還記得2018年Wider Challenge嗎？現(xiàn)在結(jié)果出來啦

AI Scholar Weekly是AI領(lǐng)域的學(xué)術(shù)專欄，致力于為你帶來最新潮、最全面、最深度的AI學(xué)術(shù)概覽，一網(wǎng)打盡每周AI學(xué)術(shù)的前沿資訊，文末還會(huì)不定期更新AI黑鏡系列小故事。

周一更新，做AI科研，每周從這一篇開始就夠啦！

本周關(guān)鍵詞：開源圖像分段數(shù)據(jù)標(biāo)記軟件；深層卷積；SoTA人臉圖像編輯系統(tǒng)；實(shí)時(shí)3D物體識(shí)別。

還記得2018年Wider Challenge嗎？現(xiàn)在結(jié)果出來啦

大眾評(píng)判的基準(zhǔn)和ImageNet與COCO舉辦的系列挑戰(zhàn)賽，都在逐步推進(jìn)AI研究的發(fā)展。這些舉措不但激發(fā)了來自學(xué)術(shù)界和行業(yè)內(nèi)外的學(xué)者與開發(fā)人員參與其中，還鼓勵(lì)他們更加深入地進(jìn)行研究與開發(fā)，正是這樣的結(jié)果激勵(lì)了人臉（識(shí)別）與行人（檢測(cè)）這些行業(yè)舉辦頂級(jí)賽事。

該項(xiàng)挑戰(zhàn)的三項(xiàng)任務(wù)來自計(jì)算機(jī)視覺中一些長(zhǎng)期存在的挑戰(zhàn)以及估計(jì)問題，其中包括人臉檢測(cè)，行人檢測(cè)和人物搜尋。

結(jié)果：挑戰(zhàn)總結(jié)及成功的解決方案

挑戰(zhàn)者將會(huì)得到關(guān)于以上三項(xiàng)任務(wù)的基礎(chǔ)數(shù)據(jù)集，在參與流程的知道小，挑戰(zhàn)者需要將他們的模型輸出結(jié)果上傳至公共評(píng)估服務(wù)器，該服務(wù)器分為驗(yàn)證階段和最終測(cè)試階段，最終勝利的挑戰(zhàn)者將由模型的輸出表現(xiàn)來確定。

這篇研究論文對(duì)提交了有效結(jié)果的100多位挑戰(zhàn)者的研究思路進(jìn)行了總結(jié)。在人臉檢測(cè)任務(wù)中，獲勝者通過整合多重人臉識(shí)別預(yù)測(cè)來設(shè)計(jì)了一個(gè)獨(dú)立檢測(cè)器。

在行人檢測(cè)競(jìng)賽中，獲勝者提出了一個(gè)級(jí)聯(lián)的R-CNN模型與強(qiáng)大的附加結(jié)構(gòu)，用來提高性能。而在人物搜尋競(jìng)賽中，獲勝者設(shè)計(jì)了一個(gè)級(jí)聯(lián)模型，該模型使用了每個(gè)人的臉部特征以及身體特征。除此之外，該研究論文還介紹了前5位獲勝者的研究思路細(xì)節(jié)。

潛在應(yīng)用與效果

WIDER challenge激勵(lì)了開發(fā)者與研究學(xué)者進(jìn)一步去研究和解決計(jì)算機(jī)視覺中的關(guān)鍵問題。新的方法毋庸置疑會(huì)推動(dòng)并構(gòu)建有效的系統(tǒng)，使得人們?cè)谌四槞z測(cè)和物體檢測(cè)方向中解決一些更為嚴(yán)峻的問題。

原文:

https://arxiv.org/abs/1902.06854v1

用于學(xué)習(xí)多個(gè)視覺領(lǐng)域的深層卷積

深層可分離卷積已被證實(shí)非常適合進(jìn)行標(biāo)準(zhǔn)卷積應(yīng)用，其中包括圖像分類，自然語言處理和嵌入式視覺應(yīng)用。這項(xiàng)研究則是首次在深層（卷積）中探索其在多領(lǐng)域中的應(yīng)用，它是基于來自不同領(lǐng)域的共享跨道關(guān)系的假設(shè)。

