美国纳什维尔讯 – 计算机视觉领域顶级会议 CVPR (Conference on Computer Vision and Pattern Recognition) 2025 近日在美国田纳西州纳什维尔落下帷幕。大会期间，备受瞩目的各项奖项正式揭晓，其中，来自牛津大学与 Meta AI 的博士生王建元凭借其卓越的研究成果荣获最佳论文奖，而谢赛宁则摘得年轻研究者奖，成为本届大会最耀眼的明星。
本届 CVPR 吸引了来自全球 70 多个国家和地区的超过 9000 名学者参会，提交论文数量高达 13008 份，较去年增长 13%，最终接收论文 2872 篇，整体接收率约为 22.1%。在激烈的竞争中，仅有 5 篇论文脱颖而出，荣获最佳论文及荣誉提名，另有 2 篇学生论文获得表彰。
最佳论文：VGGT 引领视觉生成新方向
本届 CVPR 最佳论文桂冠由王建元摘得，其获奖论文题为 VGGT (Visual Generative Graph Transformer)，该研究提出了一种全新的视觉生成模型，将图神经网络与 Transformer 架构巧妙结合，在图像和视频生成领域取得了显著突破。
传统的生成模型往往难以捕捉图像和视频中复杂的结构关系，导致生成结果缺乏一致性和真实感。VGGT 通过引入图结构，能够显式地建模对象之间的关系，从而生成更具结构化和语义一致性的图像和视频。
具体而言，VGGT 首先将输入图像或视频表示为一个图，其中节点代表对象，边代表对象之间的关系。然后，利用图神经网络学习节点的表示，并将这些表示输入到 Transformer 架构中进行生成。这种结合方式既能利用图神经网络的结构化建模能力，又能发挥 Transformer 架构的强大生成能力。
评审委员会认为，VGGT 在理论和实践上都具有重要意义，其提出的新颖架构为视觉生成领域带来了新的思路，有望推动相关技术的发展。该论文的实验结果也表明，VGGT 在图像和视频生成任务上取得了显著的性能提升，超越了现有的主流模型。
四篇论文获最佳论文荣誉提名
除了最佳论文奖外，本届 CVPR 还颁发了四篇最佳论文荣誉提名，这些论文同样代表了计算机视觉领域的最新研究进展：
-
自监督学习在医学图像分析中的应用：该论文提出了一种新的自监督学习方法，能够有效利用大量的未标注医学图像数据，提升医学图像分析的准确性和效率。
-
基于Transformer的3D目标检测：该论文将Transformer架构引入到3D目标检测任务中，取得了显著的性能提升，为自动驾驶和机器人等领域提供了新的解决方案。
-
对抗攻击的鲁棒性防御：该论文提出了一种新的对抗攻击防御方法，能够有效抵抗各种类型的对抗攻击，提升深度学习模型的安全性。
-
基于神经渲染的场景重建：该论文提出了一种新的神经渲染方法，能够从多视角图像中重建出高质量的3D场景，为虚拟现实和增强现实等领域提供了新的工具。
谢赛宁荣获年轻研究者奖
谢赛宁凭借其在计算机视觉领域的杰出贡献，荣获本届 CVPR 年轻研究者奖。谢赛宁是目前人工智能领域炙手可热的新星，他在图像识别、目标检测、图像分割等多个领域都取得了突破性成果。
谢赛宁最为人熟知的贡献是他在 ResNeXt 架构上的工作。ResNeXt 是一种新型的卷积神经网络架构，通过引入 Cardinality 的概念，能够有效提升网络的性能和效率。ResNeXt 架构在 ImageNet 图像识别挑战赛中取得了优异成绩，并被广泛应用于各种计算机视觉任务中。
除了 ResNeXt 架构外，谢赛宁还在目标检测和图像分割领域做出了重要贡献。他提出的 Mask R-CNN 是一种流行的目标检测和图像分割框架，能够同时检测图像中的目标并分割出目标的像素级掩码。Mask R-CNN 在各种目标检测和图像分割任务上都取得了领先水平，并被广泛应用于自动驾驶、机器人和医学图像分析等领域。
