近日，计算机视觉领域“奥斯卡”CVPR 2020官方公布论文收录结果，伴随投稿数量激增，接收率开始经历了一个持续下降的过程。今年，在6656篇有效投稿中，共有1470篇论文被接收，接收率为22%左右，相较去年25%的入选率，同比下降3%。
本届大会中，百度共有22篇论文入选，涉及主题涵盖人脸检测&识别、视频理解&分析、图像超分辨、及自动驾驶中的车辆检测、场景实例级分割等领域。以下为其中 15 篇入选论文介绍。
近日新冠肺炎疫情在全球扩大，美股本月四度熔断，外界担忧恐慌蔓延影响台股。台当局金融监管部门17日表示，台湾疫情控制情况尚可，台股基本面稳健，投资人要有信心；并鼓励金融业投资绩优股，称金融监管部门将持续紧盯外资动态。(完)
瘦西湖万花园上演“万花盛宴”，来自世界各地的百万株奇花异卉竞相绽放，争奇斗艳。孟德龙 摄
本文提出的BFBox是基于神经网络架构搜索的方法，同时搜索适合人脸检测的特征提取器和特征金字塔。动机是我们发现了一个有趣的现象：针对图像分类任务设计的流行的特征提取器已经在通用目标检测任务上验证了其重要的兼容性，然而在人脸检测任务上却没有取得预期的效果。同时不同的特征提取器与特征金字塔的结合也不是完全正相关的。首先，本文对于比较好的特征提取器进行分析，提出了适合人脸的搜索空间；其次，提出了特征金字塔注意力模块（FPN-attention Module）去加强特征提取器和特征金字塔之间的联系；最后, 采取SNAS的方法同时搜出适和人脸的特征提取器和特征金字塔结构。多个数据集上的实验表明了BFBox方法的优越性。
电子股方面，台积电、鸿海、南亚科等权值股股价纷纷走跌，影响整体电子类股指数跌2.41%。
（作者为天津大学法学院院长、天津市中国特色社会主义理论体系研究中心研究员）
本文针对深度卷积神经网络提出了一种常规的、易应用的变换单元，即Gated Channel Transformation (GCT) 模块。GCT结合了归一化方法和注意力机制，并使用轻量级的、易于分析的变量来隐式地学习网络通道间的相互关系。这些通道量级的变量可以直接影响神经元间的竞争或者合作行为，且能方便地与卷积网络本身的权重参数一同参与训练。通过引入归一化方法，GCT模块要远比SE-Nets的SE模块轻量，这使得将GCT部署在每个卷积层上而不让网络变得过于臃肿成为了可能。本文在多个大型数据集上针对数种基础视觉任务进行了充分的实验，即ImageNet数据集上的图片分类，COCO上的目标检测与实例分割，还有Kinetics上的视频分类。在这些视觉任务上，引入GCT模块均能带来明显的性能提升。这些大量的实验充分证明了GCT模块的有效性。
随着深度信息的应用范围越来越大，深度图像超分辨问题引起了广泛研究者的关注。深度图像超分辨率是指由低分辨率深度图像为基础，获取高质量的高分辨率深度图像。本文提出的是一种深度图像超分辨率方法，同时对低分辨率深度图像的产生方式进行分析，并提出两种模拟低分辨率深度图像生成的方式：伴随噪声的非线性插值降采样产生方式及间隔降采样产生方式。
该论文目的是设计一个快速的交互式视频分割系统，用户可以基于视频某一帧在目标物上给出简单的线，分割系统会把整个视频中该目标物分割出来。此前，针对交互式视频分割的方法通常使用两个独立的神经网络，分别进行交互帧分割、将分割结果传导至其他帧。本文将交互与传导融合在一个框架内，并使用像素embedding的方法，视频中每一帧只需要提取一次像素embedding，更有效率。另外，该方式使用了创新性的记忆存储机制，将之前交互的内容作用到每一帧并存储下来，在新的一轮交互中，读取记忆中对应帧的特征图，并及时更新记忆。该方式大幅提升分割结果的鲁棒性，在DAVIS数据集上取得了领先的成绩。
扬州自宋代起就有“万花会”，2008年恢复举办，今年是第13届，这是一场集花与艺术、花与饮食、花与养生、花与民俗为一体的“万花盛宴”。为期一个月的万花会，瘦西湖景区以“畅游花海，融入自然”为主题，通过桃花、海棠、樱花、琼花、芍药五大主题花季的打造以及赏花、快闪、美食、展览等主题活动的策划，充分展现瘦西湖景区“天然雅趣，如诗如画”的环境特色和人文魅力。(完)