為了能在不同領(lǐng)域中進(jìn)行有效的知識(shí)傳送，研究人員引用softmax的門控機(jī)制，在視覺全能挑戰(zhàn)基準(zhǔn)上進(jìn)行了測(cè)試，他們采取的方法得分高于目前最新的傳統(tǒng)方法的得分。

潛在應(yīng)用與效果

研究者提出的方法比較經(jīng)典，易于拓展，可以以較少的算力來訓(xùn)練和適應(yīng)新的領(lǐng)域。深層卷積同樣也可以用來提高特定區(qū)域的精度。該方法可以應(yīng)用于優(yōu)化計(jì)算機(jī)視覺、情感分析、推薦系統(tǒng)等領(lǐng)域。

原文：

https://arxiv.org/abs/1902.00927v2

SC-FEGAN ：新人臉編輯系統(tǒng)

SC-FEGAN 是一款高端人臉編輯系統(tǒng)。它基于CNN，使用用戶的草圖和顏色作為輸入，來生成并合成高質(zhì)量的圖像，而用戶僅僅需要完成簡(jiǎn)單的任務(wù)即可。

為了優(yōu)化圖像不完美的邊緣，SC-FEGAN 加入了使用門控卷積的自由形式圖像修復(fù)（SN-patch GAN），此外，它還訓(xùn)練了GAN與風(fēng)格損失函數(shù)實(shí)現(xiàn)高質(zhì)量的圖像編輯。根據(jù)這項(xiàng)研究，將SC-FEGAN 在結(jié)構(gòu)和形狀的質(zhì)量方面上述的圖像修復(fù)方法進(jìn)行比較方向——使用自由形式的模型產(chǎn)生的效果更好。研究人員在celebA-HQ數(shù)據(jù)集上對(duì)該系統(tǒng)進(jìn)行了分別的訓(xùn)練。

潛在應(yīng)用與效果

SC-FEGAN 只需一次通過，即可執(zhí)行轉(zhuǎn)換和恢復(fù)大部分面積的面部圖像。它還允許用戶自主編輯圖像特征，比如發(fā)型、臉型、眼睛、嘴巴等等。SC-FEGAN具有推動(dòng)面部識(shí)別應(yīng)用工作的潛力。此外，它還能幫助生成我們非常需要的高質(zhì)量的基礎(chǔ)圖像數(shù)據(jù)集。

原文:

https://arxiv.org/abs/1902.06838v1

非標(biāo)記（Free Label）的快速、高質(zhì)量注解

這篇新發(fā)布的研究報(bào)告介紹了一個(gè)新工具——Free Label，該工具的目標(biāo)是幫助用戶獲得高質(zhì)量的、可以很容易適應(yīng)不同數(shù)據(jù)集和種類的注解。這項(xiàng)基于Web的工具，為圖像分類數(shù)據(jù)集快速、高質(zhì)量的標(biāo)注提供了一種典型的交互式界面。

為了達(dá)到精煉的語義分類，F(xiàn)ree Label實(shí)現(xiàn)了區(qū)域生長(zhǎng)分割（Region Growing Refinement，即RGR）算法。RGR可以是完全非監(jiān)督式的，并且實(shí)現(xiàn)起來很簡(jiǎn)單。不像其他相關(guān)算法，它的計(jì)算時(shí)間和參數(shù)化允許極快速的用戶交互。由于Free Label實(shí)現(xiàn)了一個(gè)模塊設(shè)計(jì)并且僅僅依賴于開源庫，因此很容易便能被獲取。它能夠被部署到一個(gè)本地或外部的服務(wù)器上，允許用戶通過私有或公有的方法來做注解。

潛在應(yīng)用與效果

通過利用Free Label的模塊化結(jié)構(gòu)來輕易標(biāo)注圖像數(shù)據(jù)集，深度學(xué)習(xí)社區(qū)可以很大程度上從中獲益。Free Label也可以被調(diào)整去幫助對(duì)不同數(shù)據(jù)集的有效分類，此舉可以幫助開發(fā)更加精確和魯棒的模型?？梢酝ㄟ^短視頻教程和一個(gè)有趣的、游戲版本的Free Label，去學(xué)習(xí)如何使用并合理地標(biāo)注數(shù)據(jù)集。

