騰訊優(yōu)圖的 ICCV 2017：12篇論文入選 CV 頂會，3篇Oral｜ICCV 2017

雷鋒網(wǎng)AI科技評論按：本文首發(fā)于騰訊優(yōu)圖公眾號，雷鋒網(wǎng)AI科技評論獲授權(quán)轉(zhuǎn)載，并做了不改動原意的編輯。

被譽為計算機(jī)視覺領(lǐng)域三大頂級會議之一的ICCV（另外兩個為CVPR、ECCV）近日揭曉收錄論文名單，騰訊優(yōu)圖共有12篇論文入選，其中3篇被選做口頭報告（Oral），該類論文僅占總投稿數(shù)的2.1%（45/2143）。

本屆 ICCV 共收到2143篇論文投稿，其中621篇被選為大會論文，錄用比例29%。其中有45篇口頭報告（Oral）和56篇亮點報告（Spotlight）。今年參會人數(shù)預(yù)計將超過3000人，可見其火爆程度。

ICCV作為計算機(jī)視覺領(lǐng)域最高級別的會議之一，其論文集代表了計算機(jī)視覺領(lǐng)域最新的發(fā)展方向和水平。此次騰訊優(yōu)圖入選的論文提出了諸多亮點：全球首個AI卸妝效果的算法；現(xiàn)今最準(zhǔn)確的單張圖像深度估計算法；完美解決多幀信息融合困難的多幀超分辨率視頻結(jié)果；史無前例的手機(jī)雙攝圖像匹配和分割研究成果。這些論文呈現(xiàn)了有趣且可擴(kuò)展應(yīng)用的技術(shù)，讓視覺AI成為了一個工業(yè)界和學(xué)術(shù)界的交叉熱點。其中，騰訊優(yōu)圖的智能卸妝超分辨率、雙攝融合、濾鏡還原和智能圖像縮放都是具有極大應(yīng)用前景的技術(shù)。它們創(chuàng)造出新應(yīng)用的同時也改進(jìn)了現(xiàn)有算法，為后續(xù)的研究提供了更多的經(jīng)驗和指導(dǎo)。 

下面騰訊優(yōu)圖團(tuán)隊將對12篇入選論文進(jìn)行解析，也邀請大家在ICCV的現(xiàn)場與騰訊優(yōu)圖團(tuán)隊進(jìn)一步交流與討論。

騰訊優(yōu)圖12篇入選論文詳解

1. Oral論文：美化人像的盲復(fù)原

Makeup-Go: Blind Reversion of Portrait Edit

(http://open.youtu.qq.com/research/publications)

本文與香港中文大學(xué)合作完成。目前市面上有很多關(guān)于人臉美化的應(yīng)用，如騰訊天天P圖等。由于這些應(yīng)用的流行，網(wǎng)絡(luò)上的人像很多與真人不符。本文提出一種圖像盲復(fù)原的算法，用于將美化過的人像復(fù)原為真實的人像。為了簡化問題，本文著重闡述如何解決全局美化操作的復(fù)原問題，例如膚色美白，去皺，磨皮等。由于這些操作是在圖像的不同尺度上完成的，而我們又無法得到人臉美化應(yīng)用中所使用的操作類型和參數(shù)，直接使用現(xiàn)有的模型并無法解決這個問題。我們提出了一種新的深度網(wǎng)絡(luò)結(jié)構(gòu)，成分回歸網(wǎng)絡(luò)，來對美化圖像進(jìn)行盲復(fù)原。即使在不知道美化系統(tǒng)具體參數(shù)的情況下，該網(wǎng)絡(luò)結(jié)構(gòu)亦能更好地將美化后的圖像映射為原始圖像。實驗表明，該網(wǎng)絡(luò)在不同尺度上均可以得到較高的還原度。

2. Oral論文：細(xì)節(jié)還原深度視頻超分辨率

Detail-revealing Deep Video Super-resolution

(http://open.youtu.qq.com/research/publications)

