CVPR是一年一度的計算機視覺方面的頂級學術會議，是全球視覺學科的學者展示交流最新科研成果的平臺，也是工業界前來了解最新科研動向和招賢納士的良機。
如果說過去30年里計算機視覺的主流方向是圖像處理和3D幾何學，那最近的5年則是人工智能技術在視覺領域大放異彩的時期；而融合了3D幾何和人工智能兩大方向的自動駕駛領域則像是計算機視覺應用的集大成者。于是也不難理解，自動駕駛行業對于本次會議的重視，能夠在會議上發表論文也成為自動駕駛公司研究水平的體現。
本屆CVPR會議共收到有效投稿3309篇，共接收979篇，論文錄取率為29%，魔視智能研究員陳宇及張強弓有2篇論文入選，分別側重于疲勞駕駛，地圖構建以及車輛定位技術，陳宇及張強弓博士在會議現場與國際學者們進行交流溝通，得到學術界的積極反響。
魔視智能專注于自動駕駛和高級輔助駕駛，是深度學習和計算機視覺等先進的人工智能技術在汽車自動駕駛系統領域實現嵌入式產品化的領跑者。我們堅持與學界、企業界和行業「共享AI+未來」，已與澳大利亞國立大學、阿德萊德大學、上海科技大學等國內外科研機構建立了長期的深度合作關系，在人工智能技術領域擁有深厚的技術積累。
陳宇博士現場講解人臉特征點定位
魔視智能入選論文
1. FSRNet : End-to-End Learning Face Super - Resolution with Facial Priors
本文由陳宇博士以第一作者完成，并入選Spotlight文章。
方法:
對于人臉的分析通常依賴于特征點的定位，在傳統方法中，當輸入圖像存在模糊或分辨率較低時，定位效果會急劇下降。FSRNet同時處理人臉超分辨率和先驗估計問題，通過一個端對端訓練的神經網絡，自動從低分辨率人臉自動恢復出高分辨率人臉和準確的特征點位置。
應用：
在車輛駕駛中，對于駕駛員狀態的監控和糾正有助于提升駕駛安全，在此過程中人臉特征點的定位是非常重要的一步，而在實際應用中，通過攝像頭采集的人臉可能存在圖像模糊等問題，此時通過FSRNet依然可以穩定地得到特征點位置，從而進行準確的狀態監控。
2. A Fast Resection - Intersection Method for the Known Rotation Problem
本文由張強弓博士以第一作者完成。
方法：一個高效的同時重建三維點云和攝像頭位置的算法，Res-Int算法。該算法把一個原本龐大的最優化問題分解成許多非常簡單的3元優化子問題，并提出了求解該子問題的高效算法。整個算法除了在性能上遠遠超越現有算法，還能處理現有方法無法應對的大數據集。由于整個問題被分解成若干獨立的子問題，每個子問題可以并發求解，從而達到更高的性能。
應用：該算法在自動駕駛領域中對地圖構建，車輛定位等應用有貢獻。
我們的算法在6個不同數據集上的3維重建的結果
最后附上論文鏈接地址，歡迎在評論區與我們交流。
FSRNet : End-to-End Learning Face Super - Resolution with Facial Priors
http://openaccess.thecvf.com/content_cvpr_2018/html/Chen_FSRNet_End-to-End_Learning_CVPR_2018_paper.html
A Fast Resection - Intersection Method for the Known Rotation Problem
http://openaccess.thecvf.com/content_cvpr_2018/html/Zhang_A_Fast_Resection-Intersection_CVPR_2018_paper.html