受新冠肺炎疫情影响，今年万花会开幕首次以多媒体5G平台互动直播的形式进行展现，现场通过探访人文盆景，寻觅五彩花季，邂逅美丽仙子，走进“秘密花园”等主题环节，同时，跟着人气主播走进“郁金香花海”“海棠花坞”“桃源花溪”“樱花谷”等赏花胜地，让身处世界各地的网友足不出户尽情领略扬州的春光，感受瘦西湖的美丽。
基于单帧点云的3D目标检测器通常无法应对目标遮挡、远距离和非均匀采样等情况，而点云视频（由多个点云帧组成）通常包含丰富的时空信息，可以改善上述情况下的检测效果，因此本文提出一个端到端的在线3D点云视频目标检测器。论文中的Pillar Message Passing Network（PMPNet），可将点云俯视图下的非空栅格编码为图节点，并在节点间进行信息传递以动态改善节点感受野，PMPNet可以有效结合图空间的非欧特性和CNN的欧式特性；在时空特征聚合模块中，还提出空间和时间注意力机制来强化原始的Conv-GRU层，空间注意力机制对new memory进行前景增强和背景抑制，时间注意力机制用以对齐相邻帧中的动态前景目标。该3D点云视频目标检测器在nuScenes大型基准集上达到了领先效果。
不过，鸿海早盘曾一度翻红。中央社报道称，鸿海集团董事长郭台铭日前指出，大陆厂区复工进度超乎预期和想象；鸿海方面日前表示，大陆厂区人力复工比例目前已超过季节性需求50%，依目前进度，3月底前应可恢复季节性正常产能。
该论文发布大尺度高精度人脸三维模型数据库FaceScape，并首次提出从单幅图像预测高精度、可操控人脸三维模型的方法。FaceScape数据库包含约18000个高精度三维面部模型，每个模型包含基底模型和4K分辨率的置换图及纹理贴图，能够表征出面部极细微的三维结构和纹理。与现有公开的三维人脸数据库相比，FaceScape在模型数量和质量上均处于世界最高水准。在FaceScape数据库的基础之上，本文还探索了一项具有挑战性的新课题：以单幅人脸图像为输入，预测高精度、表情可操控的三维人脸模型。该方法的预测结果能够通过表情操控生成精细的面部模型序列，所生成的模型在新表情下仍然包含逼真的细节三维结构。据悉，FaceScape数据库和代码将于近期免费发布，供非商业用途的学术研究使用。
近期，关于人脸检测器利用锚点构建一个结合分类和坐标框回归的多任务学习问题，有效的锚点设计和锚点匹配策略使得人脸检测器能够在大姿态和尺度变化下精准定位人脸。本次论文中，百度提出了一种在线高质量锚点挖掘策略HAMBox, 它可以使得异常人脸（outer faces）被补偿高质量的锚点。HAMBox方法可以成为一种基于锚点的单步骤人脸检测器的通用优化方案。该方案在WIDER FACE、FDDB、AFW和PASCAL Face多个数据集上的实验表明了其优越性，同时在2019年WIDER Face and Pedestrian Challenge上，以mAP 57.13%获得冠军，享誉国际。
观光类股因市场忧心营运恐受新冠肺炎疫情冲击，重挫6.08%。其中，王品收在57.3元(新台币，下同)，跌5.6%；美食—KY收64.1元，跌8.3%。两公司股价同创历史新低。
利用单目标跟踪器（SOT）作为运动预测模型执行在线多目标跟踪（MOT）是当前的流行方法 ，但是这类方法通常需要额外设计一个复杂的相似度估计模型来解决相似目标干扰和密集遮挡等问题。本文利用多任务学习策略，将运动预测和相似度估计到一个模型中。值得注意的是，该模型还设计了一个三元组网络，可同时进行SOT训练、目标ID分类和排序，网络输出的具有判别力的特征使得模型可以更准确地定位、识别目标和进行多目标数据关联；此外，论文中提出了一个任务专属注意力模块用于强调特征的不同上下文区域，进一步强化特征以适用于SOT和相似度估计任务。该方法最终得到一个低存储(30M)和高效率(5FPS)的在线MOT模型，并在MOT2016和MOT2017标准测试集上取得了领先效果。
