CVPR 2020 最佳论文与最佳学生论文！

最佳论文：Unsupervised Learning of Probably Symmetric Deformable 3D Objects from Images in the Wild

最佳论文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变形对象的方法。该方法基于自动编码器，该自动编码器将每个输入图像分解为深度，反射率，视角和照明。为了在无监督的情况下解构这些组件，作者使用了以下事实：许多对象类别至少在原则上具有对称结构。

作者通过光照的推理来利用底层对象的对称性，即使外观由于阴影而不对称。接着通过预测对称概率图来建模可能（但不一定）对称的对象，并与模型的其他组件联合起来进行端到端的学习。实验表明该方法可以从单视图图像中非常准确地恢复人脸，猫脸和汽车的3D形状，而无需任何监督或预先设定的形状模型。

最佳论文一作Shangzhe Wu，是来自牛津大学视觉几何组的二年级学生，由 Andrea Vedaldi 教授指导获得了 Facebook 研究所的全额奖学金。在 HKUST 读本科期间，曾与Chi-Keung Tang教授和Yu-Wing Tai 教授合作研究图像翻译 / 生成，现在主要的研究方向为无监督 / 自监督的3D 理解。Shangzhe Wu曾于2017年11月 -2018年2月，在腾讯优图实验室做机器学习实习生。

最佳学生论文: BSP-Net: Generating Compact Meshes via Binary Space Partitioning BSP-Net：通过二叉空间分割生成紧凑网络

这篇论文的角度十分新颖，从多边形网格入手，基于计算机图形学的经典空间数据结构Binary Space Partitioning（BSP）来设计了一个BSP-Net。这个网络可通过凸分解来学习表示3D形状，并且不受监督，因此训练不需要进行凸形分解。BSP-Net的重建质量有很大的优势，并且很容易能够进行参数设置。

论文一作是来自Simon Fraser University的博士一年级学生Zhiqin Chen，师从张皓教授，从事计算机图形学相关的研究，主要研究方向是几何建模和机器学习。Chen于2017年从上海交通大学本科毕业，于2019年从Simon Fraser University硕士毕业。