一年一度的CVPR即將在6月18-22日加拿大溫哥華正式開(kāi)幕。

每年，來(lái)自世界各地的成千上萬(wàn)的CV研究人員和工程師聚集在一起參加頂會(huì)。這個(gè)久負(fù)盛名的會(huì)議可以追溯到1983年，它代表了計(jì)算機(jī)視覺(jué)發(fā)展的巔峰。

目前，CVPR的h5指數(shù)所有會(huì)議或出版物中位列第四，僅次于《自然》、《科學(xué)》和《新英格蘭醫(yī)學(xué)雜志》。

前段時(shí)間，CVPR公布了論文接收結(jié)果。根據(jù)官網(wǎng)上統(tǒng)計(jì)數(shù)據(jù)，一共接受論文9155篇，錄用2359篇，接受率為25.8%。

此外，還公布了12篇獲獎(jiǎng)候選論文。

那么，今年的CVPR有哪些亮點(diǎn)？從錄用論文中我們又能看到CV領(lǐng)域有哪些趨勢(shì)？

接下來(lái)一并揭曉。

CVPR一覽

初創(chuàng)公司Voxel51就所有被接收論文列表中進(jìn)行了分析。

先來(lái)整體看一張論文標(biāo)題的匯總圖，每個(gè)字的大小與數(shù)據(jù)集中出現(xiàn)的頻率成正比。

簡(jiǎn)要說(shuō)明

- 2359篇論文被接收（9155份論文提交)

- 1724篇Arxiv論文

- 68份文件提交到其他地址

每篇論文的作者

- CVPR論文的平均作者約為5.4人

- 論文當(dāng)中作者最多的是: 「Why is the winner the best?」有125位作者

- 有13篇論文只有一個(gè)作者。

主要Arxiv分類(lèi)

在1724篇Arxiv論文中，有1545篇，或者說(shuō)接近90%的論文將cs.CV列為主要類(lèi)別。

cs.LG位列第二，有101篇。eess.IV （26）和 cs.RO （16）也分得一杯羹。

CVPR 論文的其他類(lèi)別包括: cs.HC，cs.CV，cs.AR，cs.DC，cs.NE，cs.SD，cs.CL，cs.IT，cs.CR，cs.AI，cs.MM，cs.GR，eess.SP，eess.AS，math.OC，math.NT，physics.data-an和stat.ML。

「Meta」數(shù)據(jù)

- 「數(shù)據(jù)集」和「模型」這2個(gè)詞共同出現(xiàn)在567篇摘要中?！笖?shù)據(jù)集」在265篇論文摘要中單獨(dú)出現(xiàn)，而「模型」則單獨(dú)出現(xiàn)了613次。只有16.2%的 CVPR接收論文沒(méi)有包含這兩個(gè)詞。

- 根據(jù)CVPR論文摘要，今年最受歡迎的數(shù)據(jù)集是ImageNet（105），COCO（94），KITTI（55）和CIFAR（36）。

- 28篇論文提出了一個(gè)新的「基準(zhǔn)」。

縮寫(xiě)詞比比皆是

似乎沒(méi)有首字母縮略詞就沒(méi)有機(jī)器學(xué)習(xí)項(xiàng)目。2359篇論文中，1487篇的標(biāo)題有多個(gè)大寫(xiě)字母的縮略詞或復(fù)合詞，占比63%。

這些首字母縮略詞中有一些很容易記住，甚至可以脫口而出：

- CLAMP: Prompt-based Contrastive Learning for Connecting Language and Animal PoseCLAMP

- PATS: Patch Area Transportation with Subdivision for Local Feature Matching

- CIRCLE: Capture In Rich Contextual Environments

有些則要復(fù)雜得多：

- SIEDOB: Semantic Image Editing by Disentangling Object and Background

- FJMP: Factorized Joint Multi-Agent Motion Prediction over Learned Directed Acyclic Interaction GraphsFJMP

他們中的一些人似乎在首字母縮略詞構(gòu)建上借鑒了別人的創(chuàng)意：

- SCOTCH and SODA: A Transformer Video Shadow Detection Framework（荷蘭流行潮牌Scotch & Soda）