原文：

https://arxiv.org/abs/1902.06806v1

代碼：

https://bitbucket.org/phil_dias/freelabel-wacv/src

LiDAR FlowNet：用GRU來估計(jì)動(dòng)態(tài)流

研究者們最近提出了一個(gè)基于高級(jí)神經(jīng)網(wǎng)絡(luò)2D Map預(yù)測(cè)方法的動(dòng)態(tài)流LiDAR-FlowNet，它現(xiàn)在可以在來自上一個(gè)和目前框架下已存在的Map和未知的Map中估計(jì)動(dòng)態(tài)流。

除此之外，為了取得高水平表現(xiàn)，他們已經(jīng)設(shè)計(jì)了一個(gè)自監(jiān)督的策略來訓(xùn)練LiDAR FlowNet。這讓在2D LiDAR-FlowNet Map上預(yù)測(cè)下一個(gè)動(dòng)態(tài)變得簡(jiǎn)單明了起來。對(duì)于研究者和開發(fā)者來說，好消息是這項(xiàng)新方法的測(cè)試結(jié)果驗(yàn)證了它的有效性。

潛在應(yīng)用與效果

對(duì)人工智能和機(jī)器學(xué)習(xí)社區(qū)來說，LiDAR FlowNet能夠幫助我們找到一個(gè)更便宜的方式去實(shí)現(xiàn)高級(jí)LiDAR Map預(yù)測(cè)。這個(gè)舉措將會(huì)刺激所有動(dòng)態(tài)規(guī)劃應(yīng)用領(lǐng)域的潛在機(jī)會(huì)，從而推動(dòng)整個(gè)領(lǐng)域的進(jìn)步，例如真實(shí)世界中自動(dòng)控制的設(shè)計(jì)和應(yīng)用，自動(dòng)駕駛汽車，角色動(dòng)畫，建筑設(shè)計(jì)，游戲，分子生物等等。

原文：

https://arxiv.org/abs/1902.06919v1

PIXOR：來自點(diǎn)云的實(shí)時(shí)3D對(duì)象探測(cè)

新研究發(fā)現(xiàn)了一個(gè)新的單階段檢測(cè)器模型——PIXOR，可以從像素神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)解碼，從而輸出實(shí)時(shí)的、基于3D對(duì)象的估計(jì)?？梢运氤梢粋€(gè)為密集的基于3D對(duì)象檢測(cè)設(shè)計(jì)的完全卷積神經(jīng)網(wǎng)絡(luò)。模型輸入描述包括鳥瞰的視野網(wǎng)絡(luò)結(jié)構(gòu)以及一個(gè)模型優(yōu)化方法，該方法是為在自動(dòng)駕駛中取得平衡感，從而獲得高精確度和實(shí)時(shí)效率而設(shè)計(jì)的。

研究者在KITTI BEV目標(biāo)檢測(cè)以及大規(guī)模3D機(jī)動(dòng)車檢測(cè)基準(zhǔn)上證實(shí)了PIXOR的有效性。結(jié)果顯示，對(duì)比最先進(jìn)的卷積方法，PIXOR在超過28FPS運(yùn)轉(zhuǎn)的同時(shí)，能提供高水平的效率和AP（平均精度，Average Precision）準(zhǔn)確度。

潛在應(yīng)用與效果

PIXOR通過增加LIDAR對(duì)象和面部識(shí)別，為魯棒的3D對(duì)象定位取得了更高的簡(jiǎn)化度和更低的成本。模型有潛力去實(shí)現(xiàn)一些自動(dòng)駕駛汽車的關(guān)鍵技術(shù)，比如實(shí)時(shí)3D屏重構(gòu)，自定位和通過語義分析以及面對(duì)對(duì)象的語義理解讓機(jī)動(dòng)車實(shí)時(shí)響應(yīng)。

原文：

https://arxiv.org/abs/1902.06326v1

AI黑鏡——基于AI技術(shù)的人倫小故事

恐怖分子在哪里

在我們共享的線上工作區(qū)忽然蹦出了一些字符，不是聊天信息也不是筆記，是一個(gè)通知，“相關(guān)信息已被上傳至RECOG?！?/p>

憤怒的一刻——顯然，在我們的工作系統(tǒng)中插入這個(gè)程序已成定局。就像在星期五下午突然通知要加班一樣，對(duì)于一個(gè)我們沒有調(diào)查或調(diào)試權(quán)限的系統(tǒng)，我們當(dāng)然不可能提出不同意見。同樣，在這個(gè)問題上，我們的意見并不重要。

