ACCV2014@シンガポールの参加報告です 関西CVPRML勉強会での発表

1. ACCV2014 参加報告
関西CVPRML勉強会
2014/11/30

2. ACCVとは
Asian Conference on Computer Vision
アジア地域で開催されるCV関連国際会議
ヨーロッパ地域ではECCVがある
対象のテーマ
センサ
画像・映像処理
ジオメトリ
認識
アプリケーション
 ここ数年で難しさが上がってきている

3. これまでの開催地
1st 1993 大阪，日本
2nd 1995 シンガポール
3rd 1998 香港，中国
4th 2000 台北，台湾
5th 2002 メルボルン，オーストラリア
6th 2004 チェジュ，韓国
7th 2006 ハイデラバード，インド
8th 2007 東京，日本
9th 2009 西安，中国
行きました！
10th 2010 クイーンズタウン, ニュージーランド
11th 2012 テジョン，韓国

4. 今回のACCV
第12回目の開催
開催地：シンガポール
気温30度，湿度7〜80%
おみやげ
ACCVバッグ
Proceedings入りUSBメモリ
シンガポール大学の学生が動員されて
ひたすらデータをコピーしたらしい…

5. シンガポールの有名な観光地の写真

6. シンガポールの有名な観光地の写真

7. ACCVバッグ
ちなみに2009年のやつ

8. 統計
参加者
全参加530人
ワークショップのみ100人
投稿件数814件
採録件数227件（28%）
オーラル32件（4％）
ポスター195件
エリア別内訳

9. Workshop一覧
 Human Gait and Action Analysis in the Wild: Challenges and Applications
 2nd International Workshop on Big Data in 3D Computer Vision
 Deep Learning on Visual Data
 Workshop on Scene Understanding for Autonomous Systems (SUAS)
 RoLoD: Robust Local Descriptors for Computer Vision
 Emerging Topics In Image Restoration and Enhancement
 1st International Workshop on Robust Reading
 2nd Workshop on User-Centred Computer Vision (UCCV 2014)
 International Workshop on Video Segmentation in Computer Vision
 My Car Has Eyes - Intelligent Vehicles with Vision Technology
 Feature and Similarity Learning for Computer Vision
 3rd ACCV Workshop on e-Heritage
 3rd International Workshop on Intelligent Mobile and Egocentric Vision
 Computer Vision for Affective Computing (CV4AC)
 Workshop on Human Identification for Surveillance (HIS)

10. Tutorial一覧
 Tutorial on Color Transfer
 Ferradans and Bertalm
 Advanced Sparse Representation Models for Image
and Video Analysis
Gao, Jia, Zhang, and Dong
 Tutorial on Riemannian Geometry in Computer Vision
 Porikli, Harandi, Sanderson
 Essence of Geometric Algebra
Kanatani
 Metric Learning for Visual Recognition
 Lu, Wang, Deng
 Mining Image and Video Data
Yuan and Wu

11. 研究トピックの分布
発表タイトルをざっと見ると
Deepなんとか，Neuralなんとか19件
Sparseなんとか7件
Depthなんとか，RGB-Dなんとか9件
タイトルには出していなくても，Deep Learningを使った研究が多かった印象
ただ，単にDeep Learning使ってみたら精度上がった，だけの研究も多かった印象

12. セッション一覧
Oral
Oral 1: Recognition
Oral 2: 3D Vision
Oral 3: Low-level Vision and Features
Oral 4: Segmentation
Oral 5: Face and Gesture, Tracking
Oral 6: Stereo, Physics, Video & Events
Poster
Poster 1: Recognition, 3D Vision, Performance
Poster 2: Face and Gesture, Low-level Vision,
Statistical Methods, Medical
Poster 3: Video & Activities,
Motion and Tracking, Vision for X

13. 本会議

14. シンガポールは美味しいものがいっぱい
No McDonald’s!!
Michael S. Brown, National University of Singapore

15. Keynote Speakers
Stéphane Mallat (École Normale Supérieure)
Deep Convolution Networks as Geometric
Image Representations
Minoru Etoh (NTT Docomo)
How Changing Mobile and Media
Technologies is Changing The Way We
Create Innovations
Dieter Fox (University of Washington)
RGB-D Perception in Robotics

