盘点 | CVPR 2019，先来看看有哪些不容错过的有意思的tutorials

编辑整理: T.R.

夏天来了，计算机视觉领域最大的盛会—— CVPR 2019 开幕在即！今年将于 6月16号到20号在加州长滩 举行。届时来自世界各地的优秀学者们将齐聚一堂，交流学术成果探讨未来的发展方向。那么~

先插播一条硬广

:satellite:

将门CVPR 2019群星闪耀精英晚宴

还在持续报名中哦！

大咖云集、内容硬核、礼物良心

戳这里 了解详情~

报名直达>> http://thejiangmen222.mikecrm.com/R7CjyRt

:warning:回到正题， 对于想要深入学习的小伙伴们来说， CVPR tutorials 是不可多得的学习资料，系统地涵盖了某一领域的发展历史脉络、知识结构、前沿研究和未来的发展方向。

爱学习的我“门”要为端午节哪儿都不去、想集中火力好好学习的同学们送上今年CVPR tutorials 良心解读，提前祝优秀的大家端午安康！

今年的CVPR上共有 25个 不同领域的教程，涵盖了视觉识别理解、环境感知、网络模型架构、传感器、自动驾驶、视频理解、机器人、地图与定位以及一系列新 工具 新方法，每一个教程都有来自这一领域前沿的研究人员进行详细的讲解，在研究的深度和学习的广度上都有着很好的权衡。下面就让我们一起来看看 今年都有哪些有意思的tutorials 吧！

- 1 -

Visual Recognition and Beyond

视觉识别是计算机视觉领域的重要内容，这个教程也是CVPR的保留曲目。来自图像分类、检测、分割等视觉理解领域的大牛将为我们呈现最新的研究成果。

这个tutorial由众多我们熟悉的研究人员联袂组织，他们都来自 Facebook AI research ，包括何凯明、RBG、Justin、Georgia等等。

研究人员们将探讨近年来在图像和视频中实例级别的视觉理解及其最新进展，内容将覆盖目前视觉识别任务家族中的绝大多数最新进展，包括图像分类、视频分类、目标检测、行为检测、实例分割、语义分割、全景分割和位置估计等方面的方法和原理，为我们呈现出 视觉识别领域丰富完整的发展面貌 。

:mag:详情请参看:

http://feichtenhofer.github.io/cvpr2019-recognition-tutorial/

- 2 -

Camera based Physiological Measurement

相机是最常见的图像捕捉工具，但相机同样也是一种测量工具，在各个领域中具有重要的作用。随着技术的发展，研究人员们 将相机应用于生理学的测量 中，包括心血管系统、皮肤和身体状态的光学测量。

这个tutorial将覆盖三个主要的部分，分别是 人体的生理学、基于相机测量的方法论和应用场景 。

人体生理学部分将主要包括心血管系统和呼吸系统的指标（包括心跳、血压、动脉静脉、呼吸、含氧量等），可以进行光学测量血管以及不同身体状态与静脉信号的相关性等。此外还包括了皮肤光学，通过光学方法检测皮肤的结构和属性、组织条件和光学脉搏检测等方法。

为了进行充分有效的检测，研究人员还将探讨利用相机对人体生理学进行测量时所需要的硬件设备，包括多光谱相机、特殊光源并考虑皮肤的模型和影响。此外还将详细讲解一系列相关的测量算法和特征抽取方法。

:mag:详情请参看：

https://sites.google.com/view/cvpr2019tutorial

- 3 -

Textures, Objects, Scenes

From Handcrafted Features to CNNs and Beyond

深度学习的出现为计算机视觉插上腾飞的翅膀，但我们不该忘记过去 手工特征时代的一系列研究方法和脉络 ，正是它们奠定了深度学习在计算机视觉领域的突破。这一tutorial将回顾深度学习出现之前和深度学习充分进入计算机视觉领域后各个关键领域的技术发展，包括目标检测、纹理分类、场景理解和实例检索等等。

近25年来计算机视觉发展迅速，尤其是 视觉识别领域 得到了飞速发展。这些进展和特征表达与视觉学习的不断进步密不可分，这也是许多视觉任务的核心。

研究人员将集中于视觉识别领域最紧密相关的四个不同级别进行分析，从 纹理识别、目标检测识别、场景理解和基于内容的图像检索 等方面进行分析，这些领域中的问题受到了工业界和学术界的共同关注。针对每个问题，教程将回顾这一领域的发展历程，随后讲解目前的前沿工作和常用数据集，并在最后讨论了未来的发展方向。

:mag:详情请参看：

http://bzhou.ie.cuhk.edu.hk/cvpr19_tutorial/

- 4 -

Deep Learning for Content Creation Tutorial

视觉内容创作对于VR、影像、游戏、广告和视觉传达等都有着十分重要的作用，今年来随着深度学习的发展， 将传统耗时的手工内容制作转变为了迅速的自动化生成 ，极大解放了艺术家和创意人员的生产力。这一教程将从原理、方法和应用等方面介绍如何将深度学习用于视觉内容创造。

