CVPR 2018视频行为识别挑战赛结果出炉：前三名均由国内团队包揽 机器之心报道 参与：李亚洲、刘晓坤 6 月 18 号，CVPR 2018 将在犹他州盐湖城开幕。作为计算机视觉领域的全球顶会，吸引了国内外众多学界、产业界的研究人员参与。而华人力量在 CVPR 上影响力愈为凸显：无论是论文接收，还是在各种挑战赛中取得的成绩。今日，MIT-IBM Watson 人工智能实验室主持的 Moments in Time 挑战赛结果出炉，而无论是 Full Track 还是 Mini Track 的前三名，都由国内团队获得。 比赛介绍 Moment 是由 MIT-IBM Watson AI Lab 开发的研究项目。该项目致力于构建超大规模数据集来帮助 AI 系统识别和理解视频中的动作和事件。 如今，该数据集已包含了一百万部标记的 3 秒视频，涉及人物、动物、物体或自然现象，捕捉了动态场景的要点。 此挑战赛分为两个 Track，分别如下： Full Track 在完整 Moments in Time 数据集上的分类任务： 339 个类别； 802264 个训练视频； 33900 个验证视频； 67800 个测试视频。 Mini Track 在 Moments in Time 数据集的子集上的分类任务（面向学生）： 200 个类别； 100000 个训练视频； 10000 个验证视频； 20000 个测试视频。 在两个 Track 中，总共有来自 24 个注册团队的 123 名参赛者，并提交了 151 个有效结果。每个团队每天可以提交一次，在整个比赛中一共可以提交 10 次。排名基于最佳的提交结果。最终分数按 top-1 准确率和 top-5 准确率的平均值计算。 结果出炉 今日，该挑战赛的结果出炉，Full Track 与 Mini Track 前三名都为中国团队所得： 在 Full Track 类别中，来自海康威视的 DEEP-HRI 获得了第一名，旷视科技第二，七牛云团队第三名。在 Mini Track 中，来自中山大学的 SYSU_isee 团队获得第一名，北航与台湾大学的团队分别是二三名。 在 CVPR 期间，获胜团队将受邀在 workshop 上做展示。 此外，这些获胜团队的技术报告大部分已经放出，感兴趣的同学可从以下链接查阅、学习： 海康威视：http://moments.csail.mit.edu/challenge2018/DEEP_HRI.pdf 旷视科技：http://moments.csail.mit.edu/challenge2018/Megvii.pdf 七牛云：http://moments.csail.mit.edu/challenge2018/Qiniu.pdf 中山大学：http://moments.csail.mit.edu/challenge2018/SYSU_isee.pdf 台湾大学：http://moments.csail.mit.edu/challenge2018/MIRA.pdf 小结 计算机视觉作为重点 AI 研究领域，华人在其中做出的贡献愈来愈大。CVPR 作为计算机视觉领域的顶级会议，一直受到国内研究者的重视，积极贡献论文，参与竞赛。 仅据机器之心不完全了解，有商汤科技参与的论文被 CVPR 2018 接收了 44 篇论文（商汤科技、香港中文大学 - 商汤科技联合实验室以及其他商汤科技联合实验室），腾讯 AI Lab 21 篇论文入选，阿里巴巴 18 篇，腾讯优图 10 篇。 除了来自产业界的论文，机器之心也断断续续报道了众多来自国内大学的 CVPR 2018 论文，例如上海交通大学电子系人工智能实验室倪冰冰教授课题组的 6 篇论文、清华大学的 CartoonGAN 等。想要了解更多 CVPR 2018 论文，读者们可参阅以下内容，也可从机器之心公众号后台「文章搜索」处搜索「CVPR 2018」： CVPR 2018 | 零样本学习新进展：使用鉴别性特征实现零样本识别 CVPR 2018 | 牛津大学&Emotech 首次严谨评估语义分割模型对对抗攻击的鲁棒性 CVPR 2018 | 鸡尾酒网络 DCTN：源分布结合律引导的迁移学习框架 CVPR 2018 | 腾讯 AI Lab 提出新型损失函数 LMCL：可显著增强人脸识别模型的判别能力 CVPR2018 | 直接建模视觉智能体？让「小狗」动起来～ CVPR 2018 | Spotlight 论文：单摄像头数秒构建 3D 人体模型 CVPR 2018 | 腾讯 AI Lab、MIT 等机构提出 TVNet：可端到端学习视频的运动表征 CVPR 2018 | 哈工大提出 STRCF：克服遮挡和大幅形变的实时视觉追踪算法 CVPR 2018 | Spotlight 论文：变分 U-Net，可按条件独立变换目标的外观和形状 CVPR 2018 | 中科大&微软提出立体神经风格迁移模型，可用于 3D 视频风格化 CVPR 2018 | 残差密集网络：利用所有分层特征的图像超分辨率网络 CVPR 2018 | Poster 论文：处理多种退化类型的卷积超分辨率 CVPR2018 | 新加坡国立大学论文：利用互补几何模型改善运动分割 CVPR2018 | CMU&谷歌 Spotlight 论文：超越卷积的视觉推理框架 CVPR 2018 | 华中科技大学提出多向文本检测方法：基于角定位与区域分割 CVPR 2018 | 优于 Mask R-CNN，港中文&腾讯优图提出 PANet 实例分割框架 CVPR 2018 | Spotlight 论文：解耦神经网络 DCNet，性能优于标准 CNN CVPR 2018 | 商汤科技提出 GeoNet：用无监督学习感知 3D 场景几何 CVPR 2018 | 新型语义分割模型：动态结构化语义传播网络 DSSPN CVPR 2018 | 无需额外硬件，全卷积网络让机器学习学会夜视能力 参考内容：http://moments.csail.mit.edu/results2018.html 本文为机器之心报道，转载请联系本公众号获得授权。 ?------------------------------------------------ 加入机器之心（全职记者 / 实习生）：hr@jiqizhixin.com 投稿或寻求报道：content@jiqizhixin.com 广告 & 商务合作：bd@jiqizhixin.com