计算机视觉前沿研究全景展示

研究概览

某中心在欧洲计算机视觉大会（ECCV 2022）上的研究成果展现了计算机视觉领域的多元化探索。以下是包含某中心科学家参与的12篇论文的技术要点解析。

通过在线深度聚类方法，将全局属性（如裙长）与局部属性（如领口样式）统一建模为多任务学习问题。该方法通过施加集群级约束优化全局结构，显著提升时尚检索准确率。

针对场景文本检测难题，提出新型注意力机制GLASS，融合全局特征与局部特征。全局特征从共享主干网络提取，局部特征通过调整大小、高分辨率文字区域单独计算。在多个公开基准测试中达到最先进水平。

发布PersonPath22数据集，规模超出现有高质量多目标跟踪数据集一个数量级。该数据集包含丰富元数据，支持在多维度条件下评估跟踪器性能。

提出自监督视频表征学习方法，在训练中显式建模运动信息。包含视觉通路和运动通路，通过跨模态对比目标使运动通路指导视觉通路捕捉相关运动线索。

针对开放世界视觉表征学习，提出渐进式方法避免不现实假设。通过选择高度同质且远离已知类别的未标记样本，利用聚类生成高质量伪标签迭代改进特征泛化。

提出REDs方法实现非线性潜在空间遍历，提供对GAN输出的精确控制，包括在改变某些特征时固定其他指定特征的能力。

构建包含10个跨域数据集的MoFSOD基准，全面分析层冻结、架构差异和预训练数据集对少样本检测性能的影响。研究发现微调方法在多域场景下表现优异。

提出SPot-the-Difference（SPD）自监督框架，可规范对比自监督和监督预训练，提升异常检测任务性能。同时发布包含10,821张高分辨率图像的VisA工业异常检测数据集。

提出TD-Road方法将路网提取分解为关键点预测和连接性预测两个子任务，直接通过推理生成道路图输出，突破传统自下而上方法的局限。

提出REG-NAS方法包含两大创新：支持大模型包含小模型权重的架构约束，以及同时考虑Top-1准确率和负翻转的搜索奖励机制。相比现有方法减少33-48%的负翻转。

提出SPE-FR统计方法，基于参数化贝叶斯建模生成点估计、性能曲线和置信带，可在无身份标签数据上准确评估人脸验证系统性能并揭示人口统计偏差。

提出三组件架构：目标检测器、语言编码器和视觉语言对齐模块。视觉与语言流在最终阶段通过高效点积操作对齐，在开放词汇目标检测等任务中展现优异准确率和速度。