVPR 成绩单的一部分。
十项 CV 冠军&＃xff0c;聚焦自动驾驶、
智能交通、智慧城市、智能创作等多个赛道
CVPR 2021 覆盖了计算机视觉多个细分领域&＃xff0c;百度此次参与并获得了七项挑战赛的十个冠军。其中&＃xff0c;六项冠军成果可加速自动驾驶、智能交通、智慧城市等落地和应用&＃xff0c;部分成果可助力智能创作工具的打造。
六项冠军助力自动驾驶、智能交通、智慧城市应用落地
对于百度来说&＃xff0c;自动驾驶可以说是 CVPR 舞台上的一项「传统艺能」了。早在 2018 年&＃xff0c;百度 Apollo 就占据了 CVPR 自动驾驶的主场&＃xff1b;2019 年&＃xff0c;Apollo 又在 CVPR 上公开了国内唯一的自动驾驶纯视觉城市道路闭环解决方案——Apollo Lite。这些高光时刻在今年的多项竞赛中得到了延续。在今年取得的十项冠军中&＃xff0c;「语义分割、高分辨率人体解析、雾天环境检测」赛道的三项冠军或对百度强化自动驾驶能力有直接的助力。
SoccerNet-v2 挑战赛冠军支持足球视频创作
前段时间&＃xff0c;百度智能云曾携云智一体的智能媒体产品和方案亮相第 28 届中国国际广播电视信息网络展览会&＃xff08;CCBN 2021&＃xff09;&＃xff0c;展现了一站式智能创作平台等媒体智能化解决方案和创新应用。百度的智能创作平台基于自然语言处理、知识图谱、视觉、语音的整合技术能力&＃xff0c;为创作者提供多项能力&＃xff0c;助力新闻资讯生产的策、采、编、审、发全流程。在今年 CVPR 的 SoccerNet-v2 足球视频理解竞赛上&＃xff0c;该平台的相关技术再次亮相。
PaddleCV&＃xff1a;优秀方案都到碗里来
作为中国人工智能的「头雁」&＃xff0c;百度的计算机视觉方向技术研究早在十一年前成立多媒体部时就已经开始了。这帮助百度积累了全方位的技术能力&＃xff0c;也为飞桨视觉模型库 PaddleCV 提供了强大的核心动力。
演讲、Workshop、Tutorial&＃xff0c;全方位展示 AI 前沿探索
作为计算机视觉和模式识别领域的世界级学术顶会&＃xff0c;CVPR 不仅是业界展示领先科技成果的平台&＃xff0c;也是探索学术前沿的平台。在 CVPR 举办的同时&＃xff0c;百度不仅积极参与了各项竞赛&＃xff0c;还主办了一场重量级学术 Workshop 和一场 Tutorial&＃xff0c;并受邀在大会上做同声传译特邀报告。
演讲地址&＃xff1a;
https://www.youtube.com/watch?v&＃61;QojanA1pZ1o
如今&＃xff0c;CVPR 2021 已经正式落下帷幕&＃xff0c;会议中诞生的 idea 也在陆续走进现实世界。百度表示&＃xff0c;在修炼好 AI 技术「内功」的同时&＃xff0c;他们将通过搭建起的飞桨和智能云为代表的 AI 平台不断向各行业场景输出技术能力与解决方案&＃xff0c;进一步推动产业智能化升级发展&＃xff0c;在中国乃至全球 AI 领域持续领跑。
信息来源&＃xff1a;机器之心
02
IJCAI 2021 | 医学AI新坑&＃xff1a;心电全景图及其生成网络
来自浙大睿医人工智能研究中心的研究者提出了一个全新的概念&＃xff1a;心电全景图&＃xff0c;并提出了一个能够通过少数几个导联的 ECG 信号输入来生成心电全景图的神经网络模型 Nef-Net。
当前&＃xff0c;心电图&＃xff08;ECG&＃xff09;一般仅展示 8-12 导联记录的心电信号&＃xff08;ECG&＃xff09;&＃xff0c;每条导联的 ECG 信号都是一个金属贴片记录得到的心脏跳动信息&＃xff0c;并显示在一个视图上&＃xff1b;而这个视图的「观察视角」可以通过金属贴片的位置和心电终端的连接线表达&＃xff0c;如下图 (a) 所示。下图 (b) 展示了 6 个导联贴片的位置&＃xff0c;心外科医生可以通过 6 个金属贴片接收到这 6 个「视角」的 ECG 信号。但实际上&＃xff0c;仅靠这几个有限的导联不能覆盖医生所需的心电信息&＃xff0c;例如在进行射频消融手术时&＃xff0c;需要精细的心电信号以定位病灶。
