日前,我校伟德victory/人工智能學院2項成果被國際頂級會議計算機視覺與模式識别會議(CVPR 2020)錄用。論文第一作者分别為培優班學生周昊冉和碩士研究生鄧森,指導教師均為魏明強副教授,這也是我校自2009年以後成果再次被CVPR錄用。
CVPR全稱為IEEE Conference on Computer Vision and Pattern Recognition,是計算機視覺與模式識别領域最頂級的國際會議(CCF A類會議)。CVPR今年的錄用率為22.1%。根據最新Google Scholar Citation統計,CVPR位列總榜前10,在計算機學科排名第1,H5-index 為 240。H5-index是指5年内有h篇文章被引用超過h次。
本次我院入選的2項成果屬于3D視覺和無人駕駛等人工智能前沿方向,并充分結合了我校三航特色,針對飛行器外表三維掃描測量和惡劣天氣無人駕駛等實際應用問題開展研究,取得了突破性進展。
論文《Geometry and Learning Co-supported Normal Estimation for Unstructured Point Cloud》針對三維複雜點雲的法向量估算問題,提出了一種幾何領域知識 (Geometry Domain Knowledge) 和深度學習相結合的方法NH-Net,利用幾何特征提升深度網絡的學習能力。首先,提出了幾何方法MFPS對原始點雲進行特征提取和法向量預處理,強化了網絡對于幾何細節的感知能力。其次,首次将多尺度雙邊濾波後的法向量和高度圖信息相結合,組成全新的特征算子進行學習。網絡設計了一個新穎的多元聚合模塊,使用變換矩陣對法向量進行修正,提高了網絡的魯棒性和保持特征的能力。該方法在合成、真實掃描和室内場景等多個公開數據集上進行了大量實驗,實驗結果證明NH-Net優于目前所有最先進的幾何和深度學習同類方法。
論文《Detail-recovery Image Deraining via Context Aggregation Networks》針對現有單幅圖像除圖像中雨線方法後圖像細節丢失、紋理信息模糊等問題。首次提出采用雙層并行網絡來恢複去雨圖像丢失的細節信息。與現有圖像去雨工作不同,該方法将去雨和恢複細節視為并行獨立的兩個模塊。一方面,去雨分支模塊利用雨紋具有稀疏性這一先驗性知識,采用SE(Squeeze-and-Excitation)模塊對各個通道進行權重的分配,以此提取不同尺度雨紋特征。另一方面,細節恢複分支模塊采取高感受野的空洞卷積模塊和殘差塊相結合的方式,提取出豐富和多尺度的細節特征來恢複圖像細節紋理信息。同時,該工作還提出了通用的細節恢複框架,該框架有助于提升現有其他圖像去雨方法的圖像去雨效果。實驗證明該研究提出的模型在單幅圖像去雨方面能夠顯著提高圖像質量,讓去雨後的圖像具有更加豐富的細節紋理信息且更具有真實性。同時該方法在多個數據集上都優于現有的去雨方法。該方法解決了無人駕和戶外監控系統的實際問題,有效的降低了雨紋對無人駕駛的行人物體檢測識别造成的幹擾,提升了行車安全性;同時降低了降雨天氣戶外監控圖像産生畸變和模糊現象,提升了戶外監控系統的有效性。