大数据文摘出品
史上最难的的CVPR终于来了！
由于疫情影响，今年原定于6.14开始的线下讨论会改成位于西雅图的线上会议。
在刚刚结束的CVPR开幕式上，悉数公布了本届CVPR最佳论文、最佳学生论文等奖项。值得一提的是，两个奖项的论文一作均为华人。
CVPR（ConferenceonComputerVisionandPatternRecognition）作为全球顶级计算机会议之一，会议形式分为论文讨论会和短期课程，其目的是凭借极具性价比的研究，大力推动全球的计算机视觉行业的发展与进步。
根据本次Acceptlist接收情况来看，本次共接收文章篇（有效提交总数为篇），接受率为22%，比年的29.6%和年的25%都有下降，堪称CVPR史上最严的收稿会。
由于疫情，本次会议需要线上举行，项目主席CeLiu很期待参会注册人数能有较大增长，今年的注册者，已经超过年参会注册人数。
华人作者比例高达39.2%，清华大学为最高产机构
由于疫情原因，转战线上的CVPR参会注册人数与前几年相比有一定程度的上升，但即使如此，与去年的人相比仍有小幅下降。
大会开场公布的数据，今年参与CVPR论文的作者数量高达位，其中中国作者比例达39.2%，位居第一。
在中国作者的所属机构排名中，清华以名位列第一，前10个机构中国高校占据了7席，包括上海交通大学、北京大学、浙江大学、中科大、北航、西安电子科技大学。
在接收主题方面，根据大会统计，视觉领域依然是当前最热门的主题，迁移/low-shot/半监督/无监督学习紧随其后，图像与视频合成、3D等也持续火热。
最佳论文
今年的最佳论文来自牛津大学，论文名为UnsupervisedLearningofProbablySymmetricDeformable3DObjectsfromImagesintheWild。
在论文中，研究人员提出了一种无需外部监督即可从原始单视图图像中学习3D变形对象类别的方法。该方法基于自动编码器，能够将每个输入图像分解为深度，反照率，视点和照明。
为了在不进行监督的情况下解开这些组件，研究人员利用了许多对象类别在原则上具有的对称结构，进而证明，通过照明推理帮助利用物体对称性，即使由于阴影而观看存在不对称也无碍。
除此之外，研究人员还通过预测对称概率图来建模可能对称的物体，与模型的其他组件进行端到端学习。
实验结果表明，这种方法可以非常准确地恢复人脸的3D形状，单视场图像中的猫脸和汽车，无需任何监督或事先的造型模型。在基准测试中，与另一种在2D图像对应级别上使用监督的方法相比，我们证明了更高的准确性。
论文链接：