匯報一下ICCV全部獎項，恭喜朱俊彥團隊獲最佳論文

剛剛，備受矚目的ICCV 2025，在美國夏威夷正式“開獎”！

好家伙，在提交論文的作者里，中國直接占了半壁江山，不多不少占比50%。

各個獎項也是重中之重捷報頻傳，現場更是人山人?！迷谇胺絽摹罢材匪拱畹稀?小紅書博主，歡迎大家去follow)，第一時間分享了最新進展。

讓我們一起膜拜看看頂會榮耀，今年花落誰家？

最佳論文獎（馬爾獎）：

Generating Physically Stable and Buildable Brick Structures from Text（從文本生成物理穩定且可搭建的積木結構）。

圖源小紅書博主：@詹姆斯邦迪

最佳學生論文獎：

FlowEdit: Inversion-Free Text-Based Editing Using Pre-Trained Flow Models（基于預訓練流模型的無反演文本編輯方法） 。

圖源小紅書博主：@詹姆斯邦迪

最佳論文榮譽提名：

Spatially-Varying Autofocus（空間可變自動對焦）。

圖源小紅書博主：@詹姆斯邦迪

最佳學生論文榮譽提名：

RayZer: A Self-supervised Large View Synthesis Model（基于自監督學習的大規模視圖合成模型）。

圖源小紅書博主：@詹姆斯邦迪

赫爾姆霍茲獎：

Fast R-CNN（快速區域卷積神經網絡）和Delving Deep into Rectifiers：Surpassing Human-Level Performance on ImageNet Classification（深入研究修正激活函數：在ImageNet分類中超越人類水平）。

圖源小紅書博主：@詹姆斯邦迪

埃弗林厄姆獎：

The SMPL Body Model Team和The VQA Team。

圖源小紅書博主：@詹姆斯邦迪

杰出研究員獎：

David Forsyth和Michal Irani。

圖源小紅書博主：@詹姆斯邦迪

阿茲列爾·羅森菲爾德終身成就獎：

Rama Chellappa。

圖源小紅書博主：@詹姆斯邦迪

對于上述論文成果和獎項，是不是一下子有點懵？

別慌別慌，咱們一起來詳細學習一下。

獲獎的都是啥研究？ 最佳論文獎

首先介紹的是最佳論文獎，這含金量就不用多說了吧。

ICCV最佳論文又名馬爾獎（Marr Prize），每兩年評選一次，被譽為計算機視覺領域的最高榮譽之一。 這一獎項因計算機視覺之父、計算機視覺先驅、計算神經科學的創始人David Courtnay Marr（大衛·馬爾）而得名。

此研究提出了BRICKGPT——首個能夠根據文本提示生成物理穩定的積木結構模型的方法。

研究團隊構建了一個大規模、物理穩定的積木結構數據集StableText2Brick，包含超過47000個積木結構，涵蓋28000多個獨特三維物體，每個結構均配有詳細的文字描述，并訓練了一個自回歸大型語言模型，通過逐步預測“下一個積木”來生成完整結構。

為了提升生成結構的穩定性，他們在推理過程中引入了有效性檢測和物理感知回滾機制，利用物理規律和裝配約束剔除不可行的預測。

實驗表明，BRICKGPT能夠生成穩定、多樣且美觀的積木結構，并與輸入文本高度契合。進一步地，他們還開發了基于文本的積木紋理生成方法，可生成帶顏色和紋理的設計，且這些結構既可以由人手動組裝，也可以由機械臂自動搭建。

值得一提的是，這論文里也有不少華人身影，而帶隊的正是AI才俊朱俊彥。

朱俊彥，2008年進入清華大學計算機科學系，學習計算機科學專業。在同專業140人中，朱俊彥排名第2。2012年清華本科畢業后，朱俊彥奔赴美國，在CMU和UC伯克利經過5年學習，獲得了UC伯克利電氣工程與計算機科學系的博士學位，師從Alexei Efros。

其博士畢業畢業論文Learning to Generate Images，獲得了計算機圖形學頂會ACM SIGGRAPH 2018“杰出博士論文獎”。

博士畢業后，朱俊彥來到MIT計算機與人工智能實驗室（CSAIL），成為一名博士后研究員。2020年秋季，他回到曾經的母校CMU（卡內基梅隆大學），擔任助理教授一職。

