VR突破人工智能研究的极限

heyjoypaul

计算机视觉和模式识别(VR)会议是今年所有工程和计算机科学领域最关键的人工智能活动之一，聚集了全球数千名研究人员和工程师，分享发现、建立合作并推动该领域向前发展。我们很高兴能够自9年以来首次重返现场VR。无论您是参加VR还是只是对QuRr的成果感到好奇，请继续阅读以了解我们的最新论文、研讨会和演示，以及其他人工智能亮点。我们的VR论文和海报演示在VR等重要会议上，经过严格同行评审的论文确立了新的技术水平()，并为社区其他成员贡献了有影响力的研究。我们想重点介绍四篇被接受的论文，这些论文推动了计算机视觉的前沿发展。我们的论文全景、实例和语义关系R增强全景分割的关系上下文编码器介绍了一种用于全景分割的新颖神经架构，其目标是将图像像素标记为事物可数对象，例如单独的汽车和行人和东西不可数​​的概念，如天空和植被。这一基本功能为自动驾驶和增强现实等许多应用提供了支持。我们的框架有效地捕获了事物之间丰富的上下文，同时自动关注重要的事物，这在以前是不可能的。R是一个通用模块，可以集成到任何全景分割方法中。我们的实验表明R在所有基准测试中都实现了卓越的性能。光流估计像素在两幅图像之间的位移情况。它广泛应用于许多视频和增强分析应用，从视频超分辨率到动作识别。光流的一大挑战是带有真实注释的真实世界训练数据不足。为了缓解这一问题，光流估计的一致性引入了新颖且有效的一致性策略，利用自我监督学习，同时不需要额外的注释。尽管我们的方法仅使用单目图像输入，但它在基。

准测试中实现了最佳前景精度。逆渲染是将场景图像分解为形状、照明、对象和材质的内在因素的任务，从而实现虚拟对象插入、材质编辑和重新照明等下游任务。对于室内场景来说，这个问题尤其具有挑战性，因为室内场景由于任意不同的 巴西电话营销数据 物体形状、空间变 巴西电话营销数据 化的材料和复杂的照明之间的无数相互作用而表现出显着的外观变化。室内场景中单图像逆渲染的密集视觉变压器提出了一种新的变压器架构，可以同时估计单个图像的深度、表面法线、反照率、粗糙度和照明。它提供高质量、全局相干的反射函数、几何形状和照明预测。此外，下游任务极大地受益于我们的改进，比之前的作品获得了更高的真实感。大多数面部重新照明方法都难以处理硬阴影，例如鼻子投射的阴影，因为它们在合成图像时不直接利用估计的面部几何形状。具有几何一致阴影的面部重新照明提出了一种新颖的可微分算法，用于基于光线追踪合成硬阴影，我们将其纳入训练我们的面部重新照明模型中。与之前的面部重新照明方法相比，我们的方法产生了几何上更加一致的阴影，同时还在定向照明下实现了面部重新照明性能。常见语义分割架构的设计选择通常依赖于当前硬件上效率低下的操作，并且其复杂性阻碍了模型加速工具的使用。我们的计算机视觉高效深度学习(V)研讨会论文语义分割的简单高效架构提供了一系列极具竞争力的编码器解码器架构，这些架构可扩展到各种设备，从功能强大的桌面U到功率有限的移动平台，为计算机视觉从业者提供有效的语义分割基线。我们在uQurrFF上提供模。



型定义和预训练权重。VR研讨会无线人工智能感知使用射频作为一种新型相机进行感知，有助于发明全新一代的解决方案，充分利用无线信号的广泛应用潜力。高通人工智能研究中心很荣幸能够共同组织首届无线人工智能感知研讨会月，重点介绍使用机器学习以及图像等其他方式的联合无线感知不断发展的领域的前沿方法和最新进展和数据。我们期待无线感知领域的研究人员和公司展示他们的进展并讨论将塑造该领域未来的新颖想法。全向计算机视觉(V)全向摄像头已经广泛应用于汽车、监控、摄影和增强虚拟现实等许多受益于大视场的应用中。高通人工智能研究中心将联合举办全向计算机视觉研讨会月，以缩小全向视觉技术的研究与实际应用之间的差距。该研讨会将支持这些进步的形成性研究与利用该技术的商业产品的实现联系起来。它鼓励为这种成像模式开发新的算法和应用程序，这将继续推动未来的进步。我们的VR演示为了表明我们的人工智能和计算机视觉研究主题不仅仅是理论并且适用于现实世界，我们通过演示将它们变为现实。我们希望您能够来到我们的号展位观看他们的现场表演。以下是我想重点介绍的几个演示。移动设备上时间一致的视频语义分割现有的分割方法通常存在闪烁伪影，并且缺乏视频帧之间的时间一致性。他们通常依靠运动估计来进行正则化。然而，光流并不总是可用且可靠。除此之外，计算成本很高。在此演示中，我们使用在智能手机上实时运行的设备自适应来展示一致且强大的视频分割。ux是我们新颖的在线适应方法，有助于增强原始输出的时间一致性。为了实现智能手机的实时适配，我们利用异构计算将任务分配给和U，有效加速计算。对于没有ux的视频帧，您可以在基本网络输出中看到闪烁。使用ux时，不会发生闪烁。