酷应用

「十亿像素」引领视觉智能技术变革，2022 GigaVision挑战赛圆满落幕

百家作者：机器之心 2023-02-28 14:35:28

机器之心原创

作者：蛋酱

在十亿像素级数据平台的支撑下，GigaVision 系列赛事秉承「以赛促研、以赛促用」的理念，将持续推动更多前沿性、原创性视觉智能技术的突破。

2012 年，深度学习在 ImageNet 图像挑战赛中取得了巨大的突破，被广泛认为是第三次人工智能革命的标志性事件。以此为开端，十多年间，从人脸识别、跟踪到动作识别，围绕各类视觉智能任务的技术都取得了显著的进展，人工智能理论与技术的大变革时代终于到来。

2017 年，国务院发布《新一代人工智能发展规划》，描绘了中国人工智能未来发展的宏伟蓝图，确立了「三步走」目标：到 2020 年人工智能总体技术和应用与世界先进水平同步；到 2025 年人工智能基础理论实现重大突破、技术与应用部分达到世界领先水平；到 2030 年人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心。

在「三步走」目标的指导下，中国在全球人工智能领域取得的成就有目共睹。无论是在论文、学者还是专利数量等维度上，中国人工智能发展水平均已跻身世界第一梯队。但下一步，在向着「世界领先水平」目标前进的过程中，我们仍然面临着若干关键挑战，其中就包括前沿技术的创新能力和领军人才的培养问题。

在这样的背景下，由清华大学、中国人工智能学会联合举办的 2022 GigaVision 挑战赛受到了广泛关注。GigaVision 挑战赛聚焦十亿像素级视觉智能研究，旨在牵引新一代人工智能技术发展的若干关键问题，促进更准确、更高效、更鲁棒的新理论与新技术的发展，引领人工智能、视觉智能领域的变革。

大赛已于近日正式落下帷幕，在精彩纷呈的比赛过程中，我们也见证了一系列前沿技术成果的诞生。

上千支队伍参赛，聚焦十亿像素级挑战

大赛基于GigaVision数据平台开源的两个十亿像素图像视频数据平台「PANDA」和「GigaMVS」，开展了GigaDetection、GigaMOT、GigaTrajectory、GigaReconstruction、GigaRendering、GigaCrowd六大赛道，旨在推动视觉智能原创算法创新。

自开幕以来，大赛共吸引了全球超过 1000 支队伍参加。这些队伍分别来自牛津大学、慕尼黑工大、香港科大、清华大学、中国科学院大学、复旦大学、北京大学等海内外顶级高校，以及字节跳动、华为技术有限公司、阿里、百度、浪潮集团有限公司、TPlink、三星美国研究院、新加坡科技研究局等国际一流人工智能企业。

本次大赛分享交流活动中，多个 TOP 团队的作品让组委会技术专家留下了深刻印象：

例如，目标检测赛道提供了十亿像素图像的行人数据集，核心任务是评估模型在十亿像素图像中多目标检测任务的准确性。参赛团队全面分析了宽视场、高分辨视觉数据中大场景、多对象、复杂关系等新特点所带来的新问题，围绕着场景全局稀疏、局部稠密，对象尺度多变、姿态复杂，数据通量大等挑战，提出了一系列目标检测新算法与新模型，相较现有前沿算法，实现了精度与效率的显著提升。

而 3D 赛道的参赛作品融合了基于人工智能的神经辐射场表征、可微渲染优化方法和基于多视图几何的立体匹配等经典方法，在算法设计和工程化实现上都颇具亮点，对大场景高精度三维重建与渲染任务具有较大的启发性，展示出了巨大的落地应用潜力。

历经五个月的激烈角逐，最终，来自北京大学、上海交通大学、东南大学、南方医科大学、华为等高校和单位的参赛队伍获得了大赛各赛道的冠军，收获了丰厚的奖励。

视觉智能，还能这样「卷」？

决定一场赛事高度的关键因素，在于赛题任务和赛题数据。而这场挑战赛背后的 GigaVision 数据平台，正是一系列视觉智能前沿问题的「发源地」。

GigaVision 数据平台目前包括 PANDA 和 GigaMVS 两个子项目，其中 PANDA 是世界上首个十亿像素级、以人类为中心的视频数据集，GigaMVS 是世界上首个十亿像素级超大规模场景三维重建基准。