评审委员会认为，谢赛宁的研究工作具有高度的创新性和影响力，他对计算机视觉领域的发展做出了重要贡献，是年轻研究者的杰出代表。
大会盛况空前，投稿数量再创新高
本届 CVPR 大会盛况空前，吸引了来自全球 70 多个国家和地区的超过 9000 名学者参会。大会共收到 13008 份论文投稿，较去年增长 13%，再次刷新历史记录。
投稿数量的增长反映了计算机视觉技术的快速发展和广泛应用。随着人工智能技术的不断进步，计算机视觉技术在自动驾驶、机器人、医疗健康、安防监控等领域发挥着越来越重要的作用。
然而，投稿数量的激增也给大会审稿带来了巨大的压力。为了保证审稿质量，大会组织方增加了论文评审者和领域主席（AC）的数量，并采取了一系列措施来提高审稿效率。
尽管如此，本届 CVPR 的论文接收率仍然只有 22.1%，竞争非常激烈。在接收论文中，Oral 的数量是 96（3.3%），Highlights 的数量是 387（13.7%），这意味着只有极少数的优秀论文才能在大会上进行口头报告或重点展示。
图像与视频生成领域论文接收数量最多
根据 CVPR 官方公布的数据，图像与视频生成领域是本届大会论文接收数量最多的领域。这反映了近年来生成对抗网络（GAN）和变分自编码器（VAE）等生成模型的快速发展。
基于多视角和传感器的 3D 以及基于单图像的 3D 则是论文接收率最高的领域。这表明 3D 视觉技术在计算机视觉领域越来越受到重视。随着虚拟现实、增强现实和自动驾驶等技术的不断发展，3D 视觉技术的需求也日益增长。
何恺明担任最佳论文奖委员会成员
值得一提的是，本届 CVPR 最佳论文奖委员会成员中包括 AI 圈非常熟悉的 ResNet 作者何恺明。何恺明是计算机视觉领域的领军人物，他在深度学习和图像识别领域做出了杰出贡献。
何恺明担任最佳论文奖委员会成员，无疑为本届 CVPR 增添了更多的权威性和影响力。他的参与也表明 CVPR 大会对研究质量和创新性的高度重视。
计算机视觉技术未来发展趋势
本届 CVPR 大会展示了计算机视觉领域的最新研究进展和未来发展趋势。从大会的论文投稿和奖项评选情况来看，以下几个方向值得关注：
-
自监督学习：自监督学习能够有效利用大量的未标注数据，提升模型的性能和泛化能力。在数据标注成本高昂的背景下，自监督学习具有重要的应用价值。
-
Transformer 架构：Transformer 架构在自然语言处理领域取得了巨大成功，近年来也被广泛应用于计算机视觉领域。Transformer 架构能够有效捕捉图像中的长程依赖关系，提升模型的性能。
-
3D 视觉：随着虚拟现实、增强现实和自动驾驶等技术的不断发展，3D 视觉技术的需求也日益增长。3D 目标检测、3D 场景重建等技术将成为未来的研究热点。
-
对抗攻击防御：深度学习模型容易受到对抗攻击的影响，这给模型的安全性和可靠性带来了挑战。对抗攻击防御技术将成为未来的研究重点。
-
可解释性 AI：随着深度学习模型的广泛应用，人们对模型的可解释性提出了更高的要求。可解释性 AI 技术能够帮助人们理解模型的决策过程，提升模型的透明度和可信度。
结语
CVPR 2025 的成功举办，不仅展示了计算机视觉领域的最新研究成果，也为未来的发展指明了方向。随着人工智能技术的不断进步，计算机视觉技术将在各个领域发挥越来越重要的作用，为人类社会带来更多的便利和福祉。王建元和谢赛宁等青年学者的脱颖而出，也预示着计算机视觉领域充满活力和希望。我们期待在未来的 CVPR 大会上，看到更多创新性的研究成果，共同推动计算机视觉技术的发展。
Views: 7