- EXCALIBUR: Encouraging and Evaluating Embodied Exploration（Ex咖喱棒，笑）

什么最熱？

除了2023年的論文標(biāo)題，我們抓取了2022年所有接受的論文標(biāo)題。從這兩個(gè)列表中，我們計(jì)算了各種關(guān)鍵詞的相對(duì)頻率，從讓大家對(duì)什么是上升趨勢(shì)、什么是下降趨勢(shì)有更深入的了解。

模型

2023年，擴(kuò)散模型（Diffusion models）占據(jù)了主導(dǎo)地位。

擴(kuò)散模型

隨著Stable Diffusion和Midjourney等圖像生成模型的走紅，擴(kuò)散模型發(fā)展的火熱趨勢(shì)也就不足為奇了。

擴(kuò)散模型在去噪、圖像編輯和風(fēng)格轉(zhuǎn)換方面也有應(yīng)用。把所有這些加起來(lái)，到目前為止，它是所有類(lèi)別中最大的贏家，比去年同期增長(zhǎng)了573% 。

輻射場(chǎng)

神經(jīng)輻射場(chǎng)（NERF）也越來(lái)越受歡迎，論文中使用單詞「radiance」增加了80% ，「NERF」增加了39% 。NeRF已經(jīng)從概念驗(yàn)證轉(zhuǎn)向編輯、應(yīng)用和訓(xùn)練過(guò)程優(yōu)化。

Transformers

「Transformer」和「ViT」的使用率下降并不意味著Transformer模型過(guò)時(shí)，而是反映了這些模型在2022年的主導(dǎo)地位。2021年，「Transformer」這個(gè)詞只出現(xiàn)在37篇論文中。2022年，這個(gè)數(shù)字飆升至201。Transformer不會(huì)很快消失。

CNN

CNN曾經(jīng)是計(jì)算機(jī)視覺(jué)的寵兒，到了2023年，似乎失去了它們的優(yōu)勢(shì)，使用率下降了68%。許多提到 CNN 的標(biāo)題也提到了其他模型。例如，這些論文提到了CNN和Transformer：

- Lite-Mono: A Lightweight CNN and Transformer Architecture for Self-Supervised Monocular Depth EstimationLite-Mono

- Learned Image Compression with Mixed Transformer-CNN Architectures

任務(wù)

掩碼任務(wù)和掩碼圖像建模相結(jié)合，在CVPR中占據(jù)了主導(dǎo)地位。

生成

傳統(tǒng)的判別任務(wù)，如檢測(cè)、分類(lèi)和分割并沒(méi)有失寵，但是由于生成應(yīng)用的一系列進(jìn)步，它們?cè)贑V的份額正在縮小，包括「編輯」、「合成」以及「生成」的上升就證明這點(diǎn)。

掩碼

關(guān)鍵字「mask」比去年同期增長(zhǎng)了263% ，在2023年被接收的論文中出現(xiàn)了92次，有時(shí)在一個(gè)標(biāo)題中出現(xiàn)了2次。

- SIM: Semantic-aware Instance Mask Generation for Box-Supervised Instance SegmentationSIM

- DynaMask: Dynamic Mask Selection for Instance SegmentationDynaMask

但大多數(shù)（64%）實(shí)際上指的是「掩碼」任務(wù)，包括8個(gè)「掩碼圖像建?！购?5個(gè)「掩碼自動(dòng)編碼器」任務(wù)。此外，還有8篇出現(xiàn)「掩碼」。

同樣值得注意的是，3篇帶有單詞「mask」的論文標(biāo)題實(shí)際上指的是「無(wú)掩碼」任務(wù)。

零樣本vs小樣本

隨著遷移學(xué)習(xí)、生成方法、提示和通用模型的興起，「零樣本」學(xué)習(xí)正在獲得關(guān)注。與此同時(shí)，「小樣本」學(xué)習(xí)比去年有所下降。然而，就原始數(shù)字而言，至少目前而言，「小樣本」（45）比「零樣本」（35）略有優(yōu)勢(shì)。

