目标
如何精准识别伪装场景
11月27日，中央党校权威刊物《学习时报》（全党唯一一份专门讲学习的中央级报纸）的科技前沿版，特别刊登了南开大学教授范登平先生的文章《如何精准识别伪装场景》。 该文深入浅出地介绍了伪装场景理解技术的最新进展，展现了很强的专业价值与前瞻性，目前在党政领导干部内反响不错。 相信随着这一前沿科技的持续发酵，将会逐步跨越专业界限，进入大众视野，成为推动科技军事和社会进步与创新的重要力量。
斯坦福 AI 方法加速目标材料发现，为「自动驾驶实验」奠定基础
编辑 | KX传统的材料发现过程既耗时又成本高昂。可能的材料空间也非常大，仅由四种元素组成的材料就有超过 100 亿种可能性，对于制药应用而言，挑战更大，大约有 10^60 种可能的类药分子。斯坦福大学和美国能源部 SLAC 国家加速器实验室的科学家们，开发了一种 AI 方法，有助于在寻找新材料时更有效地收集数据，使研究人员能够以更高的精度和速度应对复杂的材料设计挑战。研究人员提出了一个框架，通过简单的用户定义过滤算法来捕获实验目标。这些算法会自动转换为三种智能、无参数、顺序数据采集策略（SwitchBAX、Inf
武大等开源大幅面高清卫星影像数据集：涵盖 21 万 + 地理目标，复杂地理空间场景知识精准生成
AI 卫星影像知识生成模型数据集稀缺的问题，又有新解了。来自武汉大学、上海 AI 实验室、西工大等 9 家机构共同推出了该领域的大型数据集，涵盖了 21 万个地理目标和 40 万个目标-关系三元组。而且像机场、港口、立交桥等这样复杂地理空间场景，也都包括在了数据集当中。具体来说，该数据集名为 RSG，主要面向卫星影像中的目标检测（OBD）和场景图生成（SGG）任务。SGG 有助于促进模型对地理空间场景从感知到认知的智能理解，但一直缺乏大幅面、超高分辨率的卫星影像数据。而 RSG 的出现很好地填补了这一空白，一同提出
CVPR23 Highlight | 多模态新任务、新数据集：NTU提出广义引用分割问题GRES
引用表达分割（Referring Expression Segmentation，简称引用分割或RES）是一个基础的视觉语言多模态任务。给定一张图像和一个描述该图像中某个对象的自然语言表达式，RES旨在找到该目标对象并将其分割。现有的引用分割数据集和方法通常仅支持单目标表达式，即一个表达式指代一个目标对象。而对于多目标和无目标表达式的情况，则没有考虑在内。严重限制了引用分割的实际应用。基于这个问题，来自新加坡南洋理工大学的研究者们定义了一个名为广义引用分割（Generalized Referring Expression Segmentation，GRES）的新任务，将经典的引用分割扩展到允许表达式指代任意数量的目标对象。同时，文章还构建了第一个大规模的GRES数据集gRefCOCO，其同时包含多目标、无目标和单目标表达式。
了解「AI 对齐失败数据库」
AI对齐失败数据库是一个用于追踪“机器学习系统的目标与人类的设计意图不一致”实例（instance）的社区项目，该项目由安远AI发起。今天，作为该项目的运营伙伴，机器之心SOTA！模型社区正式上线「AI对齐失败数据库」中文社区站点！
了解「目标错误泛化」
目标错误泛化（goal misgeneralization）是一种分布外泛化失败，智能体在分布外保留了能力但追求了错误的目标。
CVPR2022 | 利用域自适应思想，北大、字节跳动提出新型弱监督物体定位框架
将弱监督物体定位看作图像与像素特征域间的域自适应任务，北大、字节跳动提出新框架显著增强基于图像级标签的弱监督图像定位性能
第一！科大讯飞再度刷新Cityscapes世界纪录
近日，科大讯飞凭借在道路目标检测领域多年的技术探索，刷新了Cityscapes 3D目标检测任务的全球最好成绩，得到检测分数（DS）42.9，取得了该项评测的第一名。此次也是科大讯飞继2017年、2018年参与测评之后，再一次刷新Cityscapes的世界纪录。此次评测，科大讯飞借鉴了已在城市交通出行场景下应用的Anchor-Free车辆检测技术，将2D目标检测技术升级至3D，并结合3D到2D重投影的特殊先验信息进行算法迁移。通过结合语义、上下文信息、位置先验信息以及目标形状先验信息等，提取精确的3D目标检测框，构
现在入行CV还有前途吗？AI青年学者这样看「未来五年的计算机视觉」
为了推动 AI 技术的应用创新，促进人工智能领域的学术交流、人才培养，打造人工智能的人才交流平台与产业生态圈，中国人工智能学会联合杭州市余杭区人民政府联合发起了首届全球人工智能技术创新大赛，并得到了阿里云、OPPO 等头部科技企业的积极参与和支持。阿里云天池平台为本次大赛提供平台和算力支撑。
AI 青年说是大赛主办方为提升青年开发者对 AI 的认识而主办的系列活动，该活动邀请知名青年学者，探讨理论研究与应用实践中的热点话题。本文对 AI 青年说系列活动第三期「未来五年的计算机视觉」核心内容进行了总结回顾。
- 1