新出炉的最佳论文：CVPR 2020线上分享，一作带你玩转无监督3D图像重构 从 4 月份开始，机器之心 CVPR 2020 线上论文系列分享已经进行到了第九期，为大家介绍了多篇优质论文，提供了与论文作者们沟通交流的机会。 如今，CVPR 2020 已正式开幕，线上会议也在火热进行中。 如果你看了 16 日的开幕式，就会发现今年的 CVPR 依然火热。虽然受疫情影响，CVPR 2020 改为了线上，但参会注册人数高达 7000 人。 除了宣布接收论文、参会人数等数据，开幕式上大会官方也公布了今年的最佳论文、最佳学生论文等奖项。来自牛津大学的吴尚哲、Christian Rupprecht、Andera Vedaldi 获得了最佳论文奖，他们的论文题目是《Unsupervised Learning of Probably Symmetric Deformable 3D Objects from Images in the Wild》。 最佳论文解决了什么问题？解决方案有何亮点？在此次的分享中，我们请到了该论文的一作吴尚哲来为我们解答这些问题。 主题：无监督重构 3D 对称物体 个人介绍： 吴尚哲，牛津大学工程科学博士二年级，目前主要研究无监督 3D 理解，其导师为牛津大学视觉几何组（VGG）Andrea Vedaldi 教授。他 2018 年本科毕业于香港科技大学，其间跟随导师 Chi-Keung Tang 和 Yu-Wing Tai 从事图像生成相关研究，曾在商汤科技、腾讯以及谷歌实习。吴尚哲目前也是晋江本土公益教育机构 “星野学院” 合伙人之一。 演讲摘要： 训练 3D 重构模型通常依赖于各种标注数据，包括 3D 标注样本、多视图、景深、物体轮廓、关键点、相机视角等等，然而采集这些标注需要大量的人工成本，导致这些方法很难应用于各种各样的自然物体。 上述最佳论文提出了一种简单的方法，利用物体的对称性就能从自然图片集学出可变形的 3D 物体，且无需任何标注数据。同时，该方法还能无监督地分离光照和物体自身的基色，从而渲染出不同光照下的成像。 实验结果表明，该方法不仅能够从自然图像重构出精致的 3D 人脸、猫脸，还能重构油画、抽象画、卡通图片，也可以逐帧应用在视频上。 在本次分享中，吴尚哲将为我们介绍他们的研究思路。 分享资料： 论文链接：https://arxiv.org/abs/1911.11130 代码地址：https://github.com/elliottwu/unsup3d demo 地址：http://www.robots.ox.ac.uk/~vgg/blog/unsupervised-learning-of-probably-symmetric-deformable-3d-objects-from-images-in-the-wild.html 分享时间：北京时间 7 月 1 日 20:00-21:00 CVPR 2020 机器之心线上分享 在 CVPR 2020 收录的大量优秀论文中，我们将选出数篇优质论文，邀请论文作者来做线上分享。整场分享包括两个部分：论文解读和互动答疑。 线上分享将在「CVPR 2020 交流群」中进行，加群方式：添加机器之心小助手（syncedai6），备注「CVPR」，邀请入群。入群后将会公布直播链接。小助手二维码