本論文與香港中文大學(xué)、多倫多大學(xué)和Adobe合作完成。本論文關(guān)注解決視頻超分辨率的問題，即利用視頻中低分辨率的多幀信息，恢復(fù)出清晰而真實的高分辨率圖像。傳統(tǒng)的超分辨率算法處理速度慢，恢復(fù)效果嚴(yán)重依賴于繁瑣的參數(shù)調(diào)整，因此難以實用。近期的基于深度學(xué)習(xí)的算法則由于運動估計不夠準(zhǔn)確，難以恢復(fù)足夠豐富的真實細(xì)節(jié)。

本文作者從原理和實驗上發(fā)現(xiàn)并指出：正確的運動估計對于圖像細(xì)節(jié)恢復(fù)至關(guān)重要，并基于此設(shè)計了亞像素運動補償網(wǎng)絡(luò)層SPMC Layer。本文提出的適用于視頻超分辨率的網(wǎng)絡(luò)結(jié)構(gòu)能夠?qū)崿F(xiàn)：單模型處理任意尺寸輸入，任意倍率放大，任意多幀處理。同時，本文算法能夠在取得豐富的真實細(xì)節(jié)情況下，達(dá)到很快的處理速度（百倍于同等效果的傳統(tǒng)方法）。本文算法在效果、速度和實用性上均能超過現(xiàn)有其他算法。

3. Oral論文：基于圖的RGBD圖像分割網(wǎng)絡(luò)

3D Graph Neural Networks for RGBD Semantic Segmentation

(http://open.youtu.qq.com/research/publications)

本論文與香港中文大學(xué)、多倫多大學(xué)合作完成。本論文專注解決RGBD圖像的語義分割問題。與比較常見的RGB圖像分割問題相比，這個問題又有了深度的信息。深度信息能夠表征物體的幾何形狀，并且能夠更精確的描述像素件的幾何鏈接。因此如何利用深度信息做到更精確的圖像分割成為這個問題最核心的模塊。在此之前的方法都是先將深度圖編碼成HHA圖像，然后再把HHA圖當(dāng)作另外一張圖像并輸入到神經(jīng)網(wǎng)絡(luò)里抽取特征。這種方法在本質(zhì)上還是一個基于2D的解決思路，無法更好的融合點之間在真實空間的聯(lián)系，并不能使得到的結(jié)果很好的利用深度信息。本文作者提出在把深度信息轉(zhuǎn)化為點真實的三維坐標(biāo)，然后建立基于點實際坐標(biāo)的knn 圖。并且利用基于圖的神經(jīng)網(wǎng)絡(luò)，能夠讓圖像特征可以根據(jù)knn圖相互迭代更新每個點的特征。最后再利用分類網(wǎng)絡(luò)對更新過的特征進(jìn)行分類完成圖像RGBD圖像分割的問題。本文算法在效果上超過現(xiàn)在的基于2d卷積的方法，體現(xiàn)了該方法利用幾何信息完成特征迭代更新的有效性。

4. Poster論文：高質(zhì)量的手機(jī)雙攝圖像匹配和分割估計

High-Quality Correspondence and Segmentation Estimation for Dual-Lens Smart-Phone Portraits

(http://open.youtu.qq.com/research/publications)

本文提出了一個高質(zhì)量的手機(jī)雙攝圖像匹配以及分割的算法。同時解決了圖像匹配和物體分割這兩大計算機(jī)視覺里的難題。隨著雙攝逐漸成為手機(jī)的標(biāo)配，怎樣更好的匹配雙攝圖像一直以來都是學(xué)術(shù)界和工業(yè)界關(guān)心的問題。為了解決這一難題，作者提出了一種聯(lián)合優(yōu)化匹配和分割的框架，為了讓優(yōu)化高效，還提出了一種區(qū)域的匹配算法。作者建立了一個2000對雙攝圖像的數(shù)據(jù)集用于算法的評估和測試。

