6月19日-25日，計算機視覺和模式識别領域的三大頂級會議之一CVPR在線(xiàn)上盛大舉行，深蘭科(kē)技(jì )在本屆會議中(zhōng)組織了兩支團隊參賽，共獲得了五冠七亞兩季，共計14項大獎，再一次奠定了深蘭在計算機視覺領域的全球領先地位。



深蘭獲獎榮譽速覽

冠軍任意到任意的深度圖 引導的圖像重照明挑戰賽

NTIRE 2021 Depth Guided Relighting Challenge Track 2: Any-to-any relighting

本次競賽屬于NTIRE研讨會系列競賽之一。NTIRE主要研究圖像恢複、增強新(xīn)趨勢，聚焦圖像視頻的質(zhì)量改進與評估，是近年來計算機圖像修複領域最具(jù)影響力的研讨會之一。



競賽要求為(wèi)基于示例的單個圖像重新(xīn)照明，即操縱在特定照明設置（光源位置和色溫）下捕獲的輸入圖像，使其看起來像是在不同設置下拍攝的。

近些年，圖像重新(xīn)照明越來越受到關注，因為(wèi)它允許照片增強或修飾，并且是一種特定于照明的樣式轉換形式，而所有(yǒu)這些都被深度學(xué)習方法所推動。競賽使用(yòng)用(yòng)于照明傳輸的虛拟圖像數據集 (VIDIT)，DeepBlueAI團隊主要參與了Track2賽道并取得總成績第一。

雙冠動作(zuò)識别挑戰賽（鎖定雙賽道）

MMAct Challenge 2021

2021年 MMAct 挑戰賽在 CVPR2021 動作(zuò)識别國(guó)際挑戰賽 (ActivityNet) 研讨會上舉辦(bàn)。競賽要求參賽者提出跨模态視頻動作(zuò)識别/定位方法，以彌補使用(yòng) MMAct數據集的純視覺方法的缺點。



此任務(wù)的目标是利用(yòng)基于傳感器，例如穿戴式傳感器數據作(zuò)為(wèi)特權信息，以及基于視覺的模态，其方式可(kě)以克服訓練（傳感器 + 視頻）和測試（僅視頻）階段之間模态差異所帶來的限制。挑戰賽促進了關于如何通過使用(yòng)跨模态方法解決視覺挑戰的另一種觀點，希望擴大對視頻動作(zuò)理(lǐ)解的研究，以進一步利用(yòng)日常使用(yòng)的智能(néng)設備（例如智能(néng)手機）中(zhōng)的傳感器。

DeepBlueAI團隊參與了跨模态視頻動作(zuò)識别與時序定位兩個賽道，并分(fēn)别以大比分(fēn)領先取得第一。

賽道一：



賽道二：



冠軍低分(fēn)辨率視頻行為(wèi)識别挑戰賽

TinyAction Challenge

TinyAction Challenge同屬CVPR2021 動作(zuò)識别國(guó)際挑戰賽 (ActivityNet) 研讨會，競賽旨在提高低分(fēn)辨率高噪聲等真實監控場景下的視頻行為(wèi)識别能(néng)力，并提供大量真實場景視頻片段及标注，每個視頻片段中(zhōng)可(kě)能(néng)含有(yǒu)多(duō)個動作(zuò)，本質(zhì)是一個多(duō)标簽的行為(wèi)識别任務(wù)。

面對視頻分(fēn)辨率很(hěn)低、尺度多(duō)樣、質(zhì)量較差且含有(yǒu)大量噪聲、以及場景和行為(wèi)多(duō)樣等難點，深蘭團隊合理(lǐ)地選擇了模型算法，進行了精(jīng)細的模型訓練，同時在數據的後處理(lǐ)上做了大量的優化，有(yǒu)效實現了低分(fēn)辨率高噪聲視頻中(zhōng)行為(wèi)識别，并最終大比分(fēn)領先，獲得冠軍。



深蘭團隊競賽數據信息


冠亞包攬植物(wù)病理(lǐ)識别挑戰賽

Plant Pathology 2021

深蘭科(kē)學(xué)院的兩支團隊在FGVC第8屆研讨會中(zhōng)包攬了植物(wù)病理(lǐ)識别挑戰賽的冠軍和亞軍，這也是深蘭連續三年問鼎該賽事。

競賽是要識别蘋果樹葉是否有(yǒu)疾病以及相應的疾病種類（同一個葉子可(kě)能(néng)有(yǒu)多(duō)種疾病），難點主要包括：可(kě)能(néng)存在髒數據、多(duō)标簽數據的嚴重缺少等。團隊在有(yǒu)限時間内，僅憑完成了一半的方案即獲得了冠軍，而另一支深蘭勁隊緊随獲得亞軍。



深蘭團隊競賽數據信息



CVPR 2021整體(tǐ)戰績


（以賽事四大研讨會彙總）



NTIRE



ActivityNet



FGVC8




UG2