CVPR 2019: Çinli şirketler, Çin yıldızının parlama anına tanıklık ederek çok sayıda şampiyonluk kazandı
Çin'in yükselişi için.
AI Technology Review Press: 18 Haziran'da, dünyanın en iyi üç bilgisayarlı görme konferansından biri olan "2019 Bilgisayar Görüsü ve Örüntü Tanıma Konferansı" (CVPR 2019), Long Beach, ABD'de başladı ve 9.200'den fazla üst düzey küresel lideri çekecek Uzmanlar, akademisyenler ve sektör figürleri, CV teknolojisinin geliştirilmesini ve uygulanmasını ortaklaşa destekler.
2018 ile karşılaştırıldığında, bu CVPR'deki makale gönderimlerinin sayısı% 56 arttı, ancak makale kabul oranı% 3,9 düştü, bu da makale seçimindeki zorluğun arttığını ve akademik yarışmalara başvuru sayısının artmaya devam ettiğini gösteriyor. Ancak makaleler veya akademik yarışmalar açısından ne olursa olsun, birçok Çinli şirket bu yıl sevindirici sonuçlar elde etti.Bu sonuçlar sadece bu şirketlerin gelişmişlik düzeyini değil, aynı zamanda Çin halkının bilimsel ve teknolojik ilerlemesini de temsil ediyor. AI Technology Review artık sonuçlarını aşağıdaki gibi organize ediyor ve rapor ediyor.
CVPR 2019 için 62 Shangtang bildirisi seçildi ve ortak araştırma ekibi CVPR 2019 Workshop NTIRE 2019 Video Kurtarma Yarışması'nda dört koşu şampiyonluğu kazandı.
SenseTime'ın CVPR 2019 başvuru belgeleri birçok alanda çığır açmıştır. Temsilci makaleler şunları içerir: "Karma Görev Basamağına Dayalı Örnek Segmentasyon Algoritması", "Özellik Kılavuzuna Dayalı Dinamik Bağlantı Kutusu Oluşturma Algoritması" (Üst Düzey Görsel Çekirdek Algoritması Nesne algılama ve bölümleme); "Ağ parametresi enterpolasyonuna dayalı olarak görüntü efektlerinin sürekli ayarlanması", "Optik akış rehberliğine dayalı video geri yükleme" (temelde yatan görsel çekirdek algoritma-görüntü geri yükleme ve tamamlama); "PointRCNN: Orijinal nokta bulutuna dayalı 3B Nesne Algılama Yöntemi "(otonom sürüş sahneleri için 3B vizyon);" İnsanın içsel optik akışına dayalı poz dönüştürme görüntüsü oluşturma "(AR / VR sahneleri için insan poz geçişi);" koşullu hareket yayılımına dayalı kendi kendini denetleyen öğrenme " (Denetimsiz ve Öz-denetimli Derin Öğrenmenin Sınır Gelişimi) vb. Bu çığır açan bilgisayarla görme algoritmaları yalnızca zengin uygulama senaryolarına sahip olmakla kalmıyor, aynı zamanda AI endüstrisinin gelişimine de büyük katkılar sağladı.
Shangtang Technology, Hong Kong Çin Üniversitesi, Nanyang Teknoloji Üniversitesi ve Çin Bilimler Akademisi Shenzhen İleri Teknoloji Enstitüsü ortak girişiminden CVPR 2019 Workshop NTIRE 2019 video kurtarma yarışmasında (iki video bulanıklaştırma ve iki video süper çözünürlük dahil) Araştırma ekibi, dört pistin tamamında tüm şampiyonaları kazanmak için EDVR'nin algoritmasını kullandı ve her sonuç, pistteki ikinci sırayı önemli ölçüde geçti.
Yazar, "EDVR: Geliştirilmiş Deforme Edilebilir Evrişimli Ağlarla Video Restorasyonu" başlıklı makalede, bu yeni algoritmayı, tüm sürecin uçtan uca sürecini gerçekleştirebilen video hizalaması için Deformable evrişim kullanan yeni bir ağ modülü PCD hizalama modülü aracılığıyla tanıttı. Eğitim; ve zaman alanında (videonun ön ve arka çerçeveleri) ve uzaysal alanda (aynı çerçeve içinde) bilgi füzyonu araştırırken, yazar daha iyi bilgi füzyonu için bir uzamsal-zamansal dikkat modeli önerdi.