16. Deep Convolution Networks
as Geometric Image Representations
従来：画像のGeometryを考慮
形状，テクスチャ，モーション
Deep Learningでは使っていない？
なぜうまくいくのか？
マルチスケールのwavelet
既知のgeometry→DeepLearningは不要
未知のgeometry→DeepLearningが有効
未だに解明されていない

17. How Changing Mobile and Media Technologies is
Changing The Way We Create Innovations
イノベーション
既存の技術，近い将来の技術をうまくつなげる
例
Micro browser (1995)
2.5G internet (1998)
Content Provider Bazzar
API as Catalysts
https://dev.smt.docomo.ne.jp/
Mashape
i-mode (1999)

18. RGB-D Perception in Robotics
環境の3D認識の話
環境の3D理解
物体認識，3Dモデリング
人物の姿勢推定
Depth情報の利用
low-level visionをショートカットできる
それだけでHigh-level visionの問題を
解けるわけではない
画像処理のエキスパートでない人でも容易に
3D情報を得られるようになる

19. Best Paper Award
Saburo Tsuji Best Paper Award
Sang Uk Lee Best Student Paper
Award (Sponsored by NVIDIA)
Songde Ma Best Application Paper
Award (Sponsored by NICTA)

20. Best Paper Award Winners
A Message Passing Algorithm for MRF
inference with Unknown Graphs and Its
Applications
Zhenhua Wang (University of Adelaide),
Zhiyi Zhang (Northwest A&F University),
Geng Nan (Northwest A&F University)
Honorable Mention
Singly-Bordered Block-Diagonal Form for Minimal Problem
Solvers
Zuzana Kukelova (Czech Technical University, Microsoft Research
Cambridge),
Martin Bujnak (Capturing Reality),
Jan Heller (Czech Technical University),
Tomas Pajdla (Czech Technical University)

21. A Message Passing Algorithm for MRF inference with
Unknown Graphs and Its Applications
未知グラフのMarkov Random Field
Graph構造とラベルを同時推定
LPで解かれる
小規模グラフであっても計算量がネック
提案
Mixed-integer bilinear programmingに基づく
message passing法
幾つかの変数が整数に制限
目的関数と制約がBilinear関数
実験
画像のセグメンテーション
人物の行動認識

22. Best Student Paper Award Winners
Separation of Reflection Components by
Sparse Non-negative Matrix
Factorization
Yasuhiro Akashi (Tohoku University),
Takayuki Okatani (Tohoku University)
Honorable Mention
On Multiple Image Group Cosegmentation
岡谷研M1！
Fanman Meng
(University of Electronic Science and Technology of China),
Jianfei Cai (Nanyang Technological University),
Hongliang Li (University of Electronic Science and
Technology of China)

23. Separation of Reflection Components by Sparse
Non-negative Matrix Factorization
１枚の画像に対する
鏡面反射成分と拡散反射成分の分離
従来手法
空間的連続性の仮定
物体色の仮定
提案手法
Sparse NMFを導入
物体色の推定と反射成分の分離を同時に行う

– W=各画素の光源色と物体色，H=それぞれの強度
結果
物体色と似た光源色であっても分離可能

24. Best Application Paper Award Winners
Stereo Fusion using a Refractive
Medium on a Binocular Base
Seung-Hwan Baek (KAIST),
Min H. Kim (KAIST)
Honorable Mention
Massive City-scale Surface Condition
Analysis using Ground and Aerial Imagery
Ken Sakurada (Tohoku University),
Takayuki Okatani (Tohoku Univervisty),
Kris Kitani (Carnegie Mellon University)

25. Massive City-scale Surface Condition Analysis using
Ground and Aerial Imagery
震災の復興の様子を計測
空撮画像Aerial
範囲は広いが詳しいところはわからない
車載画像Street view
詳細だが範囲が狭い
提案
車載画像から瓦礫検出→地図上へマッピング
Gaussian Processにより空撮画像と統合
津波後の釜石
400万㎡を計測
瓦礫の存在マップを推定→減少の様子
緑の存在マップを推定→緑の増加

26. ポスター会場の様子

27. まとめと今後のACCV
まとめ
シンガポールは非常に良いところ
Deep Learningが多かった
が，それだけではBest Paperは取れない
ACCV 2016
開催地：Taipei
Taipei International Convention Center
2016年12月上旬