其他幾位：Kangle Deng，Roblox的一名研究科學家，研究重點是3D內容創作。本科畢業于北京大學，博士畢業于卡內基梅隆大學。

Ruixuan Liu，本科和碩士均畢業于卡內基梅隆大學，現為該校計算機學院機器人研究所的博士生，研究方向包括機器人學習、操作與控制、生成式智能，以及人機協作。

Changliu Liu，本科畢業于清華大學，博士畢業于美國加州大學伯克利分校，現為卡內基梅隆大學機器人研究所的副教授，

最佳學生論文獎

使用預訓練的文本到圖像（Text-to-Image，T2I）擴散或流模型編輯真實圖像時，通常需要先將圖像反演（inversion）到對應的噪聲空間。

然而，僅靠反演往往難以獲得理想結果，因此許多方法會在采樣過程中額外干預。這類方法雖然能夠提升效果，但無法在不同模型架構之間無縫遷移。

為此，研究團隊提出了FlowEdit——一種針對預訓練T2I流模型的文本驅動圖像編輯方法。它無需反演、無需優化，并且對模型架構無依賴。

FlowEdit構建了一個常微分方程（ODE），直接在源分布與目標分布之間映射（對應源文本提示和目標文本提示），并實現了比傳統反演方法更低的傳輸成本。

正如團隊在Stable Diffusion 3和FLUX上的實驗所示，該方法取得了最先進的效果。

最佳論文榮譽提名

透鏡可以將一個平面聚焦到平面傳感器上，因此場景中不在該焦平面上的部分會因失焦而模糊。

來自卡內基梅隆大學的團隊打破常規，設計使用了Lohmann 透鏡與僅相位空間光調制器（phase-only spatial light modulator） 的光學組合，使得每個像素可以聚焦在不同深度上。

他們將經典自動對焦技術拓展至空間變化場景：利用對比度與視差線索迭代估算深度圖，使相機能夠根據場景深度動態調整景深分布。

通過光學方式直接獲取全焦圖像，此技術在以下兩個關鍵方面超越了現有成果：一是能夠同時使整個場景保持清晰對焦，二是可維持最高的空間分辨率。

最佳學生論文榮譽提名

研究團隊提出了RayZer——一種無需任何3D監督（如相機位姿與場景幾何信息）即可完成訓練的自監督多視圖3D視覺模型。

具體而言，RayZer以未標定且未校準的圖像作為輸入，自主恢復相機參數、重建場景表征并生成新視角畫面。

在訓練過程中，RayZer僅依賴其自預測的相機位姿來渲染目標視角，完全無需真實相機標注數據，實現了僅通過2D圖像監督即可完成訓練。

RayZer所表現出的三維感知能力主要歸功于兩個關鍵因素：

• 自監督框架設計：通過將相機表示和場景表示解耦，實現輸入圖像的三維感知自編碼；

• 基于Transformer的模型設計：僅以射線結構作為唯一3D先驗，同步關聯相機、像素與場景信息。

實驗表明，RayZer在新視角合成任務中展現出與”真值標注”方法相當甚至更優的性能。

赫爾姆霍茲獎

獲赫爾姆霍茲獎的一共有兩項研究，且都來自微軟研究院。

其一為Fast R-CNN——一種基于快速區域卷積神經網絡的目標檢測方法。

Fast R-CNN在之前工作的基礎上，利用深度卷積網絡對候選目標區域進行高效分類。與以往方法相比，Fast R-CNN引入了多項創新，不僅提升了訓練和測試速度，同時也提高了檢測精度。

實驗表明，在PASCAL VOC 2012數據集上，Fast R-CNN對VGG16網絡的訓練速度較R-CNN提升9倍，測試速度提升213倍，并獲得了更高的mAP指標；相較于SPPnet，其VGG16訓練速度加快3倍，測試速度提升10倍，且檢測精度更優。

上面提到了，另一個獲赫爾姆霍茲獎的也來自微軟研究院。

研究從兩個方面研究了用于圖像分類的修正激活神經網絡。

首先，他們提出了一種參數化修正線性單元（Parametric ReLU，PReLU），它是對傳統修正激活單元的推廣。PReLU在幾乎不增加額外計算開銷且幾乎沒有過擬合風險的情況下，提高了模型的擬合能力。

其次，他們提出了一種專門針對修正激活非線性的魯棒初始化方法，能夠從零開始訓練極深的修正激活模型，并探索更深或更寬的網絡架構。

基于PReLU網絡（PReLU-nets），團隊在ImageNet 2012分類數據集上實現了4.94%的Top-5測試誤差，相比ILSVRC 2014冠軍GoogLeNet（6.66%）提升了26%。據研究人員所知，這是首次在該視覺識別挑戰中超過人類水平（5.1%）的結果。