EDVR algoritma mimarisi
Bu nedenle, EDVR algoritması video süper çözünürlüğünü ve sektörün en iyi görüntü süper çözünürlük algoritması olan RCAN'ı aynı alanı işlemek için kurtarırken, EDVR algoritması video süper çözünürlüğünün daha fazla ayrıntı verebileceği açıkça görülebilir. (Bu yöntemin kodu açık kaynak kodludur)
Ek olarak, SenseTime ayrıca AI CITY Challenge (CVPR 2019 Workshop) anormallik algılama devresini kazandı. Kentsel akıllı ulaşım her zaman düşük veri kalitesi, daha az etiket verisi, yüksek kaliteli algoritma modellerinin eksikliği ve uçtan buluta yetersiz bilgi işlem kaynakları gibi zorluklarla karşı karşıya kalmıştır. Rekabette, SenseTime'ın tasarımı daha çok geçiş öğrenimi ve denetimsizdir. Yarı denetimli yöntem, şehir trafiğinin daha güvenli ve akıllı hale gelmesine yardımcı olmak için trafik kazaları, araç arızaları vb. Gibi trafik anormalliklerini tespit eder.
EDVR kağıt adresi
https://arxiv.org/abs/1905.02716v1
EDVR GitHub adresi
https://github.com/xinntao/EDVR
17 Baidu bildirisi konferansa dahil edildi ve 10 CVPR 2019 yarışma şampiyonu kazandı
Bu yılki CVPR'de Baidu, semantik bölümleme, ağ budama, ReID, GAN gibi birçok yönü kapsayan toplam 17 makale aldı ve bu teknolojilerin çoğu insansız sürüşle ilgili senaryolar için tasarlandı.
Sanal görüntüleri işlemek için ortak eğitim ve rakip eğitimin birleşiminden bahseden "Etki Alanı Değişikliğine Daha Yakından Bakış: Anlambilim Tutarlı Etki Alanı Uyarlaması için Kategori Düzeyinde Düşmanlar" (https://arxiv.org/abs/1809.09478) dahil Gerçek görüntüler arasındaki anlamsal bölümleme ağ eğitimi farklılıkları sorunu Bu teknolojinin otomatik sürüşe uygulanması, veri açıklama ve toplama iş yükünü büyük ölçüde azaltabilir.
"3D İç Mekan Navigasyonu için Sim-Real Eklem Takviye Transferi" nde (https://arxiv.org/abs/1904.03895) önerilen görsel özellik uyarlama modeli ve strateji simülasyon modeli, robotun öğrenmiş olduğu strateji ve stratejileri sanal ortamda etkin bir şekilde entegre edebilir. Özellikler gerçek sahneye aktarılır; "ApolloCar3D: Otonom Sürüş için Büyük Bir 3D Araba Örneği Anlama Ölçütü", tek bir görüntünün araç tutumunu daha iyi tahmin edebilen otomatik sürüş alanında bilinen en büyük 3B araç tutum veri kümesini sunar .
CVPR ile ilgili yarışma görevlerinde Baidu, birçok popüler alanı kapsayan toplam 10 şampiyonluk kazandı
-
Görsel alanda video anlama ve analizi: video eylem adaylığı, video eylem algılama iki görev şampiyonu ve yeni görev EPIC-Kitchens eylem tanıma yarışması dahil olmak üzere iki test seti şampiyonu kazandı (Seen mutfaklar ve Görünmez mutfaklar);
-
Hedef tespiti: "Objects365 Nesne Algılama" uluslararası yarışmasında Full Track şampiyonu ve NTIRE yarışmasında görüntü süper çözünürlük projesinde şampiyon;
-
İnsan vücudu tespiti: Look Into Person uluslararası yarışmasında, üç insan vücudu rafine edilmiş analiz yarışma birimi (Track1: Single-Person Human Parsing, Track3: Mult-Person Human Parsing, Track4: Video Multi-Person Parsing) birinci oldu;
-
Canlı yüz algılama: Baidu, CVPR-19-Face Anti-spoofing Attack Detection Challenge'da 300'den fazla takımı mağlup etti ve sonunda ilk iyi sonucu kazandı.