《决定》确立了禁止食用野生动物的范围。一是凡是野生动物保护法和其他有关法律禁止猎捕、交易、运输、食用野生动物的，必须严格禁止。二是全面禁止食用国家保护的有重要生态、科学、社会价值的陆生野生动物以及其他陆生野生动物，包括人工繁育、人工饲养的陆生野生动物。这体现了立法理念上的重大进步。现行野生动物保护法规定的是禁止为食用非法购买国家重点保护的野生动物及其制品，所禁止的实质上是非法购买行为，并不是食用行为本身。而《决定》明确禁止食用这些法定保护动物。《决定》明确提出，违反野生动物保护现行法律规定的，在现行法律规定基础上加重处罚。全面禁止以食用为目的猎捕、交易、运输在野外环境自然生长繁殖的陆生野生动物，并严格法律责任。
确保《决定》得到贯彻实施，需要做好宣传教育工作，让人们全面理解《决定》出台的必要性，普及生态环境保护、公共卫生法律法规和科学知识，提高人们拒绝滥食野生动物的自觉，为在全社会革除滥食野生动物陋习营造良好氛围。《决定》的实施可能会给相关产业带来影响，有关政府部门应支持、指导、帮助相关企业调整、转变生产经营活动。此外，依据《决定》和有关法律，应严格执法，并尽快制定、调整相关配套规定，细化《决定》的各项要求，加快修改野生动物保护法、动物防疫法等，尽快制定生物安全法，运用法治手段有效防范重大公共卫生风险，切实保障人民群众生命安全和身体健康。
目前主流的人脸识别方法很少考虑不同层的多尺度局部特征。为此，本文提出了一个分层的金字塔多样化注意力模型。当面部全局外观发生巨大变化时，局部区域将起重要作用。最近的一些工作应用注意力模块来自动定位局部区域。如果不考虑多样性，所学的注意力通常会在一些相似的局部块周围产生冗余的响应，而忽略了其他潜在的有判别力的局部块。此外，由于姿态或表情变化，局部块可能以不同的尺度出现。为了缓解这些挑战，百度团队提出了一种金字塔多样化注意模块，以自动和自适应地学习多尺度的多样化局部表示。更具体地说，开发了金字塔注意力模块以捕获多尺度特征；同时为了鼓励模型专注于不同的局部块，开发了多元化的学习方法。其次，为了融合来自低层的局部细节或小尺度面部特征图，可以使用分层双线性池化来代替串联或添加。
在自动驾驶场景中，准确地感知“特殊”状态的车辆对行驶安全至关重要（例如：车门打开可能有乘客下车，尾灯闪烁意味着即将变道）。针对此难题，本文提出了一个全新的数据合成（增强）方法，即通过对齐的部件级三维模型对二维图像中的车辆进行编辑，自动生成大量“特殊”状态（例如：开启的车门、后备箱、引擎盖，闪烁的前照灯、尾灯）的车辆图像与语义标注结果。针对生成的训练数据，本文设计了一个双路骨干网络使得模型可以泛化到真实的测试数据，与传统的模型渲染方法相比，本方法平衡了域差异的问题并且更加轻量便捷。
目标检测技术是机器人和自动驾驶领域中最重要的模式识别任务之一。本文提出了一种领域自适应的方法来增强稀疏点云特征的鲁棒性。更具体地说，是将来自真实场景的特征（感知域特征）和从包含丰富细节信息的完整虚拟点云特征（概念域特征）进行了关联。这种域适应特征关联的方法实际上是模拟在人脑进行物体感知时的联想关联功能。这种三维目标检测算法在训练过程中增强了特征提取能力，在推理阶段不需要引入任何额外的组件，使得该框架易于集成到各种三维目标检测算法中。
尤其值得一提的是，今年，瘦西湖在万花园唐代罗城旧址建造了一座“秘密花园”。这里有“藤本皇后”铁线莲、有代表相思的紫藤、有吸引眼球的绣球等名贵品种。“唐代，罗城有着扬州最为美好和繁华的记忆。而如今，这里是世界名花的集聚地，唐代扬州的繁花盛景再现。”瘦西湖风景区管理处主任金川如是说。
首先，通过引入一种新颖的基于高斯过程的NAS（GP-NAS）方法，并通过定制化的核函数和均值函数对相关性进行建模。并且，均值函数和核函数都是可以在线学习的，以实现针对不同搜索空间中的复杂相关性的自适应建模。此外，通过结合基于互信息的采样方法，可以通过最少的采样次数就能估计/学习出GP-NAS的均值函数和核函数。在学习得到均值函数和核函数之后，GP-NAS就可以预测出不同场景，不同平台下任意模型结构的性能，并且从理论上得到这些性能的置信度。在CIFAR10和ImageNet上的大量实验证明了我们算法的有效性，并且取得了SOTA的实验结果。