5. Poster論文：立體匹配的無監(jiān)督機(jī)器學(xué)習(xí)

Unsupervised Learning of Stereo Matching

(http://open.youtu.qq.com/research/publications)

本論文與香港中文大學(xué)合作完成，主要提出了全新的立體匹配（Stereo Matching）的無監(jiān)督學(xué)習(xí)（Unsupervised Learning）框架。深度神經(jīng)網(wǎng)絡(luò)在立體匹配問題中被廣泛應(yīng)用，與傳統(tǒng)方法相比較下，精度和效率都有顯著的提高。然而現(xiàn)有的方法大多基于有監(jiān)督學(xué)習(xí)（Supervised Learning），另外少有的一些通過無監(jiān)督學(xué)習(xí)得到的模型的精度也不甚理想。

在這篇論文中，作者提出了一種簡單又高效的對立體匹配問題的無監(jiān)督學(xué)習(xí)方法。通過左右一致性檢測，此方法在每一次迭代中都會篩選出正確的匹配。這些正確的匹配會被用作下一次迭代的訓(xùn)練數(shù)據(jù)。經(jīng)過數(shù)次迭代，此方法收斂到穩(wěn)定狀態(tài)。實驗結(jié)果證明了此方法的精度遠(yuǎn)優(yōu)于現(xiàn)有的無監(jiān)督方法，且十分接近有監(jiān)督方法。

6. Poster論文：基于零階優(yōu)化的圖像濾鏡還原

Zero-order Reverse Filtering

(http://open.youtu.qq.com/research/publications)

本論文與香港中文大學(xué)、多倫多大學(xué)和Adobe合作完成。在圖像處理領(lǐng)域，研究者們設(shè)計了種類的繁多的濾鏡用來消除噪聲，去除紋理等。本文另辟蹊徑，首次提出并探討了濾鏡問題的一個新方向：能否恢復(fù)經(jīng)過圖像濾鏡處理之后的圖片？

通過對圖像濾鏡過程的分析，本文作者發(fā)現(xiàn)傳統(tǒng)平滑濾鏡可以近似看做測度理論中的壓縮映射。因此，在無需知道濾鏡實現(xiàn)算法的情況下，用簡單地零階迭代算法便可以恢復(fù)濾鏡前的效果。作者在常用的數(shù)十種濾鏡上測試了算法，并均能取得很好的效果。本算法本身實現(xiàn)簡單（無需知道濾鏡算法，無需計算梯度），效果顯著，其揭示的現(xiàn)象和背后的原理有望引起后續(xù)研究者們對濾鏡算法領(lǐng)域新的理解。

7. Poster論文：基于圖模型神經(jīng)網(wǎng)絡(luò)的情景識別

Situation Recognition with Graph Neural Networks

(http://open.youtu.qq.com/research/publications)

本論文與香港中文大學(xué)和多倫多大學(xué)合作完成，作者提出了一種基于圖模型的神經(jīng)網(wǎng)絡(luò)用于情景識別任務(wù)。在情景識別任務(wù)中，算法需要同時識別圖中所展示的動作以及參與完成這個動作的各種角色，比如主語、賓語、目標(biāo)、工具等等。為了顯式地對不同角色間的關(guān)系建模，文中提出的圖模型神經(jīng)網(wǎng)絡(luò)將表示不同角色的節(jié)點連接在了一起，并通過信息傳遞的方式使得網(wǎng)絡(luò)可以輸出一個結(jié)構(gòu)化的結(jié)果。作者在實驗中比較了不同的連接方式，比如線形結(jié)構(gòu)，樹形結(jié)構(gòu)和全連接結(jié)構(gòu)，發(fā)現(xiàn)在情景識別任務(wù)中全連接結(jié)構(gòu)的效果最好。最后，文中還展示網(wǎng)絡(luò)所學(xué)習(xí)到的對于不同動作的特有的連接結(jié)構(gòu)。上圖所示的結(jié)果圖，比較了不同模型的檢測結(jié)果。其中藍(lán)底的表示參與動作的角色，綠底表示正確的預(yù)測結(jié)果，紅底表示錯誤的預(yù)測結(jié)果。我們可以看到，使用全連接圖模型能夠糾正一些由其他模型產(chǎn)生的錯誤。