来自浙大睿医人工智能研究中心的研究者提出了一个全新的概念&＃xff1a;心电全景图&＃xff08;Electrocardio Panorama&＃xff09;&＃xff0c;并提出了一个能够通过少数几个导联的 ECG 信号输入来生成心电全景图的神经网络模型&＃xff08;Neural electrocardio field network, Nef-Net&＃xff09;。该研究的论文已被 IJCAI 2021 接收。
论文地址&＃xff1a;
https://arxiv.org/pdf/2105.06293.pdf
项目地址&＃xff1a;
https://github.com/WhatAShot/Electrocardio-Panorama
信息来源&＃xff1a;机器之心
03
CVPR 2021 NAS 比赛完美落幕&＃xff0c;清华大学飞桨方案先睹为快
CVPR作为计算机视觉和模式识别领域的世界级学术顶会&＃xff0c;不仅是学者展示前沿科技成果的平台&＃xff0c;也是学界探索学术应用的平台。今年&＃xff0c;百度联合悉尼科技大学和美国北卡罗来大学举办了CVPR 2021 NAS workshop&＃xff0c;并在CVPR 2021举办了首届NAS国际竞赛。作为人工智能技术领域的领军者与深耕者&＃xff0c;百度在NAS领域拥有强大的技术优势和深厚的技术积累。
目前&＃xff0c;百度在NAS领域已原创性地提出了GP-NAS&＃xff08;CVPR&＃xff09;和SA-NAS&＃xff08;IJCV&＃xff09;等多个AutoDL算法&＃xff0c;孵化了PaddleSlim模型压缩平台&＃xff0c;并使用自研的AutoDL技术先后七次在CVPR与ECCV等国际比赛中夺得世界第一。通过此次竞赛&＃xff0c;百度期望与全球开发者就NAS技术展开广泛交流与学习&＃xff0c;积极分享技术成果与心得。
本次比赛吸引了全球59个国家和地区的开发者&＃xff0c;有超过600支队伍参赛&＃xff0c;包括清华、北大、中科院、上海交大、华中科大、剑桥、牛津、加州大学伯克利分校等国内外知名高校的师生&＃xff0c;还包括三星、快手和海康等知名企业的工程师。本次比赛征集到众多优质的NAS解决方案&＃xff0c;其中清华大学基于飞桨的NAS技术方案已在AI Studio和GitHub平台开源。
信息来源&＃xff1a;飞桨PaddlePaddle
04
无需额外数据&＃xff0c;首次实现ImageNet 87.1% 精度&＃xff0c;颜水成团队开源VOLO
VOLO 是第一个在 ImageNet 上无需额外数据达到 87.1% top-1 准确率的模型&＃xff0c;进一步拉近了视觉 Transformer 与最顶级 CNN 模型的性能距离。
近十年来&＃xff0c;计算机视觉识别任务一直由卷积神经网络 (CNN) 主导。尽管最近流行的视觉 Transformer 在基于 self-attention 的模型中显示出巨大的潜力&＃xff0c;但是在没有提供额外数据的情况下&＃xff0c;比如在 ImageNet 上的分类任务&＃xff0c;它们的性能仍然不如最新的 SOTA CNNs。目前&＃xff0c;在无额外数据集时&＃xff0c;ImageNet 上的最高性能依旧是由 Google DeepMind 提出的 NFNet (Normalizer-Free Network)所获得。
ImageNet 分类性能实时排行榜&＃xff08;无额外数据集&＃xff09;&＃xff0c;来源 https://paperswithcode.com/
Cityscapes validation 实时排行榜&＃xff0c;来源 https://paperswithcode.com/
在一篇最近发表的论文中&＃xff0c;来自新加坡 Sea 集团旗下、颜水成教授领导的 Sea AI Lab (SAIL) 团队提出了一种新的深度学习网络模型结构——Vision Outlooker (VOLO)&＃xff0c;用于高性能视觉识别任务。它是一个简单且通用的结构&＃xff0c;在不使用任何额外数据的情况下&＃xff0c;实现了在 ImageNet 上图像分类任务 87.1% 的精度目标&＃xff1b;同时&＃xff0c;实现了在分割数据集 CityScapes Validation 上 84.3% 的性能&＃xff0c;创下 ImageNet-1K 分类任务和 CityScapes 分割任务的两项新纪录。
