何恺明CVPR入选2021获奖名单，4篇《BEST》为华人一作—量子位
晓查来自凹非寺量子位的报道_公众号QbitaICVPR2021本周正式召开。作为计算机视觉领域最重要的学术会议，大会的最佳论文当然是领域学者们关注的重要风向标。
上周，《CVPR》正式公布32篇提名的最佳论文候选人，其中华人一作占16篇，国内“北大”、“腾讯”、“商汤”等学校机构上榜。
那么，最终哪篇论文赢得了荣誉呢。今天凌晨，也就是大会首日，正式公布了结果：
其中，最佳论文奖和最佳学生论文奖提名1篇，最佳学生论文提名3篇，最佳论文提名2篇。
这7篇报道中有4篇是华人一作，我们还看到了熟悉的达人何恺明的名字。
7篇获奖论文最佳论文奖
GIRAFFE： Representing Scenes as Compositional Generative Neural Feature Fields
这篇论文来自德国蒂宾根大学的两位学者。
摘要：
文章建议，将复合三维场景表示结合到生成模型中可以实现更可控的图像合成。通过将场景表现为复合生成神经特征字段，可以从背景中解开一个或多个对象和一个对象的形状和外观，在没有额外监视的情况下，可以从非结构化图像集合中学习。
在本文中，通过将这种场景表示与神经渲染pipeline相结合，可以生成快速逼真的图像合成模型。如实验所证明的，该模型可以求解单个物体，在场景中移动它们并旋转它们，从而改变相机的视角。
论文地址：https：//arxiv.org/abs/2011.12100
源代码：https：//github.com/autonomousvision/giraffe
最佳论文提名
今年何恺明被提名为最优秀论文。本文包括：
Exploring Simple Siamese Representation Learning
摘要：
在本文中，作者发现，Simple Siamese网络可以学习有意义的表示，而无需使用（i）负样本对、（ii）大批量、（iii）动量编码器中的任一种方法。
实验表明，坍塌解决方案确实存在于损失和结构上，但停止坡度操作对防止坍塌起着至关重要的作用。作者给出了停止梯度含义的假设，并展示了进一步验证其的概念验证实验。
“SimSiam”方法在ImageNet和下游任务中取得了具有竞争力的结果。作者希望，这种简单的baseline鼓励SimSiam架构重新考虑SimSiam架构在无监督显示学习中的作用。
另外，何恺明表示即将提供论文代码。
本文第一作者为Xinlei Chen，本科毕业于浙江大学，后在卡内基梅隆大学取得博士学位，现与何恺明同在FacebookAI研究院工作。
论文地址：https：//arxiv.org/abs/2011.10566
源代码：https：//github.com/Facebookresearch/sims