计算机视觉
独家 | 美团AI平台视觉中心负责人魏晓林离职
作者：赖文昕编辑：陈彩娴纵观个人履历，魏晓林深耕计算机视觉领域17年。 2007年，魏晓林在美国德克萨斯A&M大学攻读计算机科学博士学位，师承计算机视觉、图形学领域专家柴金祥。 2011年任Google总部高级工程师，是推动Google 3D Maps从零到一发布的核心研发人员。
专访纽约城市大学田英利教授：用多通道、多模态的方法「看懂」手语
与聋哑人交流，是一件成本很高的事情。 首先要看得懂手语，其次是会打手语。 在全球任何一个国家，手语都被归属为一门“小语种”。
ICLR 2024 Spotlight｜厦门大学、Intel、大疆联合出品，从网络视频中学习零样本图像匹配大模型
图像匹配是计算机视觉的一项基础任务，其目标在于估计两张图像之间的像素对应关系。图像匹配是众多视觉应用如三维重建、视觉定位和神经渲染 (neural rendering) 等的基础和前置步骤，其精确度和效率对于后续处理十分重要。传统算法（SIFT）在面临长基线或极端天气等复杂场景时，其匹配的准确度和密度往往有限。为了解决这些问题，近年来，基于深度学习的匹配模型逐渐流行。然而，由于缺乏大规模且多样化的具有真值标签的训练数据，目前的匹配模型通常是在 ScanNet 和 MegaDepth 上分别训练室内和室外两个模型。这
金出武雄和他的中国学生们，计算机视觉五十载风云
突破性的成就对金出武雄来说并不新鲜。 自上世纪八十年代以来，金出武雄（Takeo Kanade）一直是卡内基梅隆大学的基础。 他发起、领导、合作了几个主要的自主移动机器人和各种应用系统，譬如该校的无人驾驶汽车(NavLab)、自主直升机(Robocopter)、计算机辅助髋关节置换手术系统(HipNav)和视频监控系统(VSAM)，只要是与计算机视觉技术的相关项目，总能看到金出武雄的名字。
首个通用双向Adapter多模态目标追踪方法BAT，入选AAAI 2024
能够有效实现多模态交叉提示跟踪。目标跟踪是计算机视觉的一项基础视觉任务，由于计算机视觉的快速发展，单模态 (RGB) 目标跟踪近年来取得了重大进展。考虑到单一成像传感器的局限性，我们需要引入多模态图像 (RGB、红外等) 来弥补这一缺陷，以实现复杂环境下全天候目标跟踪。然而，现有的多模态跟踪任务也面临两个主要问题：由于多模态目标跟踪的数据标注成本高，大多数现有数据集规模有限，不足以支持构建有效的多模态跟踪器；因为不同的成像方式在变化的环境中对物体的敏感度不同，开放世界中主导模态是动态变化的，多模态数据之间的主导相关