8. Poster論文：基于序列性組合深度網(wǎng)絡(luò)的實例分割

Sequential Grouping Networks (SGN) for Instance Segmentation

(http://open.youtu.qq.com/research/publications)

本論文與香港中文大學(xué)，多倫多大學(xué)和Uber合作完成。實例分割是比物體檢測和語義分割更進(jìn)一步的識別任務(wù)，旨在為圖中每個實例都提供一個像素級別的掩膜，既保持了區(qū)分不同實例的能力，又保證了定位實例的精確性。該任務(wù)在自動駕駛，機(jī)器人等領(lǐng)域有廣闊的應(yīng)用前景。

在本論文中，作者提出了一種全新的方式，通過一組序列性的不同的深度網(wǎng)絡(luò)逐步將一些低級的元素不斷組合成更加復(fù)雜的結(jié)構(gòu)，最終得到每個實例對應(yīng)的掩膜。該方法同時解決了一些早期工作中自下而上的方法會把被隔斷的物體錯判為多個物體的問題。該方法在兩個數(shù)據(jù)集上都取得了比早期工作更好的結(jié)果。

9.Spotlight論文：基于弱監(jiān)督和自監(jiān)督的深度卷積神經(jīng)網(wǎng)絡(luò)圖片縮放算法

Weakly- and Self-Supervised Learning for Content-Aware Deep Image Retargeting

(http://open.youtu.qq.com/research/publications)

本論文與韓國KAIST大學(xué)一起合作。隨著數(shù)字顯示設(shè)備的普及，隨之而來的一個問題就是同一張圖片在不同分辨率設(shè)備上顯示效果的適應(yīng)性問題。傳統(tǒng)的線性縮放，或是簡單裁剪等方法會帶來諸如圖片內(nèi)容扭曲、內(nèi)容丟失等負(fù)面效果。

作者提出了一種利用弱監(jiān)督和自監(jiān)督深度卷積神經(jīng)網(wǎng)絡(luò)（WSSDCNN）來進(jìn)行圖片縮放的算法。該算法通過建立一個在輸入圖片與目標(biāo)分辨率圖片之間像素級別的映射，旨在對圖片大小進(jìn)行調(diào)整的同時，盡量保留圖片中重要語義信息的比例結(jié)構(gòu)，從而避免了內(nèi)容扭曲、內(nèi)容丟失等傳統(tǒng)方法的缺陷，在最大程度上保持了圖片顯示效果的一致性。

10. Poster論文：分區(qū)域多人姿態(tài)識別算法

RMPE: Regional Multi-Person Pose Estimation

(http://open.youtu.qq.com/research/publications)

本論文與上海交通大學(xué)合作完成。自然場景下的多人姿態(tài)識別一直都是計算機(jī)視覺領(lǐng)域中較難攻克的課題之一。盡管目前人物檢測的算法已經(jīng)十分穩(wěn)定，但微小的誤差仍然很難避免。

針對在人物檢測結(jié)果不準(zhǔn)的情況下進(jìn)行穩(wěn)定的多人姿態(tài)識別這一問題，作者提出了一種全新的解決方案——分區(qū)域多人姿態(tài)識別算法（RMPE）。該算法綜合利用了對稱性空間遷移網(wǎng)絡(luò)（Symmetric Spatial Transformer Network）和單人姿態(tài)估計算法，從而擺脫了多人姿態(tài)識別任務(wù)對人物檢測準(zhǔn)確性的依賴，并且進(jìn)一步通過參數(shù)化的人物姿態(tài)表達(dá)對識別結(jié)果進(jìn)行了優(yōu)化。根據(jù)在公開數(shù)據(jù)集MPII上的測試結(jié)果，該算法相較CMU提出的OpenPose算法提升了1個百分點，尤其是對手肘、手腕、膝蓋、腳踝等細(xì)小關(guān)鍵點的改善尤為明顯。

