全球人工智能领域最具影响力的大会CVPR近日宣布，将2022年“最佳学生论文”奖颁给同济大学研二学生陈涵晟等人，这是二十多年来首次有中国高校学生获此殊荣。
该论文是陈涵晟在阿里达摩院实习期间的成果，融合了传统几何推理和深度学习，提出了计算3D物体位姿的新方法，能从单张图片计算出3D物体在真实世界里的位置和朝向，有望成为自动驾驶、机器人等技术发展的理论动力。
CVPR（国际计算机视觉与模式识别会议）是人工智能领域的顶级学术会议，今年共收到8161篇论文投稿，最终录取2064篇，只评出最佳论文和最佳学生论文各1篇。CVPR的最佳论文和最佳学生论文常被视作AI技术风向标，诞生了ResNet等一系列标志成果。
CVPR早在2001年就设立最佳学生论文奖，今年首次发给中国高校学生。获奖论文《EPro-PnP: Generalized End-to-End Probabilistic Perspective-n-Points for Monocular Object Pose Estimation 》来自同济大学汽车学院和阿里巴巴达摩院，作者分别是陈涵晟、王丕超、王帆、田炜、熊璐、李昊。
论文研究的是3D视觉领域经典问题，通过单张图像求解3D物体在真实世界里的位姿（位置和朝向）。这一技术方向应用前景广阔，是自动驾驶、机器人等行业的基础技术。比如在自动驾驶中，只有先计算出周边车辆的位姿，判断对方究竟是要加速、刹车还是变道，己方车辆才能做出对应操作，计算不准或者过慢都有可能引发事故。
3D物体的位姿计算示意
通过单张图像定位3D物体极具挑战性。一般有两类解决方法：
-
一类是基于几何推理，例如PnP算法，可解释性好、泛化能力强，但需要提前知道物体的尺寸和形状，具有较大的局限性；
-
另一类是深度学习方法，可预测3D物体的位置坐标和朝向角度，但在小规模数据集上容易过拟合。
获奖论文提出的新方法EPro-PnP，创造性地引入概率分布，将几何推理和深度学习两种方法无缝衔接，形成了一个端到端的易用模型，可以快速估算3D物体的位姿。
实验证明，新模型通用性强、定位准确，不需要提前知道物体的几何形状；更要重的是非常简洁，效率较高，且具有较好的可解释性，有望用于自动驾驶、机器人、无人机、AR等诸多需要通过视觉来估算物体位姿的场景。
EPro-PnP方法示意
据了解，论文第一作者陈涵晟本硕都就读于同济大学汽车学院，目前研究生二年级在读，导师为熊璐教授，副导师为田炜助理教授，达摩院导师为王丕超博士。他的研究方向是计算机视觉中的3D物体位姿估计，研一就已在CVPR发表论文。2021年到阿里达摩院做研究型实习生后，陈涵晟在达摩院日常研究讨论中碰撞出灵感，尝试去构造统一的理论框架。“我原来以为这篇论文可能比较冷门，因为太偏数学，没想到能够获奖。”陈涵晟说。
同济大学研究生陈涵晟
论文第一通讯作者、达摩院算法专家王丕超博士表示，这篇论文特别之处在于，用数学的方式解决AI底层问题，带来了基础理论上的突破，对3D视觉领域的研究和应用都将产生积极影响。“核心创新是转换数学视角，引入概率密度，把不可导的函数变成可导，所以能通过反向传播来训练深度网络，最终实现稳定收敛，提升3D物体的定位精度。”
据悉，研究型实习生是阿里巴巴在2017年创立的科研项目，目前全球已有200多所高校的1000多名学生参与该项目，他们绝大部分来自计算机相关领域，博士生占比超7成。
今年，阿里计划开放200多个科研选题，如“量子算法”、“量子器件测量”、“用于公开道路自动驾驶的离线强化学习算法”、“基于多模态大模型的泛内容理解”、“亚运智慧交通预约出行优化与碳足迹计算”等，研究领域涵盖量子计算、自动驾驶、人工智能、网络安全等数十个方向。
论文链接：https://arxiv.org/abs/2203.13254
来源：周到上海 作者：王珏
