本周，國際計算機視覺大會 ICCV（International Conference on Computer Vision）在法國巴黎開幕。

作為全球計算機視覺領域頂級的學術會議，ICCV 每兩年召開一次。

和 CVPR 一樣，ICCV 的熱度屢創新高。

在今天的開幕式上，ICCV 官方公布了今年的論文數據：本屆 ICCV 投稿總數達 8068 篇，其中 2160 篇被接收，錄用率為 26.8%，略高于上一屆 ICCV 2021 錄用率 25.9%。

在論文主題方面，官方也公布了相關數據：3D from multi-view and sensors 熱度最高。

當然，今天開幕式最為重磅的內容就是獲獎信息。接下來讓我們一一揭曉最佳論文、最佳論文提名、最佳學生論文。

最佳論文 - 馬爾獎

共有兩篇論文獲得今年的最佳論文（馬爾獎）。

第一篇來自多倫多大學的研究者。

• 論文地址：https://openaccess.thecvf.com/content/ICCV2023/papers/Wei_Passive_Ultra-Wideband_Single-Photon_Imaging_ICCV_2023_paper.pdf
• 作者：Mian Wei、Sotiris Nousias、Rahul Gulve、David B. Lindell、Kiriakos N. Kutulakos
• 機構：多倫多大學

摘要：本文考慮在極端的時間尺度范圍內，同時（秒到皮秒）對動態場景進行成像的問題，并且是被動地進行成像，沒有太多的光，也沒有來自發射它的光源的任何定時信號。由于單光子相機現有的通量估計（flux estimation）技術在這種情況下會失效，因此本文開發了一種通量探測理論，該理論從隨機微積分中汲取見解，從而能夠從單調增加的光子檢測時間戳流中重建像素的時變通量。 

本文利用這一理論來 (1) 表明無源自由運行 SPAD 相機在低通量條件下具有可實現的頻率帶寬，跨越整個 DC-to31 GHz 范圍，(2) 推導出了一種新穎的傅里葉域通量重建算法，并且 (3) 確保算法的噪聲模型即使對于非常低的光子計數或不可忽略的死區時間也保持有效。

本文通過實驗展示了這種異步成像機制的潛力：（1）對由以截然不同的速度運行的光源（燈泡、投影儀、多個脈沖激光器）同時照明的場景進行成像，而無需同步，（2） 被動非視距視頻采集；(3) 記錄超寬帶視頻，稍后可以以 30 Hz 的速度播放以顯示日常運動，但也可以慢十億倍的速度播放以顯示光本身的傳播。

第二篇就是我們所熟知的 ControNet。

• 論文地址：https://arxiv.org/pdf/2302.05543.pdf
• 作者：Lvmin Zhang、Anyi Rao、Maneesh Agrawala
• 機構：斯坦福大學

摘要：本文提出了一種端到端的神經網絡架構 ControlNet，該架構可以通過添加額外條件來控制擴散模型（如 Stable Diffusion），從而改善圖生圖效果，并能實現線稿生成全彩圖、生成具有同樣深度結構的圖、通過手部關鍵點還能優化手部的生成等。

ControlNet 的核心思想是在文本描述之外添加一些額外條件來控制擴散模型（如 Stable Diffusion），從而更好地控制生成圖像的人物姿態、深度、畫面結構等信息。

這里的額外條件以圖像的形式來輸入，模型可以基于這張輸入圖像進行 Canny 邊緣檢測、深度檢測、語義分割、霍夫變換直線檢測、整體嵌套邊緣檢測（HED）、人體姿態識別等，然后在生成的圖像中保留這些信息。利用這一模型，我們可以直接把線稿或涂鴉轉換成全彩圖，生成具有同樣深度結構的圖等等，通過手部關鍵點還能優化人物手部的生成。

詳細介紹請參考機器之心報道：《AI降維打擊人類畫家，文生圖引入ControlNet，深度、邊緣信息全能復用》

最佳論文提名：SAM

今年 4 月份，Meta 發布「分割一切（SAM）」AI 模型，可以為任何圖像或視頻中的任何物體生成 mask，讓計算機視覺（CV）領域研究者驚呼：「CV 不存在了」。

如今，這篇備受關注的論文摘的最佳論文提名。

• 論文地址：https://arxiv.org/abs/2304.02643
• 機構：Meta AI

簡介：此前解決分割問題大致有兩種方法。第一種是交互式分割，該方法允許分割任何類別的對象，但需要一個人通過迭代細化掩碼來指導該方法。第二種，自動分割，允許分割提前定義的特定對象類別（例如，貓或椅子），但需要大量的手動注釋對象來訓練（例如，數千甚至數萬個分割貓的例子）。這兩種方法都沒有提供通用的、全自動的分割方法。

Meta 提出的 SAM 很好的概括了這兩種方法。它是一個單一的模型，可以輕松地執行交互式分割和自動分割。該模型的可提示界面允許用戶以靈活的方式使用它，只需為模型設計正確的提示（點擊、boxes、文本等），就可以完成范圍廣泛的分割任務。

總而言之，這些功能使 SAM 能夠泛化到新任務和新領域。這種靈活性在圖像分割領域尚屬首創。

詳細介紹請參考機器之心報道：《CV 不存在了？Meta 發布「分割一切」AI 模型，CV 或迎來 GPT-3 時刻》

最佳學生論文

該研究由來自康奈爾大學、谷歌研究院和 UC 伯克利的研究者共同完成，一作是來自 Cornell Tech 的博士生 Qianqian Wang。他們聯合提出了一種完整且全局一致的運動表征 OmniMotion，并提出一種新的測試時（test-time）優化方法，對視頻中每個像素進行準確、完整的運動估計。 

• 論文地址：https://arxiv.org/abs/2306.05422
• 項目主頁：https://omnimotion.github.io/

摘要：在計算機視覺領域，常用的運動估計方法有兩種：稀疏特征追蹤和密集光流。但這兩種方法各有缺點，稀疏特征追蹤不能建模所有像素的運動；密集光流無法長時間捕獲運動軌跡。

該研究提出的 OmniMotion 使用 quasi-3D 規范體積來表征視頻，并通過局部空間和規范空間之間的雙射（bijection）對每個像素進行追蹤。這種表征能夠保證全局一致性，即使在物體被遮擋的情況下也能進行運動追蹤，并對相機和物體運動的任何組合進行建模。該研究通過實驗表明所提方法大大優于現有 SOTA 方法。

詳細介紹請參考機器之心報道：《隨時隨地，追蹤每個像素，連遮擋都不怕的「追蹤一切」視頻算法來了》

當然，除了這些獲獎論文，今年 ICCV 還有許多優秀論文值得大家關注。最后為大家附上 17 篇獲獎論文初始清單。