人气峰值1.8万！CSIG-ECCV 2020论文专题学术报告会圆满落幕

CSIG-ECCV 2020论文专题学术报告会以云直播的方式于2020年8月16日成功举办。本次学术报告会由中国图象图形学学会（CSIG）主办，CSIG机器视觉专委会和山东大学联合承办。山东大学甘甜副教授、吴建龙助理教授担任本次报告会的执行主席。报告会邀请16位优秀的青年学子介绍他们ECCV2020录用论文的最新研究成果，向相关领域研究者、技术开发人员和研究生介绍神经网络结构搜索、对抗学习、图像语义分割、自监督与半监督学习四个专题的最新进展。

报告会由CSIG理事、CSIG机器视觉专委会主任、北京大学林宙辰教授进行开场致辞。林教授对各位专家学者和观众们的参与表示了由衷感谢和热烈欢迎。随后，林教授指出，近年来华人在计算机视觉领域取得了众多的杰出成果，希望学者们能够在计算机视觉领域继续引领前沿，同时也希望各位专家学者和与会观众能在本次报告会中学习知识、汲取灵感，共同为计算机视觉领域的发展助力。

本次报告会包括神经网络结构搜索、对抗学习、图像语义分割、自监督与半监督学习四个专题，每个专题包含三到五篇ECCV2020接收的文章，每篇文章包含十二分钟的报告与三分钟的问答。

林宙辰教授进行开场致辞

神经网络结构搜索（NAS）专题

第一篇论文是来自北京大学的博士生袁之航同学带来的《S2DNAS：通过神经网络架构搜索转换静态CNN模型实现动态推理》，提出了S2DNAS通用框架，通过神经架构搜索来改造各种静态CNN模型，以便支持动态推理；第二篇论文是来自京东AI研究院的胡一博研究员分享的《TF-NAS：再论时延约束下可微神经网络架构搜索中的三种自由度》，提出一种严格满足时延约束的新的网络架构自动搜索方法，稳定高效地从庞大的架构空间中搜索到高准确度的网络架构。第三篇论文是清华大学博士生宁雪妃的《一种用于基于预测器的神经网络架构搜索的通用图神经网络编码方案》，提出一种新型的基于图的神经架构编码方案(GATES)，以改进基于预测器的神经架构搜索模型。

清华大学博士生宁雪妃：GATES

对抗学习专题

第一篇论文是来自中国科学技术大学博士生林剑新分享的《TuiGAN：通过两张未配对的图像学习多用途的图像到图像转换》，提出一个可以只在两张未配对的图像上进行训练的生成模型TuiGAN，表明了在极少数据上进行无监督学习的可能性；第二篇论文是来自北大图灵班的吴润迪同学带来的《通过条件生成对抗网络进行多模态形状补全》，开发了第一个通过条件生成建模而不需要配对训练数据的多模态形状补全方法，在形状补全的多样性和质量方面均有出色的表现；第三篇论文是北京航空航天大学博士生梁家栋介绍的《CPGAN：用于文本到图像合成的全谱内容分词生成对抗网络》，对输入文本和合成图像的内容进行彻底解析，在语义层面上对文本到图像的一致性进行建模；第四个工作是北京大学的本科生赵怡浩同学分享的《利用对抗一致性损失函数进行未配对的图像到图像转换》，提出了一种用于图像到图像翻译的新型对抗一致性损失，在眼镜去除、男性到女性的转换和自拍到动漫的转换三个具有挑战性的任务上取得了最先进的结果；第五篇文章是西安交通大学博士生岳宗胜分享的《双重对抗网络：向真实世界的噪音去除和生成迈进》，提出了一个同时处理噪声去除和噪声生成任务的新颖的统一框架。

北京航空航天大学博士生梁家栋：CPGAN

图像语义分割专题

第一篇论文是来上海科技大学博士生刘永飞带来的《面向小样本语义分割的基于局部感知原型网络》，提出了一种新型的基于原型表示法的小样本语义分割框架，相比于现有技术取得了极大的优势；第二篇论文是来自北京大学的硕士生的胡含哲同学提出的《面向语义分割的类动态图卷积》，提出了一个类动态图卷积（CDGC）模块来自适应传播信息，在Cityscapes、PASCAL VOC 2012和COCO Stuff等标准数据集上都达到了最先进的性能；第三篇论文是北京大学博士生李祥泰介绍的《通过解耦的主体和边缘监督改进语义分割》，提出了通过学习流场对图像特征进行扭曲，使对象部分更加一致，并在解耦监督下，通过显式采样不同部分（主体或边缘）的像素，进一步优化得到的主体特征和残余边缘特征的新型语义分割范式；第四个工作是香港中文大学博士生刘建博分享的《EfficientFCN:面向语义的整体引导解码器》，提出了引入一种整体引导的解码器，通过编码器的多尺度特征来获得高分辨率的语义丰富的特征图，并利用编码器高低层次的特征，使解码任务被转换为新型的码本生成和码字汇编任务的EfficientFCN框架。

北京大学博士生李祥泰：通过解耦的主体和边缘监督改进语义分割

 

自监督与半监督学习专题

第一篇论文是清华大学博士生王谷提出的《Self6D：自监督单目6D物体姿势估计》，提出了通过自我监督学习的方式进行单目6D姿势估计的想法，消除了对真实注释的需求；第二篇论文是清华大学博士生王重道分享的《CysAs：学习可重新识别描述的自我监督关联周期》，提出了一种针对人员重识别（re-ID）问题的自监督学习方法和关联周期任务（CycAs），在标准测试集上取得了良好表现；第三篇论文是华南理工大学硕士生张亚斌介绍的《带增强锚点的标签传播：一种用于无监督域适应的简单半监督学习基线》，提出了一种新的带增强锚点的标签传播 (A2LP)算法，它可以通过生成具有高置信度标签预测的无标签虚拟实例（即增强锚点）来潜在地改善标签传播算法；第四个工作是东京大学博士生郁青分享的《用于开放集半监督学习的多任务课程学习框架》，提出了一个多任务课程学习框架，成功消除了OOD样本的影响，达到了最先进的结果。

东京大学博士生郁青：用于开放集半监督学习的多任务课程学习框架

所有学者完成分享后，林宙辰教授进行了结束总结。林教授感谢了十六位讲者的报告分享。随后，林教授对低成本、高效率的云会议、云直播的形式表达了高度的肯定，希望以后这种学术报告交流会的形式可以继续推广，使更多的人能参与到前沿知识分享与交流中。最后，林宙辰教授对所有参与这次报告会的讲者、组织者、观众以及提供技术支持的极视平台表达了感谢。

此次CSIG-ECCV 2020论文专题学术报告会持续了四个半小时，十六位优秀的讲者既生动展示了四个专题的前沿技术、最新研究成果，又为感兴趣的与会观众开展研究指明了方向。报告会采用云直播的方式，线上参与人气峰值达到1.8万，进入了娱乐小时榜前130。观众通过线上弹幕积极进行互动、交流和提问，讲者也给出了详细的解答，极大地鼓舞了大家的科研热情。我们期待优秀青年学子在计算机视觉领域取得更多研究进展，并在未来的报告会中踊跃参与、共同进步！

直播获得了高人气