ICCV 的全稱是 IEEE International Conference on Computer Vision，即國際計算機視覺大會，由 IEEE 主辦，與計算機視覺模式識別會議（CVPR）和歐洲計算機視覺會議（ECCV）並稱計算機視覺方向的三大頂級會議。在 CCF 版 AI 頂會和期刊列表以及今年 9 月份清華提出的「計算機科學推薦學術會議和期刊列表」中，ICCV 均屬於 A 類頂級會議，在業內影響極大。
兩年一屆的ICCV 2019（International Conference on Computer Vision）於10月27日-11月2日在韓國首爾召開！ ICCV2019全部接收論文共計1075篇全部公佈，大家可以在下面鏈接查看所有的論文PDF。
鏈接: http://openaccess.thecvf.com/ICCV2019.py
Workshops & Tutorials Pocket Guide ：http://iccv2019.thecvf.com/files/guides/ICCV_2019_Workshops_Tutorials.pdf
At-a-glance summary：http://iccv2019.thecvf.com/files/guides/workshop_timetable.pdf
Main Conference Pocket Guide ：http://iccv2019.thecvf.com/files/guides/ICCV_2019_Main_Conference.pdf
At-a-glance summary ：
http://iccv2019.thecvf.com/files/guides/main_timetable.pdf
今年的參會人數高達 7501 人，是上一屆的 2.4 倍。其中，來自中國的參會人數高達 1264 人，僅次於舉辦地韓國（2964）。而在論文方面，今年 ICCV 接收論文中，中國論文量最多，高達 350 多篇，第二名爲美國，其次爲德國、韓國。
ICCV 2019 共收到 4303 篇論文，是上一屆大會 ICCV 2017 論文投稿數量（2143）的 2 倍以上。最終大會接收了 1075 篇論文，接收率爲 25.02%，其中 200 篇爲 oral 論文（4.6% 接收率）。
今年ICCV總計投稿4303 篇論文，是上一屆 ICCV 2017 的兩倍。最終共有1075 篇論文被接收，接收率爲 25.02%，由此可見，目前計算機視覺領域的競爭實在是很激烈啊！！！爲了讓大家更方便學習，我將在ICCV大會此期間持續更新彙總ICCV2019的相關資源信息。
ICCV 的最佳論文
1. 最佳論文-馬爾獎
馬爾獎因計算神經學創始人 David C. Marr 而得名，是計算機視覺研究領域的最高榮譽之一。這一次，獲得 ICCV2019 馬爾獎的論文爲《SinGAN：Learning a Generative Model From a Single Natural Image》，論文作者分別爲來自以色列理工學院的 Tamar Rott Shaham 和 Tomer Michaeli，以及谷歌的 Tali Dekei。
論文標題：SinGAN：Learning a Generative Model From a Single Natural Image
- 作者：Tamar Rott Shaham、Tali Dekei、Tomer Michaeli
- 論文鏈接：http://openaccess.thecvf.com/content_ICCV_2019/papers/Shaham_SinGAN_Learning_a_Generative_Model_From_a_Single_Natural_Image_ICCV_2019_paper.pdf
- 實現地址：https://github.com/tamarott/SinGAN
在這篇論文中，研究者介紹了一種無監督的生成模型 SinGAN，它以一種無條件約束的方式從單張自然圖像中學習知識。經過訓練，研究者的模型能捕捉圖像塊（patch）的內部分佈，從而生成高質量、多樣化的樣本，並承載與訓練圖像相同的視覺內容。
SinGAN 包含一個全卷積金字塔 GAN，金字塔的每一層負責學習不同比例的圖像塊分佈。這樣就能生成具有任意大小和橫縱比的新樣本，這種生成樣本明顯具有可變性，但同時又能保持真實圖像的全局結構與精細紋理。與之前的單圖像 GAN 相比，研究者的方法不僅能生成紋理圖像，同時它還以一種無條件約束的方式生成。
研究者在最後還表明，SinGAN 生成的圖像經常被人類弄混，它們與真實圖像沒什麼差別。
2.最佳學生論文獎
ICCV 2019 最佳學生論文獎由《PLMP-Point-Line Minimal Problems in Complete Multi-View Visibility》摘得，論文作者分別來自佐治亞理工學院（Georgia Tech）、瑞典皇家理工學院（KTH）以及捷克理工大學（Czech Technical University in Prague）。
