6月19日-25日，計算機視覺和模式識別領(lǐng)域的三大頂級會議之一CVPR在線上盛大舉行，深蘭科技在本屆會議中組織了兩支團隊參賽，共獲得了五冠七亞兩季，共計14項大獎，再一次奠定了深蘭在計算機視覺領(lǐng)域的全球領(lǐng)先地位。



深蘭獲獎榮譽速覽

冠軍任意到任意的深度圖 引導(dǎo)的圖像重照明挑戰(zhàn)賽

NTIRE 2021 Depth Guided Relighting Challenge Track 2: Any-to-any relighting

本次競賽屬于NTIRE研討會系列競賽之一。NTIRE主要研究圖像恢復(fù)、增強新趨勢，聚焦圖像視頻的質(zhì)量改進與評估，是近年來計算機圖像修復(fù)領(lǐng)域最具影響力的研討會之一。



競賽要求為基于示例的單個圖像重新照明，即操縱在特定照明設(shè)置（光源位置和色溫）下捕獲的輸入圖像，使其看起來像是在不同設(shè)置下拍攝的。

近些年，圖像重新照明越來越受到關(guān)注，因為它允許照片增強或修飾，并且是一種特定于照明的樣式轉(zhuǎn)換形式，而所有這些都被深度學習方法所推動。競賽使用用于照明傳輸?shù)奶摂M圖像數(shù)據(jù)集 (VIDIT)，DeepBlueAI團隊主要參與了Track2賽道并取得總成績第一。

雙冠動作識別挑戰(zhàn)賽（鎖定雙賽道）

MMAct Challenge 2021

2021年 MMAct 挑戰(zhàn)賽在 CVPR2021 動作識別國際挑戰(zhàn)賽 (ActivityNet) 研討會上舉辦。競賽要求參賽者提出跨模態(tài)視頻動作識別/定位方法，以彌補使用 MMAct數(shù)據(jù)集的純視覺方法的缺點。



此任務(wù)的目標是利用基于傳感器，例如穿戴式傳感器數(shù)據(jù)作為特權(quán)信息，以及基于視覺的模態(tài)，其方式可以克服訓練（傳感器 + 視頻）和測試（僅視頻）階段之間模態(tài)差異所帶來的限制。挑戰(zhàn)賽促進了關(guān)于如何通過使用跨模態(tài)方法解決視覺挑戰(zhàn)的另一種觀點，希望擴大對視頻動作理解的研究，以進一步利用日常使用的智能設(shè)備（例如智能手機）中的傳感器。

DeepBlueAI團隊參與了跨模態(tài)視頻動作識別與時序定位兩個賽道，并分別以大比分領(lǐng)先取得第一。

賽道一：



賽道二：



冠軍低分辨率視頻行為識別挑戰(zhàn)賽

TinyAction Challenge

TinyAction Challenge同屬CVPR2021 動作識別國際挑戰(zhàn)賽 (ActivityNet) 研討會，競賽旨在提高低分辨率高噪聲等真實監(jiān)控場景下的視頻行為識別能力，并提供大量真實場景視頻片段及標注，每個視頻片段中可能含有多個動作，本質(zhì)是一個多標簽的行為識別任務(wù)。

面對視頻分辨率很低、尺度多樣、質(zhì)量較差且含有大量噪聲、以及場景和行為多樣等難點，深蘭團隊合理地選擇了模型算法，進行了精細的模型訓練，同時在數(shù)據(jù)的后處理上做了大量的優(yōu)化，有效實現(xiàn)了低分辨率高噪聲視頻中行為識別，并最終大比分領(lǐng)先，獲得冠軍。



深蘭團隊競賽數(shù)據(jù)信息


冠亞包攬植物病理識別挑戰(zhàn)賽

Plant Pathology 2021

深蘭科學院的兩支團隊在FGVC第8屆研討會中包攬了植物病理識別挑戰(zhàn)賽的冠軍和亞軍，這也是深蘭連續(xù)三年問鼎該賽事。

競賽是要識別蘋果樹葉是否有疾病以及相應(yīng)的疾病種類（同一個葉子可能有多種疾?。y點主要包括：可能存在臟數(shù)據(jù)、多標簽數(shù)據(jù)的嚴重缺少等。團隊在有限時間內(nèi)，僅憑完成了一半的方案即獲得了冠軍，而另一支深蘭勁隊緊隨獲得亞軍。



深蘭團隊競賽數(shù)據(jù)信息



CVPR 2021整體戰(zhàn)績


（以賽事四大研討會匯總）



NTIRE



ActivityNet



FGVC8




UG2