機器之心CVPR線下論文分享會幹貨集錦邀你報名ACL 2021論文分享會

隨著人工智慧的火熱，AAAI、NeurIPS、CVPR 等頂級學術會議的影響力也愈來越大，每年接收論文、參會人數的數量連創新高。但受疫情影響，近兩年國外舉辦的學術會議都轉為了線上，無法滿足學者們現場交流的需求。以 CVPR 為例，2019 年，CVPR 註冊參會人數高達 9227 人，其中來自國內的參會人數就達到 1044 位。因此，在 2020 年和 2021 年，國內 AI 從業者因疫情限制無法進行有效的學術交流。

為更好地服務 AI 社群，促進國內計算機視覺領域的學術交流，2021 年 6 月 12 日，機器之心在北京舉辦了「CVPR 2021 論文分享會」線下學術交流活動。

雖然是國內端午節假期的第一天，論文分享會現場依舊火熱，800 多位來自 AI 領域的研究者、從業者到場：

上海科技資訊學院教授、CVPR 2021 程式主席虞晶怡在開幕視訊致辭中提到，今年所有的 CVPR 活動都在線上進行，這也是 CVPR 歷史上第二次組織線上論文的宣講。在國內組織這樣一場線下活動，也是大家提供了充分交流的機會。

虞晶怡致辭。

「CVPR 2021 接收的論文非常廣泛，從識別到三維重建，再到網路搜尋，今年的論文預示了計算機視覺和模式識別此後的黃金十年。過去，傳統機器學習推動了計算機識別和追蹤方法的進步，而今年有大量神經網路方法做三維重建的研究，相信這些最新的論文可以讓大家大開眼界，深度學習和計算機視覺驅動的演算法和技術將為各行各業及生活帶來巨大變化。」

活動邀請了業內多位頂級專家、論文作者與現場參會觀眾共同交流，全天議程乾貨滿滿，包含 4 個 Keynote、 12 篇論文分享、40 多個 Poster 展示與多家企業展臺。

在上午的 Keynote 環節，京東探索研究院院長陶大程以《第四波 AI 浪潮——可信 AI》為主題進行了分享。

京東探索研究院院長陶大程。

除機器視覺外，研究者們還看到了深度學習驅動下非常多的可能性，比如基於視訊做語音理解，充分理解影象和視訊中人和人的關係、物和物的關係、人和物的關係；基於關係圖能做相關的知識推理。此外，包括自然語言處理、語音識別等等方向的發展都給人們帶來耳目一新的感覺，讓人們感受到由深度學習驅動的人工智慧實現了新一輪自動化革命，為產業發展帶來了快速提升。

但更需要關注的是，神經網路泛化能力很強，這意味著也許會洩露使用者隱私，比如在 GPT2、GPT3 中輸入使用者的名字等等，就能夠把使用者的電話號碼、家庭地址、去過哪些醫院等資訊都回憶出來。陶大程表示，這些特徵導致人們對神經網路本身非常畏懼，它意味著一個人能獲取到很多其他使用者的隱私資訊。事實上並不完全是這樣，關於這個問題本身，研究者們在進一步探討中。未來，研究者們需要找到合適的模型訓練手段，來解決使用者隱私保護的問題。

隨後，香港中文大學 - 商湯科技聯合實驗室主任林達華分享了《構建學術研究與實際應用間的橋樑》主題演講。

香港中文大學 - 商湯科技聯合實驗室主任林達華。

林達華認為，做研究最重要的問題並不是在某個會議上發表論文，最重要的是看到研究最終能產生什麼價值。過去近 10 年間，深度學習領域的發展比起過去幾十年可以說是大大加速，包括幾次革新性、基礎性的變革：從最初在 2012 年深度神經網路、卷積網路帶來計算機視覺領域基礎任務的效能突破，到之後 GAN 的提出帶來分類和鑑別的效能突破；2015 年，AlphaGo 的橫空出世展示了深度學習和強化學習的結合所帶來的巨大潛力；近期的 Transformers 和 GPT-3 橫掃自然語言處理各個榜單，又讓人們看到了新的研究契機。