論文標題：PLMP-Point-Line Minimal Problems in Complete Multi-View Visibility
- 作者：Timothy Duff、Kathlen Kohn、Anton Leykin、Tomas Pajdla
- 論文地址：http://openaccess.thecvf.com/content_ICCV_2019/papers/Duff_PLMP_-_Point-Line_Minimal_Problems_in_Complete_Multi-View_Visibility_ICCV_2019_paper.pdf
- 實現地址：https://github.com/timduff35/PLMP
在這篇論文中，研究者通過透視相機觀察到的點線一般排列，提出了所有極小值問題的完整分類，其中透視相機是經過校準的。研究者證明，對於超過 6 個相機、5 個點和 6 條線的情況，其總共只有 30 個極小值問題，不存在其它情況。
研究者展示了一系列檢測極小值的測試，它們從對自由度進行計數開始，並結束於對代表性樣本的完全符號化與數值化的驗證。對於所發現的所有極小值問題，研究者展示了它們的代數「程度」，即解的數量，這一指標度量了極小值問題的固有難度。此外，這種代數程度還展示了問題的難度如何隨視圖的增加而增長。
重要的是，一些新的極小值問題有非常小的代數程度，因此它們在圖像匹配和三維重建上能得到很好的應用。
3. 最佳論文榮譽提名獎
最佳論文榮譽提名獎中共有兩篇論文獲獎，其中一篇的作者是威斯康辛大學-麥迪遜分校的 Anant Gupta、Atul Ingle、Mohit Gupta。而另一篇論文是來自以色列特拉維夫大學的 Oron Ashual 和 Lior Wolf 兩位研究者完成的。
論文標題：Asynchronous Single-Photon 3D Image
- 作者：Anant Gupta、Atul Ingle、Mohit Gupta
- 論文地址：http://openaccess.thecvf.com/content_ICCV_2019/papers/Gupta_Asynchronous_Single-Photon_3D_Imaging_ICCV_2019_paper.pdf
光電探測雪崩二極管（Single-photon avalanche diode：SPAD）在飛行時間（time-of-flight：ToF）的深度距離相關的研究中變得受歡迎了，因爲這種類型的攝像頭可以在皮秒內捕捉並處理單個圖像。然而，環境光（如陽光）可能使得基於 SPAD 的三維攝像頭髮生問題，在實測波形上造成嚴重的非線性扭曲（積壓），使得深度信息嚴重錯誤。
本文中，研究者提出了一種異步單光子三維成像技術，使用一種數據獲取技術減緩積壓問題。在獲得數據的過程中，異步獲取技術暫時偏離 SPAD 評價窗口，並通過預定義的激光週期或隨機偏移量進行補償。
研究者對於積壓產生的扭曲問題這樣考慮：通過選擇一系列補償信息，可以涵蓋整個深度距離。研究者開發了一個泛化的圖像構建模型，並進行了理論分析，用於探索異步獲取方案的空間，並設計高性能的方案。
研究者稱，其模擬和實驗中結果顯示，他們的方法在一系列成像場景中和 SOTA 相比顯著提升了深度的準確性，包括有着高強度環境光的場景下。
論文標題：Specifying Object Attributes and Relations in Interactive Scene Generation
- 作者：Oron Ashual、Lior Wolf
- 論文地址：http://openaccess.thecvf.com/content_ICCV_2019/papers/Ashual_Specifying_Object_Attributes_and_Relations_in_Interactive_Scene_Generation_ICCV_2019_paper.pdf
- 開源地址：https://github.com/ashual/scene_generation
在本文中，研究者提出了一種從輸入的場景圖中生成圖像的方法。這一方法可分爲兩個方面，分別爲佈局嵌入和外觀嵌入。這種雙嵌入的方法使得生成的圖像更好地和場景圖匹配、有着更好的圖像質量、並支持更復雜的場景圖。此外，嵌入方法支持從每個場景圖中生成多個且不同的圖像，也可以進一步由用戶控制。研究者在論文中展示了兩種針對每個目標進行的控制：（i）從其他圖像中引入新的元素；（ii）通過選擇典型的外觀，然後探索目標空間。研究者的代碼目前已開源。
4. PAMI TC 獎
PAMI 是 IEEE 旗下的期刊，是模式識別和機器學習領域最重要的學術性彙刊之一，有着很高的影響因子和排名。今年 ICCV 上的 PAMI 獎包含四大獎項，分別是 Helmholtz 獎、Everingham 獎、Azriel Rosenfeld 終身成就獎和傑出研究者獎。
Helmholtz 獎