模態(tài)

2023年，多模態(tài)和跨模態(tài)應(yīng)用加速發(fā)展。

邊界模糊

雖然傳統(tǒng)計(jì)算機(jī)視覺(jué)關(guān)鍵詞如「圖像」和「視頻」的頻率相對(duì)保持不變，但「文本」/「語(yǔ)言」和「音頻」出現(xiàn)的頻率更高。

即使「多模態(tài)」這個(gè)詞本身沒(méi)有在論文標(biāo)題中出現(xiàn)，也很難否認(rèn)計(jì)算機(jī)視覺(jué)正在走向多模態(tài)的未來(lái)。

這在視覺(jué)-語(yǔ)言任務(wù)中尤其明顯，正如「開(kāi)放」、「提示」和「詞匯」的急劇上升所表明的那樣。

這種情況最極端的例子是「開(kāi)放詞匯」這個(gè)復(fù)合詞，它在2022年只出現(xiàn)了3次，但在2023年出現(xiàn)了18次。

深入挖掘CVPR 2023論文標(biāo)題中的關(guān)鍵詞

點(diǎn)云9

三維計(jì)算機(jī)視覺(jué)應(yīng)用正在從以二維圖像推斷3D信息（「深度」和「立體」）轉(zhuǎn)向直接在3D點(diǎn)云數(shù)據(jù)上進(jìn)行工作的計(jì)算機(jī)視覺(jué)系統(tǒng)。

CV標(biāo)題的創(chuàng)造力

如果不將ChatGPT納入其中，2023年任何與機(jī)器學(xué)習(xí)相關(guān)的全面報(bào)道都是不完整的。我們決定讓事情變得有趣，并使用ChatGPT來(lái)尋找CVPR 2023中最有創(chuàng)意的標(biāo)題。

對(duì)于每一篇上傳到Arxiv的論文，我們抓取了摘要，并要求 ChatGPT （GPT-3.5 API）為相應(yīng)的CVPR論文生成一個(gè)標(biāo)題。

然后，我們將這些由ChatGPT生成的標(biāo)題和實(shí)際的論文標(biāo)題，使用OpenAI的text-embedding-ada-002模型生成嵌入向量，并計(jì)算ChatGPT生成的標(biāo)題和作者生成的標(biāo)題之間的余弦相似度。

這可以告訴我們什么？ChatGPT越接近實(shí)際的論文標(biāo)題，這個(gè)標(biāo)題就越可預(yù)測(cè)。換句話(huà)說(shuō)，ChatGPT的預(yù)測(cè)越「偏」，作者給論文命名的「創(chuàng)造性」就越強(qiáng)。

嵌入和余弦相似度為我們提供了一個(gè)有趣的，盡管遠(yuǎn)非完美的，量化方法。

我們按照這個(gè)指標(biāo)對(duì)論文進(jìn)行了排序。話(huà)不多說(shuō)，下面是最具創(chuàng)造性的標(biāo)題:

實(shí)際的標(biāo)題：Tracking Every Thing in the Wild

預(yù)測(cè)的標(biāo)題：Disentangling Classification from Tracking: Introducing TETA for Comprehensive Benchmarking of Multi-Category Multiple Object Tracking

實(shí)際的標(biāo)題：Learning to Bootstrap for Combating Label Noise

預(yù)測(cè)的標(biāo)題：Learnable Loss Objective for Joint Instance and Label Reweighting in Deep Neural Networks

實(shí)際的標(biāo)題：Seeing a Rose in Five Thousand Ways

預(yù)測(cè)的標(biāo)題：Learning Object Intrinsics from Single Internet Images for Superior Visual Rendering and Synthesis

實(shí)際的標(biāo)題：Why is the winner the best?

預(yù)測(cè)的標(biāo)題：Analyzing Winning Strategies in International Benchmarking Competitions for Image Analysis: Insights from a Multi-Center Study of IEEE ISBI and MICCAI 2021