计算机视觉界牛人牛事

作者:GarfieldEr007

原文地址:http://www.jianshu.com/p/b3bbeb7c67f5

CV人物1:Jianbo Shi史建波毕业于UC Berkeley,导师是Jitendra Malik。其最有影响力的研究成果:图像分割。其于2000年在PAMI上多人合作发表”Noramlized cuts and image segmentation”。这是图像分割领域内最经典的算法。主页:www.cis.upenn.edu/~jshi/ 和www.cs.cmu.edu/~jshi/

CV人物2:Kristen Grauman毕业于MIT,导师是Trevor Darrell。其最有影响力的研究成果:Pyramid Match Kernel,用于图像匹配。她和Darrell在2005年CVPR合作发表了”The Pyramid Match Kernel: Discriminative Classification with Sets of Image Features”。金字塔匹配核函数可快速搜索两个特征集合之间匹配的特征,可应用于图像匹配、物体识别,是该领域经典算法之一。2011年Marr奖得主。主页:www.cs.utexas.edu/~grauman/

CV人物3:Irfan Essa现任教于Georgin Tech佐治亚理工大学,毕业于MIT,其最有影响力的研究成果:人脸表情识别。Essa和Alex Penland 在1997年PAMI合作发表了”Coding, analysis,interpretation,and recognition of facial expression”, 结合了几何模型和面部肌肉无力模型,用来描述脸部结构。主页:www.ic.gatech.edu/people/irfan-essa

CV人物4:Matthew Turk毕业于MIT,最有影响力的研究成果:人脸识别。其和Alex Pentland在1991年发表了”Eigenfaces for Face Recognition”.该论文首次将PCA(Principal Component Analysis)引入到人脸识别中,是人脸识别最早期最经典的方法,且被人实现,开源在OpenCV了。主页:www.cs.ucsb.edu/~mturk/CV人物5:David Lowe毕业于斯坦福大学,导师是Thomas Binfold,最有影响力的研究成果:SIFT。他是SIFT特征点检测的发明人。由于SIFT具有对于图像平移、旋转和尺度变化不变性的优点,使得SIFT成为近十年来最流行的图像特征点检测方法,被广泛用于图像匹配、物体识别、分类等领域。主页:http://www.cs.ubc.ca/~lowe/

CV人物5:Pascal Fua毕业于Orsay,导师是O.D.Faugera。最有影响力的研究成果:立体视觉。其在1993年发表了”A parallel stereo algorithm that produces dense depth maps and preserves image features”,提出了利用相关性来估计dense深度图的快速并行立体视觉算法,是立体视觉领域内经典算法之一。主页:http://cvlab.epfl.ch/~fua/ 和 http://people.epfl.ch/pascal.fua

CV人物6:Luc Van Gool毕业于Katholieke Universiteit Leuven.最有影响力的研究成果:图像特征点检测和摄像机标定。Gool等发蒙的Surf(speeded up robust features)是除SIFT外,应用最广泛的特征点检测算法,surf具有提取速度更快、维度更低的优点,也被广泛用于物体检测、识别等。Opencv开源。Marc Pollefeys, Koch和Goolz 1999年IJCV上发表了”self-calibration and metric reconstruction inspite of varying and unknown intrinsic camera parameters”,是摄像机自标定领域内最经典论文,并获1998年Marr奖。主页:http://www.vision.ee.ethz.ch/~vangool/CV人物8:Michal Irani毕业于Hebrew大学,最有影响力的研究成果:超分辨率。她和Peleg于1991年在Graphical Models and Image Processing发表了”Improving resolution by image registration”,提出了用迭代的、反向投影的方法来解决图像放大的问题,是图像超分辨率最经典的算法。我在公司实现的产品化清晰化增强算法就参考了该算法思想哈哈。主页:http://www.wisdom.weizmann.ac.il/~irani/

CV人物7: Jean Ponce毕业于Paris Orsay,最有影响力的研究成果:计算机视觉教育、物体识别。他和David Forsyth合写的”Computer Vision: A Modern Approach”被视为现代计算机视觉领域最经典教科书之一。其近年来的研究重点是物体识别,是Spatial Pyramid Matching算法发明人之一,比起之前广泛使用的bag-of-words方法相比,该方法考虑了一些局部特征之间的空间关系,因此更有效地描述物体特征。是目前最普遍使用的算法之一。主页:http://www.di.ens.fr/~ponce/

CV人物8: Andrew Blake毕业于Edinburgh,最有影响力的研究成果:目标跟踪、图像分割、人体姿态跟踪与分析。他是世界知名CV专家,两次荣获ECCV最佳论文奖和1次Marr奖。他和Michael Isard在1998年IJCV中合写的”Condensation—conditional density propagation for visual tracking”,将粒子滤波器用于目标跟踪,该领域的经典论文。二人1998年合写的另一篇”Active Contours”是图像分割领域经典算法,该算法用spline函数,通过最小化能量函数,是的样条逼近物体轮廓,在该算法基础上,衍生出了著名的Active shape model。Blake领导的微软剑桥研究院在人体姿态跟踪与分析上去的突破,用于Kinect中。主页:http://research.microsoft.com/~ablake