Helmholtz 獎旨在獎勵對計算機視覺領域做出重要貢獻的工作，頒發對象是十年前對計算機視覺領域產生重大影響的論文。獎項名稱來自 19 世紀的物理、生理學家 Hermann von Helmholtz。
今年的 Helmholtz 獎頒給了兩篇論文——《Building Rome in a Day》和《Attribute and Simile Classifiers for Face Verification》。
《Building Rome in a Day》是華盛頓大學、康奈爾大學和微軟的聯合研究項目，旨在通過從 Flickr.com 上下載的所有與羅馬相關的圖像來重建羅馬這座城市。他們要設計一個並行分佈式系統，匹配這些圖像以找到共同點，並使用這些信息來計算城市的三維結構和攝像頭的位置。實驗結果表明，在一個擁有 500 個計算核心的集羣中，他們可以在不到一天的時間內重建包含 15 萬張圖像的城市。
《Attribute and Simile Classifiers for Face Verification》是哥倫比亞大學的一項研究。在這篇論文中，研究者提出了兩種人臉驗證的方法——「attribute」分類器和「simile」分類器。二者都不需要昂貴的圖像對對齊。與當時的最佳分類器相比，錯誤率分別降低了 23.92% 和 26.34%，合併後的錯誤率降低了 31.68%。
Everingham 獎
Everingham 獎的設立初衷是紀念計算機視覺領域專家 Mark Everingham 並激勵後來者在計算機視覺領域做出更多貢獻。頒獎對象包括爲計算機視覺社區其他成員做出巨大貢獻的無私研究者或研究團隊。
本次獲得 Everingham 獎項的分別是亞馬遜傑出科學家及研究主管 Gerard Medioni 和「Labeled Faces in the Wild」（LFW）人臉數據集的團隊，包括 Erik Learened-Miller、Gary B.Huang、Tamara Berg 等人。
Gerard Medioni 因其幾十年來爲 CVPR&ICCV 大會所做出的卓越貢獻而獲此榮譽，他還發起了用於組織大會和研討會的統一註冊系統，此外他也是計算機視覺基金會的聯合創始人，其研究範圍涵蓋了計算機領域的廣泛議題，例如邊緣檢測、立體和運動分析、形狀推斷和描述以及系統集成等。
LFW 團隊因 2007 年以來對 LFW 數據集和基準的生成及維護等貢獻而獲此榮譽，他們的工作有力地推動了在不受控制的現實世界中進行人臉識別的研究進展。
Azriel Rosenfeld 終身成就獎
該獎項是爲了紀念已故的計算機科學家和數學家 Azriel Rosenfeld 教授，獎勵在長期職業生涯中爲計算機視覺領域作出突出貢獻的傑出研究者。
今年的 Azriel Rosenfeld 終身成就獎頒給了視覺領域的專家教授 Shimon Ullman。
Shimon Ullman 現任以色列魏茨曼科學院（The Weizmann Institute of Science）計算機科學與應用數學系主任和計算機科學 Samy 和 Ruth Cohn 教授。他的主要研究領域包括人類視覺系統對視覺信息的處理以及計算機視覺等。這項研究的目的在於瞭解人類自身視覺系統的運作方式以及如何構建具有視覺功能的人工系統，例如如何爲殘障人士提供幫助等。2015 年，他榮獲了以色列計算機科學獎；2016 年成爲美國人文與科學院（American Academy of Arts and Sciences）成員。
傑出研究者獎
基於主要研究貢獻及對其他研究的激發影響等考量原則，傑出研究者獎旨在獎勵對計算機視覺發展作出重大貢獻的研究者。今年的傑出研究者獎由 William T. Freeman 和 Shree Nayar 兩位教授摘得。
Freeman 是麻省理工學院電氣工程與計算機科學系（EECS）的 Thomas 和 Gerd Perkins 教授，他的研究重點包括運動再現、計算機攝影和視覺學習等方面，並擁有 30 多項專利；他先後在 1997 年、2006 年、2009 年和 2012 年的計算機視覺或機器學習會議上獲得優秀論文獎，並於 1990 年、1995 年和 2005 年獲得論文的「時間檢驗獎」（Test-of-time Award）；他還積極參加計算機視覺、圖形和機器學習相關會議，曾擔任 ICCV 2005 和 CVPR 2013 的程序委員會共同主席。
Shree Nayar 是哥倫比亞大學計算機科學系教授，其研究領域集中在計算成像、計算機視覺、機器人、圖像處理和人機交互等。此外，他還是哥倫比亞大學計算機視覺實驗室（Columbia Vision Laboratory，CAVE）的負責人，該實驗室主要開發先進的計算機視覺系統。他曾獲得 ICCV 1990、 ICPR 1994、CVPR 1994、ICCV 1995、CVPR 2000 和 CVPR 2004 的最佳論文獎。2008 年入選美國國家工程院。
ICCV中國論文投稿情況：
ICCV下載鏈接
-
ICCV2019論文下載百度雲鏈接
-
密碼: nynu