-
Akıllı Şehir Araç Tanıma: AI-city Açık Şehir bölgesi çok kameralı araç yeniden tanıma görevi ilk sırada;
CVPR 2019'da Baidu Apollo, L4 otonom sürüş için saf görüş çözümünü de ilk kez ortaya çıkardı. Apollo Teknik Komitesi Başkanı Wang Liang, L4 Tam Otonom Sürüş (Tam Otonom Sürüş) ortam algılama teknolojisi çözümünü açıkladı ve çevredeki görüş çözümü Baidu Apollo Lite'ı açıkladı. Ayrıca, erken teknoloji Ar-Ge yatırımı ve 2019'un ilk yarısındaki yol testi yinelemesinden sonra, bu 10 kameralı algılama sistemine güvenen Baidu insansız araçlarının, yüksek hat sayısı olan döner lidar'a güvenmeden şehir içi yollarda uçtan uca ulaşabildiğini söyledi. Kapalı döngü otomatik sürüşü sonlandırın.
Megvii'nin 14 bildirisi kabul edildi ve CVPR2019 Challenge'da 6 dünya şampiyonluğu kazandı
CVPR 2019'da Megvii Araştırma Enstitüsü, bilgisayarla görme teorisi ve uygulaması alanındaki en son gelişmeleri Oral, Poster, Workshop, Demo, Booth ve diğer formlar aracılığıyla dünya ile paylaştı.
Geçen yılki 8 bildiri bulunan Megvii Teknolojisi ile karşılaştırıldığında, bu yıl CVPR tarafından 6 makale daha aldılar. Bu 14 belge, yaya yeniden tanıma, sahne metni algılama, panoramik bölümleme, görüntü süper çözünürlüğü, anlamsal bölümleme ve uzay-zamansal algılama gibi teknik yönleri kapsamaktadır.
CVPR 2019 WAD (Otonom Sürüş Çalıştayı), CVPR 2019 FGVC (İnce Taneli Görsel Kategorizasyon Çalıştayı), CVPR 2019 NTIRE (Görüntü Yenileme ve İyileştirmede Yeni Trendler atölyesi) en önemli toplantıda 3 zorluk, Facebook'u mağlup etti, General Dynamics, Daimler ve diğer üst düzey teknoloji devleri ve yurtiçi ve yurtdışındaki tanınmış üniversiteler, otonom sürüş, yeni perakende satış, akıllı telefonlar ve 3D gibi birçok alanı kapsayan tek seferde altı dünya şampiyonluğu kazandı.
Bunların arasında, NTIRE 2019 gerçek görüntü gürültü azaltma yarışması, görüntü kalitesini geri yüklemeye ve iyileştirmeye adanmıştır. Şimdiye kadar 3 yıl üst üste yapıldı. NTIRE Mücadelesi kapsamında bu yıl 11 yarışma var Megvii Enstitüsü'nün katıldığı "Gerçek Görüntü Engelleme Mücadelesi (Gerçek Görüntü Engelleme Yarışması)" nda dünyanın her yerinden 216 oyuncu ve 12 takım yer alıyor. Önceki yıllardan farklı olarak, bu yılki görüntü paraziti azaltma yarışması, görüntü paraziti azaltıcıyı sentetik resimler yerine gerçek görüntüler için değerlendirmektir. Görüntü depolamalı ham sensör verisinin (ham) ve standart RBG'nin (sRGB) iki formatına göre, rekabet iki karşılık gelen alt yarışa bölünmüştür.
Megvii Araştırma Enstitüsü ham görüntü denoising çalışmasına katıldı ve ham görüntüler için U-Net çerçevesine dayalı "Bayer dizi normalizasyonu ve sütun büyütmeyi koruma" yöntemini önerdi. Ekip titizlikle bir veri ön işleme yöntemi tasarladı, böylece farklı giriş görüntüleri arasındaki veriler, farklı Bayer modlarına sahip girişlere uygulanabilen ağ girişi tutarlılığını koruyabilir ve ağ, performans sağlama öncülüğünde daha geniş bir görüntü koleksiyonu ile eğitilebilir. . Ekip ayrıca ham görüntülere uygun veri büyütme yöntemleri önerdi.Bu avantajlar, ağın daha iyi genelleme yetenekleri elde etmesine yardımcı olabilir.
