CVPR 2018中国论文分享会 | 计算机视觉产业界和学术界的对话

原标题：CVPR 2018中国论文分享会 | 计算机视觉产业界和学术界的对话上周五，“微软亚洲研究院创研论坛——CVPR 2018中国论文分享会”在微软大厦成功举行。来自国内外计算机视觉领域学术界、工业界的杰出代表们携各自在CVPR 2018上发表的最新文章出席，与现场观众进行了深入的分享与交流。在此次分享活动上由刘偲（中国科学院信息工程研究所副研究员）主持的圆桌讨论环节中，陈光（北京邮电大学模式识别实验室副教授）、何旭明（上海科技大学信息科学与技术学院副教授）、凌海滨（美国天普大学Temple University计算机系副教授）、童欣（微软亚洲研究院首席研究员）、王井东（微软亚洲研究院资深研究员）、王晓刚（商汤科技联合创始人、研究院院长）等六位计算机视觉领域的资深专家就当前计算机视觉领域中的热门问题做出了精彩解答。下面我们就和大家分享一下本次精彩的会谈内容！从左至右：童欣、陈光、何旭明、王晓刚、王井东问题一：很多学生都对计算机视觉领域特别感兴趣，各位老师平时比较看重学生哪方面的能力?又是以什么目标来培养人才的？王晓刚：我认为学习计算机视觉的学生，发展还是可以比较多元化的。以前的学生大部分走学术路线，但是现在随着工业应用的发展，计算机视觉有了很大的应用前景，学生可以走的路非常多，对学生的要求也不一样。有的人可以走理论、创新性的道路，有一些学生是更适合解决实际问题。这部分学生，在以前走学术路线可能会困难一些，但现在随着工业界应用的发展，他们也有很好的前途，我觉得更要因材施教。最重要的是学生能够经过训练拥有一个良好的思维能力，将来能独立地解决问题，并且对整个视觉领域具备良好的知识体系，打下一个坚实的基础。陈光：从学生培养的角度来讲，同学最重要的是要听话，尤其是零基础、冷启动的同学，如果他一开始不听话，会走很多的弯路。另外还有两点，一个是要有悟性，当然这个是可遇不可求的，还有一个是能坚持。我们经常对同学说的一点是，只要你坚持做，再小的一个东西你也能做得很有成果、很有心得，将来不管是工作还是研究，都能有很好的前途。还有一点就更可遇不可求了，是要在后续的培养里才能看得出来的，就是他能不能从问题里“跳出来”，这一点特别关键。有些同学善于钻研，但是可能钻进去就出不来了，这部分同学看技术就是技术，但是他“出不来”。“出不来”的问题在哪？他们可能看不到大的方向、大的趋势或者大的前景，这个时候研究就可能越做越窄，而且也很难找到对于长期发展很有价值的一些点。问题二：现在随着深度学习的火爆，有很多非视觉领域的人才进入到了视觉领域，各位老师对这个现象怎么看？何旭明：视觉本来就是个多学科的领域，不同领域同学的进入对这个领域的发展有非常正面的促进作用。如果你有不同的背景，希望你能够发挥你的长处，从不同的角度对计算机视觉进行有自己特色的研究，我觉得这是非常独特一个视角。陈光：对于从其它领域转专业到视觉领域的同学来说，最重要的一点是你要有好奇心。这个好奇心不是说你对这个图像技术好不好奇，而是建立在你有一定了解的基础上，是不是对它的前景和技术有足够的热爱、足够的好奇。我觉得这一点是你是否要跨入图像领域一个非常重要的点。我本身主要是搞文本的，我见证了很多同学从文本跨越到图像，我觉得只要想清楚了，只要是学术研究，只要是有前途的方向，都是可以的。问题三：各位老师怎么看待很多高校的学术大牛进入到了工业界？童欣：这个我觉得是件好事，这说明大家学术做得成功，在工业界能有应用，多好的一件事。越来越多的学术界的人进入到工业界，说明这个领域有了应用。反过来讲，工业界也可以给学术界提供很多反馈，提出很多实际的问题，我觉得这是一种很好的、很正向的交流，长期来看一定会带来两边的繁荣和发展。王晓刚：以前我的学生毕业后都去做投行了，现在他们可以在工业界继续做研究，并且让技术落地，这其实是非常好的事情，而且很重要的事情，很多好的问题，实际上是从工业界里发现的，以前我们研究的很多学术问题都是学者拍脑袋想出来的，现在我们希望能够从工业界得到更多的反馈。但是从另一方面来说，工业界把很多学者招过来的时候，不一定能够想得很清楚——怎么能够用好他们，他们的价值在什么地方?不是所有的学者到了工业界以后就能够发挥他的作用，每个人还是不太一样的。同时，还有一个很重要的问题。这些教授、老师离开了学校，后面的人才谁来培养？整个工业界对视觉和机器学习的人才需求量是非常大的，需要思考怎么样解决“造血”的问题。陈光：其实我觉得这个问题要两边看，有积极的因素，也有消极的因素。短期来看是消极的，学校肯定是损失了很多培养人才的人才。但是长期来讲，将来这些人有可能还会回到学校，回来的时候，他会带着实践的经验和实际的问题，那时候他一定比现在更有价值。而且现在很多学校都在建立人工智能研究院，将来一定能和企业不断地有更紧密的结合，不管是以人才回流的方式，还是以问题和数据合作的方式，我觉得长期来看还是一件好事。问题四：网上说高二的学生就可以用深度学习去开发人脸识别的系统，请问在座各位专家，你们觉得深度学习让计算机视觉的门槛变低了吗？王井东：我觉得这是个好事情，说明我们很多学生通过网上的资源可以很容易获取最先进的深度学习技术，看上去是门槛降低了，但这句话的角度是站在一个本来不是做计算机视觉、或者不是做深度学习、或者做这方面时间不是很长的人那里，门槛的确是降低了。但是我们换个角度想一想，对长期在这个领域工作的人来说，不见得是门槛降低了。为什么这样讲？大家都知道，2012年以来深度学习非常火爆，取得了很大的成功，以至于几乎所有计算机视觉都集中在深度学习的方向，但是，大家还是觉得深度学习还没有被真正理解透，无法从理论的角度去解释。从这个角度来讲，门槛其实并没有降低。门槛高和低，实际上是站在不同的位置上讲的。何旭明：因为深度学习对数据的要求很高，某种程度上实际上是把门槛抬高了，尤其是对于一些特殊领域，例如医疗。问题五：每年都有很多CVPR的论文发表，各位老师觉得有多少论文可以解决应用当中的痛点问题？王晓刚：其中一部分论文对应用是有推动作用的，我们在工业界感