本文經(jīng)AI新媒體量子位（公眾號ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請聯(lián)系出處。

圍繞十億像素級計算機視覺技術(shù)的2022 GigaVision 挑戰(zhàn)賽，在經(jīng)歷四個月的激烈角逐后，于近日落下帷幕。

2022 GigaVision挑戰(zhàn)賽開放百萬元獎金池，面向全球高等院校、研究機構(gòu)、高新企業(yè)及個人愛好者征集原創(chuàng)算法。

不同于其它視覺算法挑戰(zhàn)賽，GigaVision挑戰(zhàn)賽是全球首個針對大場景、多對象及復(fù)雜關(guān)系問題的智能算法比賽，是新一代人工智能算法的試金石。

依托自研的億像素光場成像設(shè)備，大賽構(gòu)建了具有寬視場、高分辨率的GigaVision平臺，延展出當(dāng)下若干人工智能技術(shù)發(fā)展的關(guān)鍵問題。平臺目前包括兩個“世界首個”級別的子項目：

• PANDA：世界首個十億像素級以人類為中心的視頻數(shù)據(jù)集，具有大場景、多對象、長時程及復(fù)雜關(guān)系等特點；
• GigaMVS：世界首個十億像素級超大規(guī)模場景三維重建基準(zhǔn)，具有規(guī)模大、細(xì)節(jié)分辨率高、遮擋復(fù)雜等特點，可使多視角三維重建與渲染問題發(fā)生質(zhì)變。

值得一提的是，這已是GigaVision挑戰(zhàn)賽連續(xù)第四年舉辦，且一直與CVPR、ACM MM、ECCV等頂會有著緊密合作。

那么本屆GigaVision挑戰(zhàn)賽又帶了怎樣的驚喜？

賽事升級 聚力創(chuàng)新

在GigaVision挑戰(zhàn)賽中，每一張圖片、視頻的每一幀都是十億像素級別。比如GigaMOT賽道，參賽者需要評估MOT模型在十億像素視頻中對多個目標(biāo)跟蹤任務(wù)的準(zhǔn)確性，既要解決單目標(biāo)跟蹤任務(wù)的互相遮擋、運動模糊、擁擠場景、尺度變化等難點，又要處理目標(biāo)軌跡的起始與終止、相似目標(biāo)間的相互干擾等問題。特別是該賽道所使用的PANDA-Video大場景數(shù)據(jù)集，其可視范圍大、擁擠行人的復(fù)雜場景等特點也為傳統(tǒng)數(shù)據(jù)集上的MOT算法帶來了新的挑戰(zhàn)。

△基于十億像素視頻的多目標(biāo)跟蹤示例

又比如在GigaRendering賽道中，參賽者需要在給定的不同場景經(jīng)過校準(zhǔn)的十億像素圖像中，面對稀疏視角下的高分辨率、寬視場、細(xì)節(jié)豐富的難點，渲染生成新的RGB視圖并盡可能提升其準(zhǔn)確性。十億像素級別的圖像渲染任務(wù)，對神經(jīng)輻射場的表達(dá)、規(guī)模和效率提出了更高的挑戰(zhàn)。

△十億像素圖像渲染新視圖示例

此外，偏好原始創(chuàng)新的測評方式亦是GigaVision挑戰(zhàn)賽的一大亮點。傳統(tǒng)的人工智能挑戰(zhàn)賽任務(wù)普適性強、辦賽周期短，大部分參賽隊伍傾向利用成熟的理論框架和工程套路，實現(xiàn)系統(tǒng)集成和參數(shù)調(diào)優(yōu)，反復(fù)刷榜。完全以分?jǐn)?shù)導(dǎo)向的測評方式，阻礙了技術(shù)的原始創(chuàng)新。相比之下，GigaVision挑戰(zhàn)賽形成了固定的舉辦周期，并將方法的前沿性、原創(chuàng)性作為排名的重要依據(jù)之一，更能鼓勵參賽隊伍進(jìn)行原始創(chuàng)新。

可以看到，GigaVision挑戰(zhàn)賽看似仍在比拼視覺智能領(lǐng)域的幾大經(jīng)典研究問題，但面向「十億像素」級圖像視頻數(shù)據(jù)，賽題的前沿性、挑戰(zhàn)性、創(chuàng)新性和開拓性大幅提升，與經(jīng)典問題截然不同。以往將整個圖像或視頻放進(jìn)網(wǎng)絡(luò)中直接處理的傳統(tǒng)方法不再奏效，僅僅使用單個模型或幾個模型也很難完成這種級別的任務(wù)。因此，參賽團隊會更加專注于「卷」模型架構(gòu)的設(shè)計，致力于探索模型能力的上限，開展更多理論層面的創(chuàng)新嘗試。