首先将为我们介绍各种这一领域的基本概念以帮助其他领域的研究者们了解并进入这一领域，随后将选讲这一领域的一些成功案例，为人们展示深度学习的强大能力，如何将 风格迁移、图像生成和自动修复 等技术用于内容生成。

最后将为与会人员提供讨论和学习的机会，从图像风格迁移、视频生成与编辑、生成对抗网络、图像合成、视频迁移、图像智能编辑等方面进行详细的讲解。

:mag:详情请参看：

https://nvlabs.github.io/dl-for-content-creation/

- 5 -

Learning-based depth estimation from stereo and monocular images

单目彩色相机只能记录世界的二维信息，而深度却是我们感知世界的重要方式。 准确稠密的深度图 对于三维视觉应用来说十分重要。近年来 基于深度学习的方法 逐渐取代了启发式和基于手工的立体匹配方法，目前已经能够达到领先水平。

这一教程将会讲解如何通过深度学习的方法提到传统立体视觉，实现端到端的立体系统和执行度估计，随后将详细讲解如何利用单目相机进行深度估计，并介绍一系列数据集和当前前沿算法。

:mag_right:详情请参看：

https://sites.google.com/view/cvpr-2019-depth-from-image

- 6 -

VISION MEETS MAPPING

定位和建图对于移动机器人来说十分重要， 视觉 作为环境感知的主要手段是 机器人建图和定位 的有效手段。

这一教程将讨论基于视觉的地图构建问题、自动驾驶驾驶中使用的高精度地图构建、拥挤场景下的地图构建，还包括了语义地图和结构化地图构建，更丰富的地图能为机器人提供更为完善的信息。

此外还将讨论基于视觉和激光雷达的定位问题、以及多传感器融合与定位问题，同时还包括场景理解与与位置推理等。最终还将给出一些常用的数据集与测评基准。

这一教程的演讲者包括了来自 亚马逊、阿里巴巴、HERE、Uber和Mapillary 的著名研究者，将从视觉的角度来分析和理解地图构建与定位问题。

除了上述教程之外，还有集成了多种AI工具的OpenCV4.x工具、视频理解、计算成像、自动驾驶等各个方面的教程。下面是教程的完整清单，小伙伴们可以选择喜欢的教程重点关注：

Visual Recognition and Beyond?

Towards Relightable Volumetric Performance Capture of Humans?

Map Synchronization: from Object Correspondences to Neural Networks?

Camera based Physiological Measurement?

The Art of Solving Minimal Problems in Computer Vision?

Learning Representations via Graph-structured Networks?

Deep Learning for Content Creation?

Capsule Networks for Computer Vision?

Perception at Magic Leap?

Action Classification and Video Modeling?

Distributed Private Machine Learning for Computer Vision: Federated Learning, Split Learning and Beyond?

Recent Advances in Visual Data Summarization?

Vision meets mapping: computer vision for location-based reasoning and mapping?

Textures, Objects, Scenes: From Handcrafted Features to CNNs and Beyond?

Data-Driven Computational Imaging?

Metalearning for Computer Vision?

Apollo: Open Autonomous Driving Platform?

Visual Recognition of Families In the Wild?

Learning-based depth estimation from stereo and monocular images: successes, limitations and future challenges?

Perception, Prediction, and Large Scale Data Collection for Autonomous Cars?

OpenCV 4.x and more new tools for CV R&D?

Deep Reinforcement Learning for Computer Vision?

Unifying Human Activity Understanding?

Representing Cause-and-Effect in a Tensor Framework?

Bringing Robots to the Computer Vision Community?

最后附上官网tutorials的地址：

http://cvpr2019.thecvf.com/program/tutorials

趁着端午放假可以学习起来！

-The End-

将门 是一家 以专注于 发掘、加速及投资技术驱动型创业公司 的新型 创投机构 ，旗下涵盖 将门创新服务、将门技术社群以及将门创投基金。将门成立于2015年底，创始团队由微软创投在中国的创始团队原班人马构建而成，曾为微软优选和深度孵化了126家创新的技术型创业公司。

将门创新服务 专注于使创新的技术落地于真正的应用场景，激活和实现全新的商业价值，服务于行业领先企业和技术创新型创业公司。

将门技术社群 专注于帮助技术创新型的创业公司提供来自产、学、研、创领域的核心技术专家的技术分享和学习内容，使创新成为持续的核心竞争力。

将门创投基金 专注于投资通过技术创新激活商业场景，实现商业价值的初创企业，关注技术领域包括 机器智能、物联网、自然人机交互、企业计算。 在三年的时间里，将门创投基金已经投资了包括量化派、码隆科技、禾赛科技、 宽拓科技、 杉数科技、迪英加科技等数十家具有高成长潜力的技术型创业公司。

如果您是技术领域的初创企业，不仅想获得投资，还希望获得一系列持续性、有价值的投后服务， 欢迎发送或者推荐项目给我“门”:  bp@thejiangmen.com

    

点击“ ❀在看 ”，让更多朋友们看到吧~