當前，AI 已經走到了深水區，如果想要繼續往前發展，需要有很多基礎要素驅動。目前無論是在商業場景，還是在學術探索過程中，資料和算力兩個基礎性要素始終是制約該領域前進的最大瓶頸。比如過去幾年，每年有 90% 的論文講的是方法和演算法，但是真正帶動這個領域實實在在、一步一個腳印往前走的，是資料集的持續升級。

資料一直都是整個領域持續發展的關鍵驅動力。新資料的提出會展現出新的挑戰、帶來新的機會，但包括成本的挑戰、非均勻分佈的挑戰、語義的挑戰等問題，有待進一步解決。

下午 Keynote 環節的嘉賓是廈門大學南強特聘教授、博士生導師紀榮嶸與華為中央研究院諾亞方舟計算視覺實驗室主任許春景。

廈門大學南強特聘教授、博士生導師紀榮嶸。

紀榮嶸教授的演講主題是《神經網路結構搜尋》。深度學習帶來的效能提升，更多是基於網路結構的變化，這些結構變化本質上是特徵工程的自動化。事實上，由人來設計網路可能不是最佳選擇，比如在醫學影像處理方面，程式設計師不可能為人類已知的 6000 多種疾病都設計合適的網路做訓練。

近幾年，基於網路結構自動化的研究變得越來越熱門，紀榮嶸介紹說，現有的 NAS 研究主要包含三個要點：

第一，如何設計一個合適的搜尋空間，此處搜尋空間指的是參數空間；

第二，在搜尋空間裡如何確定一個靠譜的搜尋策略，比如遺傳計算、計劃計算、隨機取樣等方法；

第三，確定一個搜尋策略後，需要快速的方法做精度評估，完成模型訓練。

上述這一流程需要反覆更新迭代，直到找到最合適的模型。在過去一段時間內，紀榮嶸團隊圍繞這三個層面進行了一系列創新性研究，大部分工作現已開源。

許春景的分享主題是《資源高效的神經網路計算》。神經網路訓練完成後需要運行在裝置之上，無論是在雲側還是裝置側，效率總是大家最關心的問題，因此高效的神經網路計算一直是業界重視的問題。在演講中，許春景分享了自己團隊在高效神經網路計算上的思考，以及提出的新問題。

華為中央研究院諾亞方舟計算視覺實驗室主任許春景。

面向僅推理的硬體或環境，如何尋找更普適但效率更高的計算模式，是否存在通用的方法，使得量化能夠自動化，並且保持全精度網路的精度？華為諾亞團隊經過大量的實驗和研究，推出了通用的自動量化工具，將神經網路轉化為低度運行的神經網路，同時還保持精度。近期，另一項工作「AdderNet」也頗受關注，這項研究將卷積神經網路計算中的乘法全部替換成加法，但保持著近似的準確率。

在全天的議程中，總共有 12 位研究者分享了自己團隊的 CVPR 2021 論文，包括 3D 人體姿態估計、視訊壓縮、目標檢測、NAS 等眾多方向。

此外，論文分享會在最後特別設定了企業展臺與 Poster 展區。來自華為諾亞方舟實驗室、位元組跳動、惠普 & NVIDIA、快手、RealAI、九坤投資、格靈深瞳、新石器、詩云科技的企業代表們就技術與人才招聘話題與參會者們進行了交流。40 多位論文作者在 Poster 環節也為大家介紹自己的研究並解答問題。

目前，「CVPR 2021 論文分享會」線下學術交流活動的所有視訊回顧均已上傳至機器之心 · 知識站，感興趣的讀者可收藏觀看。點選「閱讀原文」可直接跳轉。

秉承著促進學術交流的宗旨，機器之心將持續為國內AI社群舉辦線下學術交流活動。機器之心計劃於月底舉辦ACL 2021論文分享會，感興趣的同學請掃描以下二維碼報名。