盡管這個(gè)系統(tǒng)是否能得出有價(jià)值的結(jié)果還不得而知，但是它工作的方式已經(jīng)確定了，RECOG可以從我們所有的任務(wù)和對(duì)話中學(xué)習(xí)。

之后，很多人的情緒開始從憤怒開始感到驚慌——RECOG的工作界面一直顯示“正在工作……”，從來不會(huì)拒絕響應(yīng)。

我們要把RECOG訓(xùn)練成一個(gè)目標(biāo)識(shí)別和問題回答的系統(tǒng)。但它不是我們開發(fā)的系統(tǒng)，是政府把它從……不知道什么地方帶來的，也正因如此，這個(gè)東西的訪問權(quán)限設(shè)置非常謹(jǐn)慎。

我只知道我們的工作是，把其中的黑盒內(nèi)容轉(zhuǎn)變成邏輯清晰的系統(tǒng)。

但是，我們無法查看它的大部分代碼，只能通過精心設(shè)計(jì)的問題測(cè)試它。

所以我們給它提供了大量的城市圖像。他們用綁在無人駕駛飛機(jī)上的高分辨率攝像機(jī)收集了好幾天的資料，為了了解這些圖像中的人是誰，或者至少了解他們的工作。

當(dāng)時(shí)我們正在解決校準(zhǔn)問題，從最簡(jiǎn)單的問題“那里有多少男性穿著紅色夾克、戴著墨鏡？”，到復(fù)雜的問題“哪個(gè)熱狗攤最火爆？”系統(tǒng)的回應(yīng)非常精彩，以至于有人忽然問出了那個(gè)問題。

那時(shí)只有我們?nèi)齻€(gè)人還在做這個(gè)項(xiàng)目。指令的來源無法追蹤，所以我不知道這個(gè)問題的具體內(nèi)容，但我知道接下來發(fā)生了什么。

“工作……完成。找到匹配目標(biāo)?！?/p>

在一張巨大的城市鳥瞰圖像中，一個(gè)小紅框迅速放大并填充了我們面前的顯示器。

人類概率：99%

男性概率：91%

罪犯概率：77%

恐怖分子概率：70%

問題是，是誰建立了這些類別？

我們之后都沒有再說話，各自回去工作，假裝什么都沒發(fā)生。

我之后聽說了RECOG犯了個(gè)大錯(cuò)，那天它鎖定的人是個(gè)FBI探員，被派跟蹤并吸引國內(nèi)的潛在恐怖分子現(xiàn)身。他當(dāng)時(shí)正在去見一個(gè)他追蹤的人的路上。而這馬上被RECOG關(guān)注到了。

無論發(fā)生了什么，我們那天傍晚就接到電話，被告知接下來的這周我們可以休息了，而在那之后不久，我們又被告知接下來可以一直休息，因?yàn)樗麄儼堰@個(gè)項(xiàng)目撤下來了。我猜他們認(rèn)為這個(gè)項(xiàng)目已經(jīng)不適合再交給我們做了。

但是，我一直想知道RECOG下一步會(huì)出現(xiàn)在哪里？

我一直想做一個(gè)鳥類識(shí)別的系統(tǒng)。雖然真實(shí)的鳥味道不好聞、很吵并且總需要被喂食，但鳥類的圖像是很美的。我的教授認(rèn)為這個(gè)項(xiàng)目會(huì)很簡(jiǎn)單，我只需要提供一個(gè)夏天的時(shí)間就能完成。

但現(xiàn)在，我卻在想，政府的這些步驟會(huì)給恐怖分子提供些什么？

在人類歷史上的一些特殊時(shí)期，人們經(jīng)常會(huì)因?yàn)榕e報(bào)——比如嫉妒的鄰居舉報(bào)或者腐敗的警察敲詐，被拖走并折磨至死。那么一個(gè)如果廉潔的機(jī)器所說的話，又會(huì)引發(fā)怎樣的事情呢？