Ve Megvii'nin şampiyon algoritması, OPPO Reno 10x yakınlaştırma sürümüne başarıyla ulaştı. OPPO Reno 10x zoom sürümü, kullanıcılara daha iyi bir gece çekimi deneyimi sağlayabilen MEGVII süper görüntü kalitesi teknolojisine dayalı olarak geliştirilen "Ultra Clear Night Scene 2.0" işlevi ile donatılmıştır. Bu aynı zamanda Megvii süper görüntü kalitesi teknolojisinin seri üretilen modellere uygulandığı ilk seferdir.
JD AI, CVPR 2019'da 12 makale yayınladı ve 3 şampiyonluk ve 2 ikinciyi kazandı
Bu kez, Jingdong AI Araştırma Enstitüsü, CVPR 2019'da toplam 12 makale yayınladı, bunlardan 4'ü sözlü sunum için seçildi (sözlü sunum seçim oranı sadece% 5) ve sözlü sunum için seçilen dört makale şunları içeriyor:
-
"ScratchDet: Tek Atışlı Nesne Dedektörlerini Sıfırdan Eğitmeyi Keşfetme" (https://arxiv.org/abs/1810.08425v3)
-
"Denetimsiz Alan Uyarlaması için Aktarılabilir Prototip Ağlar" (https://arxiv.org/abs/1904.11227)
-
"Anlamsal Ayrıştırma Dönüşümü ile Denetlenmeyen Kişi Görüntü Oluşturma" (https://arxiv.org/abs/1904.03379)
-
"Eylem Yerelleştirme için Gauss Geçici Farkındalık Ağları" (https://docs.wps.cn/view/p/35402862179?from=docssource=docsWeb)
Bunlar arasında, Jingdong AI Araştırma Enstitüsü tarafından optimizasyon perspektifinden önerilen ScratchDet, gradyan stabilizasyon yöntemlerinden biri olan BatchNorm'un eğitim dedektörünü rastgele başlatmaya nasıl yardımcı olduğunu deneylerle açıklıyor ve ardından küçük nesnelerin algılanmasını güçlendirmek için ResNet ve VGGNet'i birleştiriyor. Ve bu teknolojiyi, bilgisayar görüşünün gelişimi için büyük önem taşıyan yüz algılama, metin algılama vb. Gibi diğer görevlere başarıyla uyguladı.
Akademik yarışmalar açısından JD AI Araştırma Enstitüsü, CVPR 2019'da toplam üç birincilik kazandı: video eylem tanıma, ürün görüntüsü tanıma ve ince taneli kelebek görüntüsü tanıma; ve çok kişili insan vücudu analizi, çanak görüntü tanıma Yarışmada ikinci oldu.
Video eylem tanıma, ActivityNet'te temel ve en temel görev olarak kabul edilir. Bu ActivityNet video eylem tanıma görevi (Kinetik) yarışmasında, Carnegie Mellon Üniversitesi, Baidu, Facebook Yapay Zeka Araştırma Enstitüsü ve Şangay Jiaotong Üniversitesi MVIG Laboratuvarı gibi uluslararası üne sahip araştırma kurumlarından 15 ekip bulunmaktadır. Jingdong AI, videoların mekansal ve zamansal özelliklerini yerel ve küresel özellik yayılımı (LGD) yoluyla öğrenmek için önerdikleri yeni bir çerçeveye güvendi ve sonunda birçok güçlü yarışmacı arasında öne çıktı.
İnce Taneli Görsel Kategorizasyon (İnce Taneli Görsel Kategorizasyon) akademik yarışmasında, bu yılki yarışmadaki görüntü sayısı ve ürün veri kategorisi sayısı geçen yıla göre sırasıyla 5 ve 40 kat oldu. Zorluk da büyük ölçüde iyileştirildi; dünya çapında 96 takım ve 152 oyuncu var Yarışmaya 1.600 başvuru ile katıldı ve sonunda JD AI, kendi geliştirdiği yeni bir ince görüntü sınıflandırma algoritmasına güvenerek şampiyonluğu kazandı. Algoritma, görüntüdeki yapısal bilgileri bloklar halinde "yok eder" ve ardından eğitimli sinir ağının temel görsel alanı tanımasını ve yakalamasını ve ardından nesnenin kendisini tanımlamasını sağlar; daha da önemlisi, bu teknoloji yalnızca yüksek doğruluk elde edemez Hâlâ güçlü bir uyumluluğa sahipken puan verin. İlgili araştırma sonuçlarıyla ilgili daha fazla ayrıntı, "İnce Tanımlı Görüntü Tanıma için Yıkım ve Yapım Öğrenimi" makalesinde (https://docs.wps.cn/view/p/35402900346?from=docssource=docsWeb) elde edilebilir.
