量子位
·
谢赛宁苏昊CVPR25获奖！华人博士王建元一作拿下最佳论文
💡
原文中文，约4500字，阅读约需11分钟。
📝
内容提要
在CVPR 2025大会上，华人博士王建元的论文《VGGT: Visual Geometry Grounded Transformer》获得最佳论文奖，提出了一种高效预测3D场景信息的新型Transformer模型。谢赛宁和苏昊则因其在计算机视觉领域的贡献获得青年学者奖。
🎯
关键要点
- 华人博士王建元的论文《VGGT: Visual Geometry Grounded Transformer》在CVPR 2025大会上获得最佳论文奖。
- 谢赛宁和苏昊因其在计算机视觉领域的贡献获得青年学者奖。
- 最佳论文奖仅有一篇，VGGT是首个能在单次前馈中端到端预测完整3D场景信息的大型Transformer。
- VGGT采用交替“全局-帧内”自注意力机制，性能超越多项现有几何或深度学习方法。
- 最佳学生论文为《Neural Inverse Rendering from Propagating Light》，提出了一种基于物理模型的神经逆向渲染方法。
- 最佳论文荣誉提名包括四篇论文，涵盖了动态视频、导航模型和视觉-语言模型等领域。
- MegaSaM系统能够从动态场景的普通单目视频中准确、快速地估计相机参数和深度图。
- Navigation World Models提出了一种可控的视频生成模型，能够预测未来的视觉观测。
- Molmo模型是一个新的视觉-语言模型家族，具有72亿参数规模，超越了现有开源模型。
- 3D Student Splatting and Scooping提出了一种新型混合模型，具有更强的表达能力和优化方法。
❓
延伸问答
王建元的论文《VGGT: Visual Geometry Grounded Transformer》有什么创新之处？
该论文提出了一种新型Transformer模型，能够在单次前馈中端到端预测完整3D场景信息，超越了多项现有几何或深度学习方法。
CVPR 2025大会上有哪些重要奖项？
最佳论文奖由王建元的《VGGT》获得，青年学者奖颁给谢赛宁和苏昊，最佳学生论文为《Neural Inverse Rendering from Propagating Light》。
《VGGT》模型的工作机制是什么？
VGGT采用交替的全局-帧内自注意力机制，能够处理多帧图像信息，同时保持单帧细节，且不依赖几何归纳偏置。
青年学者奖的评选标准是什么？
青年学者奖面向获得博士学位不超过7年的早期研究工作者，表彰他们在计算机视觉领域的杰出研究贡献。
《Neural Inverse Rendering from Propagating Light》论文的核心内容是什么？
该论文提出了一种基于物理模型的神经逆向渲染方法，用于从多视角激光雷达数据中重建场景几何和材质。
CVPR 2025的最佳论文提名有哪些？
最佳论文荣誉提名包括四篇论文，涉及动态视频、导航模型和视觉-语言模型等领域。
🏷️
标签
➡️
