CVPR（國際計算機視覺與模式識別會議）是IEEE 舉辦的年度學術性會議，會議主要關注計算機視覺與模式識別等方面的技術內容。在各種學術會議統計中，CVPR 有着非常強的影響力和高排名。在美國夏威夷剛剛結束的CVPR 2017大會上，學術界和工業界都給予了極高的關注度，無論是收錄的論文數和參會人數都刷新了CVPR 的歷史紀錄。
對於這樣一場頂尖學術會議，廣大沒有機會出席活動現場的同學們除了閱讀相關文章之外，還能如何更深度地瞭解CVPR 2017的學術成果呢？
8月12日下午，由雷鋒網主辦的「GAIR大講堂CVPR 上海交大專場」將在上海交通大學正式開幕。作爲雷鋒網(公衆號：雷鋒網)旗下高端學術分享品牌，GAIR 大講堂將通過舉辦高頻次的線下校園學術分享活動，實現學術專家、AI業者與學校同學們之間的深度交流。本次活動中，雷鋒網特地邀請5位CVPR 2017的前方論文講者，邀請他們講解各自的論文，同時分享CVPR 的參會心得。相信5位學術青年原汁原味的分享，將會爲大家帶來關於CVPR 更生動的介紹。
活動概況
主辦方：雷鋒網
合作單位：上海交通大學、AI研習社、阿里AI 實驗室、AI MOOC 學院
指導單位：中國計算機學會（CCF）
合作媒體：AI科技評論
時間：8月12日下午2：00-6：30
地點：上海交通大學電信三號樓200號報告廳
活動流程
2:00-2:05 主辦方介紹本次活動
2:05-2:15 校方領導致辭
2:15-2:55 MIT EECS系三年級博士生 吳佳俊
分享主題：用於從單張圖像中重建三維物體的點雲生成網絡
A Point Set Generation Network for 3D Object Reconstruction from a Single Image
2:55-3:35 阿里巴巴人工智能實驗室資深算法工程師 汪洋
分享主題：Contextual Attention-based Memory Networks for Scene Labeling
3:35-4:15 上海交大同學研究生 楊蕊
分享主題：Video segmentation via multiple granularity analysis
4:15-4:30 現場休息
4:30-5:10 上海交通大學研究生林天威
分享主題：Single shot temporal action detection
5:10-5:50 上海交通大學博士王敏思
分享主題：Recurrent Modeling of Interaction Context for Collective Activity Recognition
5:50-6:20 現場統一提問問答
6:20 活動結束
嘉賓介紹
吳佳俊，MIT EECS系三年級博士生，導師Bill Freeman教授和Josh Tenenbaum教授。 他的研究興趣在於計算機視覺，機器學習，和計算認知科學的交叉。 在此之前，他於2014年在清華大學交叉信息院獲得學士學位。 他曾在微軟，Facebook和百度的研究實驗室實習。
分享主題：A Point Set Generation Network for 3D Object Reconstruction from a Single Image（用於從單張圖像中重建三維物體的點雲生成網絡）
通過深層神經網絡生成三維數據在學術界越來越受到關注。現存的大多數方法都採取常規的三位數據表示，例如三位體素或圖像集合。在這篇CVPR文章裏，作者試圖從單張圖像中直接生成三維點雲座標，並進行三維重建。作者針對問題設計了相應的神經網絡架構，損失函數和學習範式。實驗結果也證明了所提出的方法的良好性能。
汪洋，阿里巴巴人工智能實驗室資深算法工程師。2014年畢業於電子科技大學電子工程學院，期間研究方向爲信號與信息處理。同年加入阿里巴巴，先後從事數據挖掘、機器學習、計算機視覺等方面的工作，目前主要研究興趣爲目標檢測與跟蹤、語義分割以及深度網絡壓縮與加速等。
主題：Contextual Attention-based Memory Networks for Scene Labeling（上下文注意力機制記憶網絡在場景標記中的應用）
分享內容：場景標註旨在解決的問題是預測圖像每個像素所屬的類別，實際上它可視爲一個序列到序列的預測任務。因此，如何充分利用相關上下文信息是提高標註效果的關鍵所在。我們提出了一種Episodic CAMN方法，並在該方法的基礎上定義了一種由全卷積神經網絡（Fully Connected Network，FCN）和帶有反饋連接的注意力機制記憶網絡（Attention-based Memory Network with Feedback Connections）構成的統一框架來實現上下文信息的選擇和調整。我們在PASCAL Context，SIFT Flow和PASCAL VOC 2011等場景標註數據集上進行一系列評測，取得了不錯的效果。
楊蕊，上海交通大學研究生。
分享題目：Video segmentation via multiple granularity analysis（基於多粒度分析的視頻分割）
視頻目標分割是指講視頻中的目標物體在每一幀中沿輪廓進行分割。採用一個多粒度框架可以通過從粗到細的方式對視頻進行精準分割。視頻分割可以被理解爲一個時序上的超像素打標過程，在精準的視頻跟蹤技術的幫助下，時空上的多實例學習算法可以將超像素進行二分類，並緊接着用圖割的方式在像素級別進行細化，最終實現準確的分割。
林天威，上海交通大學自動化系計算機視覺實驗室的研一學生，導師爲趙旭老師。主要關注計算機視覺，深度學習，視頻分析等方向的工作，主要研究視頻動作分析領域中的時序動作檢測問題。
主題： Single shot temporal action detection（單鏡頭時序行爲檢測）
分享內容：時序行爲檢測是要在視頻序列中確定動作發生的時間區間（包括開始時間與結束時間）以及動作的類別。與其關係緊密的一個領域是基於圖像的物體檢測（object detection），物體檢測是檢測物體在圖像中的位置，包括長和寬兩個維度，而時序行爲檢測則只需要確定時間維度上動作的位置。本論文投稿於ACM multimedia 2017
王敏思，上海交通大學博士生。
分享題目：Recurrent Modeling of Interaction Context for Collective Activity Recognition（通過對互動信息的遞歸建模來進行羣體行爲識別）
分享內容：羣體行爲識別旨在判斷場景中整個人羣的行爲。羣體行爲通常包括多個層次的互動信息（Interaction Context），包括單個人的運動信息，局部羣組內人與人的互動信息，以及局部組羣與組羣之間的互動信息。針對此現象，論文提出了一個基於多層次遞歸神經網絡的羣體行爲識別算法，該算法在每個層次的互動信息建模中，使用LSTM節點，低級層次的信息會聚後作爲高級層次的信息節點輸入，主要分爲person-level，group-level, scene-level三個不同層次的LSTM。最終通過多層次的LSTM結構，實現跨層次的羣體行爲識別。該方法在羣體行爲數據庫Collective-Activity獲得了目前很好的識別精度。
以上就是本次活動的簡要介紹，想要近距離了解更多論文投稿細節，就快來報名參會吧。另外，本次活動全程免費，現場還有送書活動，獎品就是最近賣到脫銷的《Deep Learning》一書。還等什麼？掃描下方活動海報二維碼即可報名參加，也可以點擊活動鏈接報名。