Bytedance 11 gazete seçildi ve iki şampiyonluk ve bir ikincilik kazandı
CVPR 2019'da ByteDance tarafından hazırlanan toplam 11 makale kabul edildi ve bunlardan ikisi sözlü olarak seçildi. Akademik yarışmalarda Bytedance, insan vücudu poz tahmin ve insan vücudu segmentasyon yarışmalarında iki şampiyonluk ve bir ikincilik kazandı.
Bu LIP (Look Into Person) uluslararası yarışması, Kaliforniya Üniversitesi, Berkeley, NHN, Sidney Teknoloji Üniversitesi, Güneydoğu Üniversitesi, Şangay Jiaotong Üniversitesi, Çin Elektronik Bilimi ve Teknolojisi Üniversitesi, Hong Kong Çin Üniversitesi ve diğer küresel üniversitelerin yanı sıra Samsung'un da aralarında bulunduğu 75'ten fazla takımın ilgisini çekti. , Baidu, Jingdong ve diğer teknoloji şirketlerinin yapay zeka araştırma enstitüleri.
Yarışma beş yarışma görevinden oluşur: tek kişilik insan ayrıştırma, tek kişilik poz tahmini, çok kişili insan ayrıştırma ve çok kişili insan ayrıştırma. Video çok kişili video ayrıştırma (çok kişili video ayrıştırma, çok kişili poz tahmini karşılaştırması), görüntü tabanlı kıyafet deneme karşılaştırması (kıyafet sanal deneme karşılaştırması). Sonunda Bytedance ve Southeast Üniversitesi'nden oluşan ekip ve Xiao Bin liderliğindeki Bytedance ekibi, tek insan vücudu poz tahmin yarışmasının uluslararası şampiyonu için berabere kaldı; aynı zamanda Bytedance ve Southeast Üniversitesi'nden oluşan ekip de tek insan vücudu segmentasyonunu kazandı. Pistte uluslararası ikincilik.
Bunların arasında, tek kişilik insan pozu tahmin yarışmasında, ByteDance ve Southeast Üniversitesi'nden oluşan ekip, gelişmiş kanallara ve uzamsal bilgilere dayalı bir insan pozu tahmin ağı önerdi. CVPR 2019 "Gelişmiş Kanal Bazlı Çok Kişili Poz Tahmini" başlıklı makaleye bakabilirsiniz. ve Mekansal Bilgi "(https://arxiv.org/abs/1905.03466) ve Xiao Bin liderliğindeki bayt atma ekibi, insan pozu tahmini sorununu çözmek için yüksek çözünürlüklü ağ (HRNet) kullanımını önerdi. CVPR 2019 belgesine bakın" İnsan Duruşu Tahmini için Derin Yüksek Çözünürlüklü Temsil Öğrenimi (https://arxiv.org/abs/1902.09212); ikinci yöntem GitHub'da açık kaynaklıdır ve ilgilenen arkadaşlar daha derinlemesine araştırma yapabilir.
Github adresi
https://github.com/leoxiaobin/deep-high-resolution-net.pytorch
Alibaba AI, WebVision görüntü tanıma yarışması şampiyonunu kazandı
Alibaba AI, görsel teknoloji alanında dünyanın en iyi akademik konferansı CVPR ile birlikte Google, Carnegie Mellon Üniversitesi, ETH Zürih ve diğer kurumlar tarafından başlatılan üçüncü WebVision görüntü tanıma yarışmasında şampiyonluğu kazandı. Katılmak için gereken AI modelleri 16 milyon olacak Resimler doğru bir şekilde 5.000 kategoride sınıflandırıldı ve sonunda Ali'nin tanınma doğruluk oranı% 82.54 olarak gerçekleşti ve bu da her şeyin tanınması alanındaki tarihi rekorunu 3 puan artırdı.
Bu yılın Mart ayının ortalarında, Ali ve Shenzhen Büyük Veri Araştırma Enstitüsü, Hong Kong Çin Üniversitesi (Shenzhen), Dalian Teknoloji Üniversitesi ve Çin Bilim ve Teknoloji Üniversitesi, "3B Nokta Sahne Tamamlama için Hacim Kılavuzlu Aşamalı Görünüm Boyamasının Derin Güçlendirmeli Öğrenimini" Sözlü Sunum olarak "Tek Derinlikli Görüntü" eklenmiştir.