相比于当前各种百万像素级的视觉任务，GigaVision 挑战赛填补了十亿像素图像 / 视频层面的空白，为视觉智能领域内的研究者和从业者带来了新鲜感十足的挑战。

在 GigaVision 挑战赛中，每一张图片、视频的每一帧都是十亿像素级别。比如 GigaMOT 赛道，参赛者需要评估 MOT 模型在十亿像素视频中对多个目标跟踪任务的准确性，既要解决单目标跟踪任务的互相遮挡、运动模糊、拥挤场景、尺度变化等难点，又要处理目标轨迹的起始与终止、相似目标间的相互干扰等问题。特别是该赛道所使用的 PANDA-Video 大场景数据集，其可视范围大、拥挤行人的复杂场景等特点也为传统数据集上的 MOT 算法带来了新的挑战。

基于十亿像素视频的多目标跟踪示例。

又比如在 GigaRendering 赛道中，参赛者需要在给定的不同场景经过校准的十亿像素图像中，面对稀疏视角下的高分辨率、宽视场、细节丰富的难点，渲染生成新的 RGB 视图并尽可能提升其准确性。十亿像素级别的图像渲染任务，对神经辐射场的表达、规模和效率提出了更高的挑战。

十亿像素图像渲染新视图示例。

此外，偏好原始创新的测评方式亦是 GigaVision 挑战赛的一大亮点。传统的人工智能挑战赛任务普适性强、办赛周期短，大部分参赛队伍倾向利用成熟的理论框架和工程套路，实现系统集成和参数调优，反复刷榜。完全以分数导向的测评方式，阻碍了技术的原始创新。相比之下，GigaVision 挑战赛形成了固定的举办周期，注重前沿性、原创性，更能鼓励参赛队伍进行原始创新。

可以看到，GigaVision 挑战赛看似仍在比拼视觉智能领域的几大经典研究问题，但面向「十亿像素」级图像视频数据，赛题的前沿性、挑战性、创新性和开拓性大幅提升，与经典问题截然不同。以往将整个图像或视频放进网络中直接处理的传统方法不再奏效，仅仅使用单个模型或几个模型也很难完成这种级别的任务。因此，参赛团队会更加专注于「卷」模型架构的设计，致力于探索模型能力的上限，开展更多理论层面的创新尝试。

经过多轮比拼、线上评测、结果复现和视频答辩，本届大赛获得了多目标检测、多目标跟踪、多目标轨迹预测、3D 重建、3D 渲染、密集人群三维重建等方面的多个创新性解决方案，这些作品均具有很高的准确性和领先性，为十亿像素计算机视觉的发展带来了启发。

几年来，GigaVision 数据平台以赛为媒，已经与 CVPR、ICCV、ECCV、ACM MM 等国际顶会联合举办了多届 Workshops 和 Challenges。系列赛事的举办水平不断提升，参赛规模不断增长，关注度和影响力越来越高。

对于 GigaVision 数据平台来说，这一系列赛事构建了前沿开放的学术交流社区，面向国内乃至全球发现和储备了一批优秀的视觉智能算法研究人才，并从中挖掘出了极具价值的科研合作切入点。

对于视觉智能领域和整个社会来说，其更重要的价值在于「以赛引才、以赛育人」，不仅能够促进我国智能成像技术和人工智能产业的快速发展，同时将推动人工智能在科研领域解决真实世界问题等方面提供基础性支撑。以「十亿像素」数据集为支撑，GigaVision 挑战赛或将开启视觉智能领域的下一次重大突破。

立足「原创」，追求极限

在十亿像素级别的视觉智能前沿探索中，GigaVision 无疑提供了一个很好的平台载体。

当然，技术高峰的攀登是没有止境的。GigaVision 挑战赛主办方将不忘初心，瞄准科技前言、面向产业需求，前瞻性布局设置更多高水准、高价值的赛题，持续提升十亿像素级数据平台的数据规模和场景维度，为视觉智能领域科研人员提供一个全新的学习、展示、交流和竞技平台，助力视觉智能前沿科技发展和产业变革。

2023年新赛季活动即将拉开序幕，其中部分赛道与第三届国际人工智能会议（CICAI 2023）联合举办，以丰厚奖金征集创新算法方案，欢迎访问官网查看最新信息。挑战升级、奖励升级，欢迎各位 AI 科技爱好者关注大赛官网参与挑战！