ICCV 2019，中国力量不容小觑，中科院、清华领跑

10月27日至11月2日，ICCV2019在韩国首尔举办。作为计算机视觉领域的顶会之一，本届ICCV热度空前。据官网数据显示，本届ICCV注册参会人数再创新高，超过7000人，是2017年ICCV的2倍。

 

在论文收稿和入围数量方面，ICCV 19共收到论文投稿4303篇，最终入围1075篇（官方数据），入选率为25%，较上届的29%有所下降。

可以看到，本届ICCV收到的论文投稿数量较上届翻了一番，造成入围率有所下降。

在投稿论文的关键词上，占据前列的分别为图像、目标、检测、3D、视频、分割等。其中图像（155篇）、目标（104篇）、检测（101篇）位列关键词热度前三位。上图提取了投稿论文中排名前75位的关键词的出现次数。

ICCV 2019，中国力量不容小觑

(上图Taiwan应为中国台湾地区) ICCV 2019，中国军团再次展现出不容小觑的实力，尤其在被接受论文数量方面优势明显，高达 350 多篇，位列世界第一，美国排第二，其次是德国、韩国。

从投稿数的单位排名来看，高校方面，中科院遥遥领先，有237篇投稿，清华以175篇紧随其后。企业方面，华为有91篇、百度有47篇。

在接收结果出来之后，更多的中国企业公布了自己的战绩：商汤科技有57篇论文入选ICCV 2019（包含11篇Oral），同时在Open Images、COCO、LVIS等13项重要竞赛中夺冠；华为诺亚方舟实验室有19篇入选；腾讯优图有 13 篇论文入选（包含3篇Oral）；旷视科技有 11 篇论文入选，还拿下了今年拿下 5 项任务冠军。

最佳论文奖（马尔奖）

题目：SinGAN: Learning a Generative Model froma Single Natural Image

作者：Tamar Rott Shaham, Tali Dekel, Tomer Michaeli

 

内容简介：

 

本文介绍了SinGAN，这是一种无条件的生成模型，可以从单个自然图像中学习。我们的模型经过训练，可以捕获图像内斑块的内部分布，生成高质量、多样化的样本，并承载与图像相同的视觉内容。SinGAN包含一个完全卷积的GAN金字塔，每个GAN负责学习图像不同比例的patch分布，可以生成任意大小和纵横比的新样本，这些样本具有明显的可变性，同时又可以保持训练图像的整体结构和精细纹理。

 

与以前的单图像GAN方案相比，本文提出的方法不仅限于纹理图像，而且并非有条件的（比如该方法可以从噪声中生成样本）。研究表明，生成的样本通常可达到与真实图像真假难辨的程度。

 

论文地址：https://arxiv.org/abs/1905.01164

最佳学生论文奖

《PLMP-Point-Line Minimal Problems in Complete Multi-View Visibility》获ICCV 2019 最佳学生论文奖，论文作者分别来自佐治亚理工学院、瑞典皇家理工学院以及捷克理工大学。

作者：Timothy Duff、Kathlen Kohn、Anton Leykin、Tomas Pajdla

论文地址：http://openaccess.thecvf.com/content_ICCV_2019/papers/Duff_PLMP_-_Point-Line_Minimal_Problems_in_Complete_Multi-View_Visibility_ICCV_2019_paper.pdf

Github地址：https://github.com/timduff35/PLMP

第一行红色的点和蓝色的线会独立地被检测到，点与线的排列也是独立检测的。第二行是一些点线排列示例，它们提供了新的极小值问题

摘要：研究团队通过透视相机（经过校准的）观察到的点线一般排列，提出了所有极小值问题的完整分类，并证明对于超过 6 个相机、5 个点和 6 条线的情况，其总共只有 30 个极小值问题，不存在其它情况。

研究团队展示了一系列检测最小值的测试，这些测试从对自由度进行计数开始，到于对代表性样本的完全符号化与数值化的验证结束。对于发现的所有极小值问题，研究团队介绍了它们的代数程度，即解的数量，以衡量其固有难度。它还显示了问题的难度如何随着视图数量的增长而增长。重要的是，一些新的极小值问题在图像匹配和三维重建中可能是实用的。