Daha sonra, Harbin Institute of Technology, Hong Kong Polytechnic University ve Shenzhen Pengcheng Laboratory-DPSR teknolojisi ile ortaklaşa tasarlanan süper çözünürlük algoritması, bulanık bozulmayı iyi bir şekilde halledebilir ("Derin Tak ve Çalıştır Süper Çözünürlük Kağıtından Blur Kernels "), CVPR 2019 tarafından da alındı. Ve algoritma açık kaynak koduydu (https://github.com/cszn/DPSR); kabul edilen başka bir makalede "Tek Görüntü Süper Çözünürlük için ODE'den Esinlenen Ağ Tasarımı", Ali ve Çin Bilimler Akademisi, Çin Bilimler Akademisi Aynı zamanda birlikte görüntünün süper çözünürlüğü üzerine ilgili araştırmalar yaptıklarını da gösteriyor.
DeepBlue Technology, CVPR 2019 FGVC Challenge Şampiyonasını kazandı
FGVC, farklı hayvanları ve bitkileri, araba ve motosiklet modellerini, mimari tarzları vb. Ayırt eden İnce Taneli Görsel Kategorizasyon olarak adlandırılır. Makine görme topluluğunun henüz çözmeye başladığı en ilginç ve faydalı açık sorunlardan biridir. İnce taneli görüntü sınıflandırması, temel sınıflandırma tanıma (nesne tanıma) ve bireysel tanıma (yüz tanıma, biyometrik tanıma) arasındaki süreklilikte yatmaktadır; geniş anlamda geleneksel sınıflandırma görevlerinden farklı olarak, FGVC'nin zorluğu alt kategorilerin bölünmesine adanmıştır. Farklı balıkları ayırt etmek, aynı bitkinin farklı formları ve farklı günlük ihtiyaçlar gibi sınıflandırılması gereken nesneler daha benzerdir.
Bu yılki CVPR'nin FGVC6 Çalıştayı'nda, her biri belirli bir alt bölüm alanında ayrıntılı görsel sınıflandırmanın zorluğunu temsil eden on zorluk var. Bu yılki yarışmaya dünyanın dört bir yanından toplam 88 takım katıldı ve 1.300'den fazla teklif sunuldu. DeepBlue AI, Kaggle'da tutulan CVPR 2019 Manyok Hastalığı Sınıflandırmasında (manyokun yapraklarına göre farklı manyok hastalığı türlerini ayırt etme görevi) aşırı uyum riskini azaltmak ve modelin sağlamlığını artırmak için görüntü iyileştirme yöntemlerini kullandı. , Entegre bir yöntemle doğruluğu artırmak için ImageNet'te aynı anda iyi performans gösteren birden fazla model kullanarak ve sonunda şampiyonluğu kazandı.
DeepBlue Technology, bu zorluğun yanı sıra aynı dönemde CVPR'de iki yarışmada daha yer alıyor. 2019 Otonom Sürüş (WAD) Atölyesi D²-City ve BDD100K Tracking Domain Adaptation Challenge ve D²-City ve BDD100K Detection Domain Adaptation Challenge. (Hedef Algılama geçişi öğrenme, hedef izleme geçişi öğrenme zorluğu ve büyük ölçekli algılama enterpolasyon keşif oyunu) ikinciliği ve üçüncü ikinciyi kazandı.
Tuya Technology, görüntü sıkıştırma yarışmasında dört göstergenin tüm şampiyonlarını alıyor
Bu yılki CVPR'de, Machine Learning Image Compression Challenge (CLIC), twitter ve Netflix ile işbirliği içinde Google tarafından desteklendi. Günümüzde, cep telefonu piksellerinin iyileştirilmesi nedeniyle, bellek alanının çoğunu kaplayan resimler, mobil depolama aygıtları ve web siteleri için büyük bir yük oluşturmaktadır ve resimler üzerinde verimli ve yüksek kaliteli sıkıştırma işlemi, birçok İnternet şirketi için büyük bir talep haline gelmiştir. . Bu nedenle, bu konferansta görüntü sıkıştırma da teknik odak noktalarından biri haline geldi.
