CVPR 2020 系列论文解读公开课第七期，就在6月11日（本周四）19:00 整（北京时间）进行。
AI科技评论出品

CVPR 2020 原定于 6 月 16 日至 20 日在华盛顿州西雅图的华盛顿州会议中心举行，但是当前全球疫情势态严峻，CVPR2020官方早早已经宣布会议将全程线上。虽然无法去现场交流，但是AI科技评论组织策划了系列【CVPR 2020论文分享】活动，包括论文解读直播，论文解读等，详情请看CVPR小组：https://www.yanxishe.com/meeting/44

本次直播为【CVPR 2020 系列论文解读公开课】第七期，此次分享的两篇论文为商汤科技录用为CVPR 2020 Oral的论文《Self-Supervised Scene De-occlusion》、《Self-supervised deep visual odometry with online adaptation》。我们有幸邀请到了商汤科技联合实验室的詹晓航、李顺恺两位同学，带来关于“自监督学习在视觉场景中的研究新进展”的主题分享。

讲师介绍

詹晓航

本科毕业于清华大学，目前是香港中文大学多媒体实验室三年级博士生，指导老师是Chen Change Loy、林达华和汤晓鸥教授。曾在CVPR、ECCV等计算机视觉顶级会议上发表论文十余篇，包括五篇第一作者论文。另外曾获国家奖学金、清华大学本科优秀毕业生、Hong Kong PhD Fellowship、Facebook自监督学习挑战赛冠军等荣誉。他的博士期间主要研究方向为无监督学习，具体工作涵盖人脸聚类、自监督场景理解、无监督表征学习等。

李顺恺

北京大学在读研究生，北大-商汤机器视觉联合实验室成员。研究方向为自监督学习，在线学习及基于深度学习的三维计算机视觉问题，在场景深度感知、视觉里程计、三维场景表示、新视角合成、生成对抗网络等应用方向有较丰富的研究经验。目前，相关成果已在ICCV, CVPR等会议和期刊上发表4篇论文。

分享时间：

2020年6月11日（周四）晚19:00整（北京时间）

分享主题：

自监督学习在视觉场景中的研究新进展

直播地址：

https://mooc.yanxishe.com/open/course/837

分享背景

自监督学习是指从数据本身产生某种形式的标签并训练神经网络，用来解决某些特定任务或者学习通用的图像、视频、语言的特征表达。在学术界，自监督学习被证明可以解决光流预测、深度估计、场景遮挡等问题，不需要额外的人工标签。另外，基于自监督学习的无监督表征学习近年来也获得了飞速发展，大有超越有监督表征学习的趋势。

本次talk将结合两篇CVPR 2020 Oral文章，讲解自监督学习方法在场景去遮挡、视觉里程计方面的最新成果。

分享提纲

自监督学习领域综述
论文分享
自监督场景去遮挡
在线自监督学习及其在视觉里程计上的应用
Q&A问答

论文信息

论文题目：Self-Supervised Scene De-occlusion

论文链接：https://arxiv.org/abs/2004.02788

代码：https://github.com/XiaohangZhan/deocclusion

论文题目：Self-supervised deep visual odometry with online adaptation

论文链接：：https://arxiv.org/abs/2005.06136

疫情拉开了大家的距离，但是学术交流是不会就因为疫情被阻挡的，我们愿架起这座学者之间的桥梁，以最短路径，让更多学者能更快的参与其中，促进学术交流，让知识真正流动！

扫描海报中二维码，进群了解更多直播信息

雷锋网雷锋网雷锋网(公众号：雷锋网)

雷锋网原创文章，未经授权禁止转载。详情见转载须知。

【报名开启】直播：自监督学习在视觉场景中的研究新进展丨CVPR 2020