CVPR最佳學生論文授予同濟阿里

全球人工智能領域最具影響力的大會CVPR近日宣佈，將2022年“最佳學生論文”獎頒給同濟大學研二學生陳涵晟等人，這是二十多年來首次有中國高校學生獲此殊榮。該論文是陳涵晟在阿里達摩院實習期間的成果，融合了傳統幾何推理和深度學習，提出了計算3D物體位姿的新方法，能從單張圖片計算出3D物體在真實世界裏的位置和朝向，有望成為自動駕駛、機器人等技術發展的理論動力。

CVPR（國際計算機視覺與模式識別會議）是人工智能領域的頂級學術會議，今年共收到8161篇論文投稿，最終錄取2064篇，只評出最佳論文和最佳學生論文各1篇。CVPR的最佳論文和最佳學生論文常被視作AI技術風向標，誕生了ResNet等一系列標誌成果。

CVPR早在2001年就設立最佳學生論文獎，今年首次發給中國高校學生。獲獎論文《EPro-PnP: Generalized End-to-End Probabilistic Perspective-n-Pointsfor Monocular Object Pose Estimation 》來自同濟大學汽車學院和阿里巴巴達摩院，作者分別是陳涵晟、王丕超、王帆、田煒、熊璐、李昊。

論文研究的是3D視覺領域經典問題，通過單張圖像求解3D物體在真實世界裏的位姿（位置和朝向）。這一技術方向應用前景廣闊，是自動駕駛、機器人等行業的基礎技術。比如在自動駕駛中，只有先計算出周邊車輛的位姿，判斷對方究竟是要加速、剎車還是變道，己方車輛才能做出對應操作，計算不準或者過慢都有可能引發事故。

通過單張圖像定位3D物體極具挑戰性。一般有兩類解決方法：一類是基於幾何推理，例如PnP算法，可解釋性好、泛化能力強，但需要提前知道物體的尺寸和形狀，具有較大的侷限性；另一類是深度學習方法，可預測3D物體的位置座標和朝向角度，但在小規模數據集上容易過擬合。

獲獎論文提出的新方法EPro-PnP，創造性地引入概率分佈，將幾何推理和深度學習兩種方法無縫銜接，形成了一個端到端的易用模型，可以快速估算3D物體的位姿。實驗證明，新模型通用性強、定位準確，不需要提前知道物體的幾何形狀；更要重的是非常簡潔，效率較高，且具有較好的可解釋性，有望用於自動駕駛、機器人、無人機、AR等諸多需要通過視覺來估算物體位姿的場景。

據瞭解，論文第一作者陳涵晟本碩都就讀於同濟大學汽車學院，目前研究生二年級在讀，導師為熊璐教授，副導師為田煒助理教授，達摩院導師為王丕超博士。他的研究方向是計算機視覺中的3D物體位姿估計，研一就已在CVPR發表論文。2021年到阿里達摩院做研究型實習生後，在達摩院日常研究討論中碰撞出靈感，嘗試去構造統一的理論框架。“我原來以為這篇論文可能比較冷門，因為太偏數學，沒想到能夠獲獎。”陳涵晟説。

論文第一通訊作者、達摩院算法專家王丕超博士表示，這篇論文特別之處在於，用數學的方式解決AI底層問題，帶來了基礎理論上的突破，對3D視覺領域的研究和應用都將產生積極影響。“核心創新是轉換數學視角，引入概率密度，把不可導的函數變成可導，所以能通過反向傳播來訓練深度網絡，最終實現穩定收斂，提升3D物體的定位精度。”

據悉，研究型實習生是阿里巴巴在2017年創立的科研項目，已為全球200多所頂尖高校的1000多名學子提供科研崗位。