11. Poster論文：學(xué)習(xí)判別數(shù)據(jù)擬合函數(shù)來做圖像的去模糊

Learning Discriminative Data Fitting Functions for Blind Image Deblurring

(http://open.youtu.qq.com/research/publications)

本論文與南京科學(xué)技術(shù)大學(xué)，大連理工大學(xué)和加州大學(xué)默塞德分校合作完成。本論文是關(guān)于一個用數(shù)據(jù)擬合函數(shù)來解決圖像的去模糊問題。圖像去模糊是一個經(jīng)典的計算機(jī)視覺問題，需要合理定義數(shù)據(jù)擬合函數(shù)和圖像先驗知識。但是目前的大部分算法都是通過更好的定義圖像先驗來提高去模糊的效果，對數(shù)據(jù)擬合函數(shù)的研究比較少。本文提出了一種機(jī)器學(xué)習(xí)方法來學(xué)習(xí)模糊圖像和清晰圖像之間的關(guān)系，從而得到更好的數(shù)據(jù)擬合函數(shù)。該擬合函數(shù)能進(jìn)一步幫助估計更加準(zhǔn)確的模糊核。該算法在非常難的去模糊圖像數(shù)據(jù)集中得到了最好結(jié)果。

12. Poster論文：利用已知物體和物質(zhì)信息遷移的弱監(jiān)督物體檢測算法

Weakly Supervised Object Localization Using Things and Stuff Transfer

(http://open.youtu.qq.com/research/publications)

本論文與愛丁堡大學(xué)合作完成。本論文關(guān)注弱監(jiān)督的物體檢測問題并利用已知物體（可數(shù)）和物質(zhì)（不可數(shù)）信息遷移來提供幫助。弱監(jiān)督物體檢測的目標(biāo)集合的中物體位置信息未知，而源集合中對應(yīng)的物體和物質(zhì)的信息包括位置、標(biāo)記等則已知。源集合和目標(biāo)集合中的物體類別有一定的相似性，比如外形相似或者擁有共同物質(zhì)背景。

為了遷移利用這種相似性，本文作者從源集合中獲取三種信息：一個分割模型；源集合與目標(biāo)集合物體類別之間相似度；源集合中物體與物質(zhì)類別之間的共生性。作者緊接著利用分割模型對目標(biāo)集合圖片首先做圖像分割，同時利用物體物質(zhì)類別之間的相似度和共生性來修正分割結(jié)果。修正后結(jié)果被嵌入到多物體檢測框架中聯(lián)合訓(xùn)練并檢測目標(biāo)集合中的物體。本文算法效果在公開數(shù)據(jù)集上超過其他現(xiàn)有弱監(jiān)督物體檢測算法。同時本文特別選擇了目標(biāo)集和源集合差別很大的物體類別進(jìn)行測試，顯示本文遷移算法具有很強大的泛化能力。

帶你一分鐘了解ICCV

ICCV全稱為International Conference on Computer Vision（國際計算機(jī)視覺大會），由美國電氣和電子工程師學(xué)會（IEEE，Institute of Electrical & Electronic Engineers）主辦。作為世界頂級的學(xué)術(shù)會議，首屆國際計算機(jī)視覺大會于1987年在倫敦揭幕，其后兩年舉辦一屆。今年ICCV將于10月 22 日到 29 日在意大利威尼斯舉辦。

ICCV作為計算機(jī)視覺領(lǐng)域最高級別的會議之一，是中國計算機(jī)學(xué)會推薦的A類會議。其論文集代表了計算機(jī)視覺領(lǐng)域最新的發(fā)展方向和水平。會議的論文收錄率較低，影響力遠(yuǎn)超一般SCI期刊，大致與中科院JCR分區(qū)1區(qū)和Web of Science的JCR分區(qū)Q1中靠前的學(xué)術(shù)期刊相當(dāng)。