为了验证方法的有效性，本文构建了CUS (Cars in Uncommon States) 数据集，标注了约1400张真实街景下车辆处于特殊状态的图像。实验结果表明：本文提出的方法可以有效地对“特殊”状态的车辆进行检测、整车的实例级分割、部件的语义分割以及状态描述，对自动驾驶的安全决策有着重要的意义。
与猎捕、交易、运输等环节相比，食用野生动物是终端环节。没有食用这个环节，就不会有猎捕、运输，也不会有市场交易。长期以来，就是因为没有堵住滥食这个源头，才导致执法、司法机关付出很多努力，却没有杜绝非法猎捕、交易、运输野生动物行为。因此，只有依法坚决革除滥食野生动物这个陋习，才能从根本上纠正各种违法行为。从这个意义上讲，《决定》对维护公共卫生安全、依法保护生态环境具有重要意义。
据中央社报道，烘焙品牌85度C母公司、美食—KY(开曼美食达人股份有限公司)表示，受疫情影响，大陆各城市营业门店、时数均减少，致使营收较去年同期衰退33.3%，今年前2个月合计营收较去年减少13.8%。王品集团2月自结营收7.9亿元，同比减少46.81%，而大陆事业群营收仅0.2亿元，同比减少逾96%。
尽管最近在完全监督的领域上，动作分割技术方面取得了进步，但是其性能仍有不足。一个主要的挑战是时空变化的问题（例如不同的人可能以各种方式进行相同的动作）。因此，该论文中利用未标记的视频来解决此问题，方法是将动作分割任务重新设计为跨域（domain）问题，而且该跨域问题主要针对时空变化引起的域差异。为了减少差异，论文提出了“自我监督的时域自适应（SSTDA）”，其中包含两个自我监督的辅助任务（binary和sequential的域预测），以联合对齐嵌入不同规模时域动态的跨域特征空间，从而获得比其他域适应（DA）方法更好的效果。在三个具有挑战性的公开数据集（GTEA、50Salads和Breakfast）上，SSTDA远远领先于当前的最新方法，并且只需要65％的标签训练数据即可获得与当前最新方法可比的性能，这也表明该方法可以有效利用未标签目标视频来适应各种变化。
瘦西湖罗城花园，再现唐代扬州的繁花盛景。孟德龙 摄
通过对深度神经网络进行模型结构自动搜索， NAS（Neural Architecture Search）在各类计算机视觉的任务中都超越了人工设计模型结构的性能。本论文旨在解决NAS中的三个重要问题：（1）如何衡量模型结构与其性能之间的相关性？（2）如何评估不同模型结构之间的相关性？（3）如何用少量样本学习这些相关性？为此，本论文首先从贝叶斯视角来对这些相关性进行建模。
针对不同类型的低分辨率深度图像，本文使用迭代的残差学习框架以低分辨率深度图像为输入，以coarse-to-fine的方式逐步恢复高分辨率深度图像的高频信息；同时，使用通道增强的策略加强包含高频信息较多的通道在整个学习框架中的作用；另外，还使用多阶段融合的策略有效复用在coarse-to-fine过程中获得的有效信息；最后，通过TGV约束和输入损失函数进一步优化获得的高分辨率深度图像。此次提出的方法可以有效处理深度图像超分辨率问题，与目前已知的方法相比，效果显著，优势明显。
6、神经网络架构搜索
受到BERT在自我监督训练中的启发，百度团队对视频和文字进行类似的联合建模， 并基于叙述性视频进行视频和文本对应关系进行研究。其中对齐的文本是通过现成的自动语音识别功能提供的，这些叙述性视频是进行视频文本关系研究的丰富数据来源。ActBERT加强了视频文字特征，可以发掘到细粒度的物体以及全局动作意图。百度团队在许多视频和语言任务上验证了ActBERT的泛化能力，比如文本视频片段检索、视频字幕生成、视频问题解答、动作分段和动作片段定位等，ActBERT明显优于最新的一些视频文字处理算法，进一步证明了它在视频文本特征学习中的优越性。