VOLO 模型与 SOTA CNN 模型&＃xff08;NFNet&＃xff09;和 Transformer 模型&＃xff08;CaiT&＃xff09;的 ImageNet top-1 准确率比较。在使用更少参数的情况下&＃xff0c;VOLO-D5 优于 CaiT-M48 和 NFNet-F6&＃xff0c;并首次在不使用额外训练数据时达到了 87% 以上的 top-1 准确率。
颜水成教授认为&＃xff0c;以 Transformer 为代表&＃xff0c;「Graph Representation &＃43; Attentive Propagation」以其灵活性和普适性已展现出成为各领域统一框架的潜能&＃xff0c;VOLO 算法表明了在视觉领域 Attention 机制也可以超越 CNN, 佐证了各领域走向模型统一的可行性。
论文地址&＃xff1a;
https://arxiv.org/pdf/2106.13112.pdf
GitHub 地址&＃xff1a;
https://github.com/sail-sg/volo
信息来源&＃xff1a;机器之心
05
SIGGRAPH 2021 | 98后浙大博士生研制可微分材质扫描仪&＃xff0c;轻松采集「流光溢彩」效果
来自浙江大学计算机辅助设计与图形学国家重点实验室和杭州相芯科技有限公司的联合研究团队提出了自由式材质扫描的可微分框架&＃xff0c;并研制了材质外观扫描仪原型&＃xff0c;实现了对非平面的复杂外观的高精度采集建模&＃xff0c;研究论文已被 ACM SIGGRAPH 2021 接收。
三维扫描仪是一种通过结构光&＃xff08;structured lighting&＃xff09;来获取物体表面精确几何信息的科学仪器&＃xff0c;经过二十多年的发展&＃xff0c;已经形成了相当成熟的商用市场。三维扫描仪的代表性产品包括德国蔡司的 Comet、卢森堡 Artec3D 的 Spider 以及中国先临的 EinScan。
图 1&＃xff1a;EinScan Pro 2X Plus 三维扫描仪。
然而如何扫描真实物体的复杂材质外观&＃xff0c;在数字世界中高精度地还原出「流光溢彩」的视觉效果&＃xff0c;一直是困扰学术界和工业界的难题。相关技术在文物数字化保护、电子商务商品展示、影视特效以及电子游戏等领域有着广阔的应用前景。
针对这一难题&＃xff0c;浙江大学计算机辅助设计与图形学国家重点实验室和杭州相芯科技有限公司的联合研究团队提出了自由式材质扫描的可微分框架&＃xff0c;并研制了材质外观扫描仪原型&＃xff0c;实现了对非平面的复杂外观的高精度采集建模&＃xff0c;如图 2 所示。
图 2&＃xff1a;可微分自由式材质采集过程&＃xff08;上&＃xff09;和高精度复杂材质扫描结果&＃xff08;下&＃xff09;。
该研究的论文《Free-form Scanning of Non-planar Appearance with Neural Trace Photography》已被计算机图形学顶级国际会议 ACM SIGGRAPH 2021 接收。
论文地址&＃xff1a;
https://svbrdf.github.io/publications/scanner/project.html
信息来源&＃xff1a;机器之心
飞桨(PaddlePaddle)以百度多年的深度学习技术研究和业务应用为基础&＃xff0c;集深度学习核心训练和推理框架、基础模型库、端到端开发套件和丰富的工具组件于一体&＃xff0c;是中国首个自主研发、功能丰富、开源开放的产业级深度学习平台。飞桨企业版针对企业级需求增强了相应特性&＃xff0c;包含零门槛AI开发平台EasyDL和全功能AI开发平台BML。EasyDL主要面向中小企业&＃xff0c;提供零门槛、预置丰富网络和模型、便捷高效的开发平台&＃xff1b;BML是为大型企业提供的功能全面、可灵活定制和被深度集成的开发平台。
END
京公网安备 11010802041100号