Geçen yıl, Tuya Teknoloji yarışmada MS-SSIM ve MOS'un birincisi oldu ve bu yıl daha güçlü bir teknoloji getirdiler ve son olarak MS-SSIM, Transparent Track, PSNR, Algısal Nitelikte Dört göstergede de tacı kazandı, teknik güçlerini dünyaya gösterdi ve dünyanın görüntü sıkıştırma tarihi grand slam'in galibi oldu.
Meituan insansız teslimat, CVPR 2019 yörünge tahmin yarışmasını kazandı
Meituan'ın insansız teslimat ve vizyon ekibi de bu CVPR'de iyi sonuçlar elde etti ve Sırasıyla Yörünge Tahmin Mücadelesinde ve Ürün Tanıma Üzerine iMaterialist Mücadelesinde birinci oldular. ) İkincilik kazandı.
Meituan'ın insansız dağıtım ve vizyon ekibi için bu sadece bir onur değil, aynı zamanda bize otonom sürüş teknolojisi ve görsel görüntülerde kapsamlı araştırma ve ürün keşiflerini ve bunların sahne uygulamalarındaki birikimini gösteriyor. Verimli sonuçlar.
Meitu Image Lab MTlab, NTIRE Görüntü İyileştirme Yarışması şampiyonluğunu kazandı
Meitu Görüntüleme Laboratuvarı MTlab iki yarışmaya katıldı: görüntü geliştirme ve görüntü bulanıklaştırma ve her iki yarışma da 200'den fazla takım girişi aldı.
Sonunda, Image Enhancement Challenge'da Meitu Image Lab MTlab şampiyonluğu; Image Dehazing Challenge'da Meitu Image Lab MTlab üçüncü oldu.
Didi, CVPR 2019 AI Şehir Yarışması'nda ikincilik kazandı
Bu AI City Challenge'a dünyanın dört bir yanından 200'den fazla üst düzey ekip katıldı. Didi nihayet CVPR AI City Challenge'da ikinciliği kazandı ve otonom sürüş endüstrisini derinlemesine öğrenmek için California Üniversitesi, Berkeley, DeepDrive ile işbirliği yaptı. Alliance (BDD), Didi'nin otonom sürüş alanındaki keşif ve uygulamalarını ayrıntılı olarak tanıtan CVPR 2019 Otonom Sürüş Semineri'ni ortaklaşa düzenledi.
21 Haziran'daki kitap bağışı etkinliklerinin listesi düzenlendi. Kazandığınız için aşağıdaki arkadaşları tebrik ederiz:
AI Araştırma Enstitüsü:
@BackUp! @ @
@Farmer @ Çikolata
AI Teknolojisi İncelemesi:
@. @ @ (Emoji burada)
Not: Yalnızca üç nitelikli mesaj vardır ve kalan nitelikler dağıtım için AI Araştırma Enstitüsüne aktarılır.
Leifeng.com abonelik numarası:
@Hayalhanemersin
@ · D · sürücü @
Yukarıdaki arkadaşlarımızı tebrik ederiz, lütfen mesaj alanında belirtilen içeriği 3 Temmuz 201923: 59'a kadar cevaplayın ve bilgileri daha sonra doldurmanız için sizi bilgilendiren bir uyarı olacak. Etkin yanıt süresi sınırı aşılırsa, ödül için kalifikasyonun geçersiz olacağını unutmayın.
2019 Küresel Yapay Zeka ve Robotik Zirvesi
12-14 Temmuz 2019 , Lei Feng.com ve Hong Kong Çin Üniversitesi (Shenzhen) tarafından ortaklaşa düzenlenen ve Shenzhen Yapay Zeka ve Robotik Enstitüsü tarafından ortaklaşa düzenlenen Çin Bilgisayar Federasyonu (CCF) sponsorluğunda 2019 Küresel Yapay Zeka ve Robotik Zirvesi (CCF-GAIR 2019 olarak kısaltılmıştır) Shenzhen'de resmen açılacak.
O sırada Nobel Ödülü sahibi James J. Heckman, Çinli ve yabancı akademisyenler, Dünya Zirvesi Başkanı, tanınmış Fellow ve çok sayıda ağır konuk savaşta yer alacak. Yapay zeka ve robotik bilim, üretim ve yatırım alanlarında karmaşık hayatta kalma durumunu tartışmak.
Tıklamak Orijinali okuyun , Görüntüle: CVPR2019 | Adım adım! Yinelemeli bulanık çekirdek tahminiyle süper çözünürlük kalitesini iyileştirin