經(jīng)過多輪比拼、線上評測、結(jié)果復(fù)現(xiàn)和視頻答辯，本屆大賽獲得了多目標(biāo)檢測、多目標(biāo)跟蹤、多目標(biāo)軌跡預(yù)測、3D重建、3D渲染、密集人群三維重建等方面的多個創(chuàng)新性解決方案，這些作品均具有很高的準(zhǔn)確性和領(lǐng)先性，為十億像素計算機視覺的發(fā)展帶來了啟發(fā)。

幾年來，GigaVision數(shù)據(jù)平臺以賽為媒，已經(jīng)與CVPR、ICCV、ECCV、ACM MM等國際頂會聯(lián)合舉辦了多屆Workshops和Challenges。系列賽事的舉辦水平不斷提升，參賽規(guī)模不斷增長，關(guān)注度和影響力越來越高。

以賽為媒 推進(jìn)發(fā)展

對于本屆賽事的舉辦以及參賽選手們的優(yōu)異表現(xiàn)，組委會專家們表達(dá)了積極的肯定和最為真實的感受。

不同賽道上涌現(xiàn)出多個原創(chuàng)算法模型，大賽專家表示對十億像素計算機視覺的發(fā)展帶來了深遠(yuǎn)的啟發(fā)：“經(jīng)過嚴(yán)謹(jǐn)?shù)木€上評測、結(jié)果復(fù)現(xiàn)和視頻答辯，本屆賽事共獲得了多個原創(chuàng)算法模型，這些作品均具有很高的原創(chuàng)性和領(lǐng)先性，為十億像素計算機視覺的發(fā)展帶來了啟發(fā)?！?/p>

對于3D賽道相關(guān)作品，大賽專家給予了高度評價：“3D賽道相關(guān)作品結(jié)合了數(shù)字人、元宇宙熱點，具有很高應(yīng)用潛力，且作品完成度較高，融合了基于人工智能的神經(jīng)表征、可微渲染優(yōu)化方法和基于多視圖幾何的立體匹配等經(jīng)典方法，在算法設(shè)計和工程化實現(xiàn)上都頗具亮點，對大場景高精度三維重建任務(wù)具有較大的啟發(fā)性，展示出了巨大的落地應(yīng)用潛力?！?/p>

隨著數(shù)字人、元宇宙概念的持續(xù)爆發(fā)，超高分辨率人體三維重建和新視點合成已經(jīng)成為計算機視覺和計算機圖形學(xué)領(lǐng)域的研究熱點，未來可針對十億像素級別的人體三維重建或新視點合成任務(wù)開展新的賽道，更好地支撐相關(guān)領(lǐng)域的發(fā)展，同時進(jìn)一步擴大GigaVision挑戰(zhàn)賽的影響力。

同時，參賽選手的“創(chuàng)新”和“大膽”，也被評價為推動領(lǐng)域發(fā)展的關(guān)鍵：在目標(biāo)檢測賽道中，參賽選手全面分析了寬視場高分辨視覺數(shù)據(jù)中場景大、對象多等新特點所帶來的新問題，圍繞著場景全局稀疏局部稠密、對象尺度多變形態(tài)復(fù)雜、數(shù)據(jù)通量大等挑戰(zhàn)，提出了一系列目標(biāo)檢測新算法與新模型，相較現(xiàn)有前沿算法，實現(xiàn)了精度與效率的顯著提升。參賽選手們的奇思妙想與大膽創(chuàng)新為目標(biāo)檢測領(lǐng)域提供了有效且有趣的新思路，對推動本領(lǐng)域的發(fā)展有重要作用。

未來，GigaVision挑戰(zhàn)賽將不斷努力，提高評價標(biāo)準(zhǔn)，提供更多的技術(shù)評價機會，邀請更多的國內(nèi)外知名高校、人工智能企業(yè)以及專家學(xué)者參與評價工作，以增強評價的公正性和權(quán)威性。同時，GigaVision挑戰(zhàn)賽將不斷拓展與其他相關(guān)領(lǐng)域的合作，以提高競賽的國際影響力，為人工智能領(lǐng)域的發(fā)展提供更多的技術(shù)支持和潛在應(yīng)用。