329篇图像、视频生成论文，今年CVPR最火的研究主题是这些

文章摘要

【关 键 词】 计算机视觉、热点研究、录用率、论文统计

计算机视觉和模式识别会议（CVPR）2024年的录用结果显示，共有2719篇论文被接收，录用率为23.6%。当前计算机视觉领域的研究热点分布广泛，涵盖36个主题领域，其中图像和视频合成与生成、三维视觉、人体行为识别、视觉与语言推理等主题受到广泛关注。

图像和视频合成与生成主题的论文数量最多，达到329篇，这体现了学界对视觉生成的高度重视。三维视觉主题以276篇论文的数量紧随其后，显示出这一方向在延续去年的热度的同时，依旧是研究重点。人体行为识别领域的论文有202篇，该领域的研究在人机交互、机器人、监控等领域具有广泛应用。

视觉、语言与推理作为一个交叉研究方向，共收录152篇论文，其目的在于帮助计算机实现类似于人的视觉和语言信息理解、关联以及高层认知任务。该领域的研究正在受到学界的高度关注，例如视觉推理、视觉语言导航和多模态信息融合等。

底层视觉主题共有131篇论文，虽然相对减少，但仍是研究重点。同时，新型视觉传感器的出现促使研究者探索适应新视觉数据处理和建模的方法。

在机器人领域，自动驾驶主题收录了87篇论文，显示了这一方向在视觉感知、决策规划、控制等方面对AI技术的需求。机器人主题论文共29篇，涉及视觉、导航、操纵等研究，视觉感知成为实现机器人智能化的关键。

集成多模态交互的研究范式逐渐兴起，Embodied vision: Active agents, simulation主题收录27篇论文。此外，视频中的动作和事件理解、视觉与图形学、视觉应用和系统等主题也是核心研究内容。

整体来看，CVPR 2024对AI和机器人技术的关注，突显了先进计算模型、感知增强技术以及对人类场景深度理解等方面与机器人系统的逐步整合。这种整合为开发更加直觉化、功能更强、适应性更高的机器人铺平了道路。

原文和模型

【原文链接】 阅读原文 [ 1369字 | 6分钟 ]
【原文作者】 机器之心
【摘要模型】 glm-4
【摘要评分】 ★★★☆☆

智谱AI

智谱AI是由清华大学计算机系技术成果转化而来的公司，致力于打造新一代认知智能通用模型。公司合作研发了双语千亿级超大规模预训练模型GLM-130B，并构建了高精度通用知识图谱，形成数据与知识双轮驱动的认知引擎，基于此模型打造了ChatGLM（chatglm.cn）。此外，智谱AI还推出了认知大模型平台Bigmodel.ai，包括CodeGeeX和CogView等产品，提供智能API服务，链接物理世界的亿级用户、赋能元宇宙数字人、成为具身机器人的基座，赋予机器像人一样“思考”的能力。