当前，人类的智能和人工智能最重要的区别之一在于对于多模态信息的识别和理解。对于人类来说，我们往往可以同时理解文字和图像，并将其有效关联。但AI更多停留在识别阶段，很难将不同模态的信息精准对应。本次OPPO提出的创新方法可以帮助人工智能在多模态理解上更进一步。未来，随着相关技术的不断发展，人工智能可以真的可以像科幻小说中描述的那样，通过语言、听觉、视觉等多重信息去认知真实世界，真正地成为人们最好的“帮手”。

　　在CVPR 2022上，OPPO还参加了三场高水准Workshop并发表演讲。其中，在SLAM 研讨会上，OPPO研究员邓凡就如何在智能手机、AR/VR设备上运行实时vSLAM进行分享和讨论。研究员李毅康则在移动人工智能研讨会中发表了演讲，提出无监督的视频-文本跨模态哈希方法——CLIP4Hashing，为移动设备上的跨模态搜索提供重要思路。李薇参加AICITY Workshop并提出了基于多视角的动作定位系统，用来识别驾驶员行车时的异常行为。

　　此外，OPPO提出的多视图三维语义平面重建技术能够准确解析场景的三维平面结构，并预测地面、桌面、墙面等平面的语义标注，其效果明显优于当前主流单视图重建架构。而联合清华大学提出的INS-Conv (INcremental Sparse Convolution)，能达到更快及更准确的在线3D点云语义及实例分割推断，该技术可以有效降低环境识别对于终端算力的要求，为全自动驾驶、虚拟现实这样前沿技术的落地增加了可能。

　　斩获NAS挑战赛亚军 OPPO创新模型助力AI“轻量化”

　　NAS技术的发展使得研究人员只需训练一个大的超网络，然后通过继承超网参数方式低成本构建预测器，实现网络架构自我学习，从而高效地获得优于专家设计的深度学习模型。该技术可适用于当前大部分人工智能算法，可以帮助AI技术在移动端设备上的应用，让用户体验到AI技术快速落地带来的好处。

　　值得一提的是，继去年OPPO在足球行为分析（SoccerNet）赛道中取得动作定位（Action Spotting）和回放定位（Replay Grounding）双项第二名后，今年OPPO再次取得回放定位（Replay Grounding）第一名和动作定位（Action Spotting）赛项第三。

　　随着AI图像识别能力的逐渐成熟，如何让AI具备图像审美能力成为新的难题。AI的审美能力往往强关联训练所使用的数据和标注者的偏好，而人的审美往往是千人千面的，采用基于大数据的美学评价来为不同用户服务，这可能会引发人们对于“审美歧视”的讨论，造成不好的用户体验。因此，通过更精细化的数据和模型，准确捕捉不同用户的审美差异的个性化美学评价应运而生。

　　随着深度学习逐步成熟化规模化，人工智能技术从“感知智能”向“认知智能”迈进。AI除了“看到”或“听到”，开始初步逐步具备像人类一样的思考能力。多模态融合、3D视觉智能技术、自动机器学习等正在成为人工智能领域的关键研-究热点。OPPO在上述领域都均实现论文收录，在AI关键学术领域取得创新突破。

　　7篇论文获得收录，OPPO正在助力AI认知水平升级

　　OPPO 智能感知首席科学家郭彦东表示：“在2012年，为了图像识别任务而设计的深度神经网络重新给人工智能的研究与应用注入了能量。从此，人工智能（AI）技术迎来了飞速发展的10年。在OPPO，我们持续推动人工智能完成像人一样复杂的感知与认知行为。比如，从无标签的海量数据中持续学习并迁移到下游具体任务，从几个有限视角中完整的重建3D信息；更高级别的认知能力，比如对美的理解与创作；以及具有自主行为能力的“实体AI”(embodied AI)，比如自动驾驶场景中的行为预测等。很高兴OPPO继2020年首次亮相后，在短短的3年内就实现了7篇主会论文入选的好成绩。未来，我们希望继续向更基础、更前沿的AI领域探索，推动AI的商用落地，让创新科技更好地服务于人。”

　2022年6月23日，深圳——年度计算机视觉顶级会议CVPR（Conference on Computer Vision and Pattern Recognition国际计算机视觉与模式识别会议）在新奥尔良落下帷幕。今年，OPPO有七篇论文成功入选，跻身一流科技厂商之列。同时在广受关注的挑战赛上，OPPO也取得了三项第一、一项第二、四项第三的良好成绩。

文章来源：《中国科技论文》 网址: http://www.zgkjlwzz.cn/zonghexinwen/2022/0623/842.html