ECCV：计算机视觉将走向何方？

欧洲计算机视觉会议（ECCV）于周日开幕，该会议每两年举办一次，与国际计算机视觉大会（ICCV）交替进行。原定今年在格拉斯哥举行的ECCV与夏季多数主要计算机科学会议一样，已转为线上举办。

某中心学者、弗莱堡大学计算机科学教授Thomas Brox认为，无监督学习、生成式模型以及机器学习与几何学的结合具有发展潜力。

会议背景

与CVPR（IEEE计算机视觉与模式识别会议）一起，ICCV和ECCV构成了计算机视觉领域的三大会议。“过去，ECCV往往更侧重于数学和3D几何，而CVPR则更偏向模式识别，“担任今年ECCV程序主席的Brox表示，“但如今，所有内容都涉及模式识别和深度学习，它们变得更加相似。”

Brox首次参加ECCV是在2004年，当时他还是研究生。当计算机视觉领域的深度学习革命开始时，他已经参加了10年。“我喜欢事情变得简单，“Brox说，“所以我非常喜欢2014、2015年那个时期，许多计算机视觉问题突然简化了很多。你使用一个网络——具体是什么并不重要——总能获得比以往更好的性能。”

“当然，现在每个人都这样做了，事情又变得相当复杂。关键在于改变网络中的一些细节、训练方式、数据收集方法以及呈现方式，从而获得微小的渐进式改进。”

“基准测试的进展仍然相对较快，但概念上的进展相对缓慢。过去当出现这种情况时，基准测试的进展最终也会停止。2010年我做博士后时，目标检测也面临同样的情况。此前有很多进展，然后变得越来越慢，没有人知道该怎么做。随后深度学习出现，或多或少解决了这个问题。”

十年后，深度学习也"缺乏概念创新”，Brox表示：“我认为我们遇到了瓶颈。”

技术突破方向

当然，没有人知道下一个概念性突破会是什么：“如果有人知道，我们都会去做的，“Brox笑着说。但他愿意提出一些猜测。

“一个可能的方向是减少对这些标签注释的依赖，因为它们实际上可能限制多于帮助，“Brox说。如今，大多数机器学习都是监督学习，涉及带有标签的训练样本，机器学习模型学习根据输入特征预测标签。使用未标记数据进行训练被称为无监督学习。

“一旦研究无监督损失函数，在某种程度上就回到了过去，“Brox说。“我们制定了相同类型的损失函数。但没有深度网络，优化技术直接作用于输出变量而不是网络参数。需要在此基础上添加其他内容，但这个方向可能很有趣。”

另一个引起Brox兴趣的技术是使用生成式模型，而不是当今主流的判别式模型。给定两个变量——比如图像视觉特征和这些图像中物体的可能标签——判别式模型（如当今的神经网络）在给定一个变量特定值的情况下估计另一个变量的值：如果图像特征是一个尖耳朵，标签很可能是"猫”。

相比之下，生成式模型试图学习一个概率分布，将一个变量的所有可能值与另一个变量的所有可能值联系起来。因此，它提供了世界的统计模型，而不是执行分类的技巧集合。

“判别式模型只试图找到区分两个不同类别的特征，只要能区分它们就很满意，“Brox说。“而生成式模型，你还想解释所看到的内容。如果能解释所看到的内容，那么可能拥有更稳健的模型，泛化能力也更好。”

“这是一个非常有趣的方向，但目前还不具备竞争力。当你提出一个新概念时，它通常不如这些优化了所有细节的方法好。这与深度学习研究人员多年来面临的情况类似，当时他们确信自己拥有正确的工具，但计算机视觉界没有人愿意相信他们，因为他们的结果差很多。你必须真正相信自己的策略，继续努力直到达到最先进水平。”

几何学回归

在自己的工作中，Brox也在研究将深度学习与过去ECCV优先关注的"数学和3D几何"相结合的可能性。特别是，他正在研究利用物体运动推断其3D形状信息的方法，这种方法似乎受益于在不同旋转下关联物体表面点的严格计算方法。

“运动信号中包含大量信息，当前技术未能充分利用，“Brox说。“特别是在考虑无监督学习时，这可能非常有用。更好地利用3D结构也是我的兴趣之一。”

“起初，没有人相信深度学习可以捕捉3D视觉。每个人都认为，‘好吧，这两个领域不兼容，所以如果你研究3D视觉，你是安全的。不需要转向深度学习。’”

“实际上，并非如此。使用深度学习进行3D视觉也有好处。但不能用深度学习解决所有问题。更多的是经典几何、经典数学与使用深度学习处理模式识别部分的结合。两者的结合非常有前景。”