獲獎團隊與大佬 埃弗林厄姆獎

細數完獲獎的一眾研究，就該看看獲獎的團隊了。

首先是The SMPL Body Model Team，SMPL是一種基于蒙皮和混合形狀技術、從數千例3D人體掃描數據中學習得到的逼真人體三維模型。該模型在精度上超越現有模型，并與主流圖形渲染管線完全兼容。

值得一提的是，該模型參數完全從數據中學習得到，包括：靜態姿態模板、混合權重、姿態混合形狀、身份混合形狀，以及從頂點到關節點位置的回歸器。

與既有模型不同，此模型的姿態混合形狀是姿態旋轉矩陣元素的線性函數。這一簡潔的數學表達使得模型能夠基于大量不同人體、不同姿態的對齊3D網格數據進行端到端訓練。

接下來是The VQA Team，VQA為一項自由形式開放式視覺問答任務。

在該任務中，給定一張圖像和關于該圖像的自然語言問題，系統需要提供一個準確的自然語言答案。

與現實場景（例如為視障人士提供幫助）類似，這里的問題和答案都是開放式的。視覺問題會有選擇性地關注圖像的不同區域，包括背景細節和潛在上下文信息。

因此，要在VQA任務中取得成功，系統通常需要比生成通用圖像描述更深入理解圖像內容和進行復雜推理的能力。

對此，研究團隊提供了一個數據集，包含約25萬張圖像、76萬個問題和約1000萬個答案，并討論了數據集所提供的信息。他們還提供了多種基線方法及VQA方法，并與人類表現進行了對比。

杰出研究員獎

David Forsyth，一位出生于南非的美國計算機科學家，現任伊利諾伊大學香檳分校（UIUC）計算機科學Fulton Watson Copp教授，主要研究方向包括計算機視覺、計算機圖形學和機器學習。

他在約翰內斯堡維特沃特斯蘭德大學獲得電氣工程學士和碩士學位，并于1989年在牛津大學獲得計算機科學博士學位，導師為J. Michael Brady。

完成博士后工作后，他曾在愛荷華大學任教，并于1994至 2004 年在加州大學伯克利分校擔任電氣工程與計算機科學系教授，2004年起加入UIUC，成為該校計算機科學領域的領軍人物。

此外，David長期參與國際學術會議的組織工作，曾三度擔任IEEE計算機視覺與模式識別會議程序委員會聯合主席（2000/2011/2018），兩度擔任CVPR大會聯合主席（2006/2015），并擔任2008年歐洲計算機視覺會議程序委員會聯合主席。

他是所有主要國際計算機視覺會議程序委員會的常任委員，曾六度入選SIGGRAPH程序委員會并持續擔任該會議評審。

Michal Irani，以色列魏茨曼科學研究院數學與計算機科學學院的教授及現任院長。曾在希伯來大學獲得數學與計算機科學學士及計算機科學碩士、博士學位。

Michal的研究領域為計算機視覺、圖像處理和人工智能。她尤其致力于理解自然圖像和視頻的內部統計信息、視頻的時空分析以及基于構圖的視覺推理。

Michal教授在學術界成就卓著，獲得多項榮譽，包括薩諾夫研究中心技術成就獎、Yigal Alon杰出青年科學家獎、Morris L. Levinson數學獎、ECCV最佳論文獎等。

阿茲列爾·羅森菲爾德終身成就獎

Rama Chellappa，約翰霍普金斯大學布隆伯格杰出教授，現任電氣與計算機工程系和生物醫學工程系教授，兼任數據科學與人工智能研究所共同主任。

Rama教授于印度馬德拉斯大學獲得電子與通信工程學士學位（1975），隨后在印度班加羅爾的印度科學研究院獲得電子與通信工程碩士學位（1977），并在美國普渡大學獲得電氣工程碩士（1978）和博士學位（1981）。

他的研究領域涵蓋計算機視覺、模式識別、圖像與信號處理、機器學習和生物特征識別等，致力于利用數據、幾何和物理學幫助計算機系統理解視覺世界。

One More Thing

有意思的是，這么大的會議，竟然有許多人坐在地上吃午飯。

所以網友合理建議：快多放點椅子吧～

論文鏈接：
[1]https://arxiv.org/abs/2505.05469
[2]https://arxiv.org/html/2412.08629v2
[3]https://imaging.cs.cmu.edu/svaf/static/pdfs/Spatially_Varying_Autofocus.pdf
[4]https://arxiv.org/abs/2505.00702
[5]https://arxiv.org/abs/1504.08083
[6]https://arxiv.org/abs/1502.01852

文章來源：量子位。