CV人物9: Antonio Criminisi毕业于牛津大学,导师是Andrew Zisserman 和 Ian Reid。最有吸影响力的研究成果:Image Inpaiting.他在2004年发表”Region filling and object removal by exemplar-based image inpainting”,该方法用于去除图像中大的遮挡物或小的刮痕,结合了采样纹理生成和结构传递的图像修补技术,获得不错效果。主页:http://research.microsoft.com/en-us/people/antcrim/

CV人物10: Paul Viola毕业于MIT,研究领域:目标检测;最有影响力的研究成果:人脸检测;他和Michael Jones在2001年CVPR发表了”Rapid object detection using a boosted cascade of simple features”,真正意义上解决了人脸检测的问题,并开启了boosting算法的一个时代,很多学者受到boosting cascade算法的影响,扩展了该算法的应用领域,牛逼的影响力。主页:http://research.microsoft.com/en-us/um/people/viola/CV人物13: Henry Rowley毕业于CMU,导师:Takeo Kanade;研究领域:大规模图像识别和机器学习;最有影响力的研究成果:人脸检测;他使用人工神经网络用于人脸检测,该算法是Paul Viola的boosting cascade人脸检测算法出现前,最经典的人脸检测算法。主页:http://www.cs.cmu.edu/~har/

CV人物11: Dorin Comaniclu毕业于Rutgers;最有影响力的研究成果:目标跟踪、图像分割;他在2000年发表了”Real-time tracking of non-rigid objects using mean shift”。该算法首次将mean shift用于目标跟踪,并在2002年PAMI发表了”Mean shift: A robust approach toward feature space analysis”,并将Meanshift拓展应用于图像分割中。主页:http://coewww.rutgers.edu/riul/FORMER/comanici/

CV人物12: Henry Schneiderman毕业于CMU,导师:Takeo Kanade;研究领域:目标检测和识别;最有影响力的研究成果:目标检测;他在2000年CVPR上发表了”A statistical method for 3D object detection applied to faces and cars”。该算法采用多视角训练样本,可用于检测不同视角下的物体,如人脸和车,是第一个能够检测侧脸的算法。他创建了PittPatt公司,后被Google收购。主页:http://www.cs.cmu.edu/~hws/

CV人物13: William T.Freeman毕业于MIT;研究领域:应用于CV的ML、可视化感知的贝叶斯模型、计算摄影学;最有影响力的研究成果:图像纹理合成;Alex Efros和Freeman在2001年SIGGRAPH上发表了”Image quilting for texture synthesis and transfer”,其思想是从已知图像中获得小块,然后将这些小块拼接mosaic一起,形成新的图像。该算法是图像纹理合成中经典中的经典。主页:http://people.csail.mit.edu/billf/

CV人物14: Feifei Li李菲菲,毕业于Caltech;导师:Pietro Perona;研究领域:Object Bank、Scene Classification、ImageNet等;最有影响力的研究成果:图像识别;她建立了图像识别领域的标准测试库Caltech101/256。是词包方法的推动者。主页:http://vision.stanford.edu/~feifeili/

CV人物15:Jitendra Malik毕业于斯坦福大学;导师:Thomas O.Binford;研究领域:轮廓检测、图像/视频分割、图形匹配、目标识别等;最有影响力的研究成果:边缘检测、图像分割和形状匹配;Malik培养了众多牛人,牛人的导师,你说牛不牛。培养了Alexie Efros, Jianbo Shi, Paul Debevec, Pietro Perona, Serge J.Belongie, Yair Weiss等知名专家。主页:http://www.cs.berkeley.edu/~malik/

CV人物16:Alexie Efros毕业于Berkeley大学;导师:Jitendra Malik;研究领域:Qualitative Reasoning for Image Understanding、Building the Visual Memex等;最有影响力的研究成果:图像纹理合成;他在1999年ICCV发表了”Texture Synthesis by non-parametric sampling”。该论文将MRF引入到纹理合成中。该方法最大限度保留了纹理的局部结构。主页:https://www.cs.cmu.edu/~efros/

CV人物17:Andrew Zisserman毕业于剑桥大学;最有影响力的研究成果:视觉几何、目标识别、可视化搜索;他牛逼了,三次获得Marr奖。是CV界权威中的权威。搞CV的人没读过他的多视几何学一书,枉为搞CV的。我2007年起,花了2年时间阅读、编码实现了其中所有两视几何学内容。主页:http://www.robots.ox.ac.uk/~az/CV人物21:Ian D.Reid毕业于牛津大学;最有影响力的研究成果:目标跟踪;他在2007年PAMI发表了”MonoSLAM: real-time single camera SLAM”,是跟踪和机器人导航领域经典论文。在2011年CVPR上,和Ben Benfold发表了”Stable Multi-Target Tracking in Real-time survillance video”。主页:http://www.robots.ox.ac.uk/~ian/

CV人物18:Alan L.Yuille毕业于剑桥大学;导师:S.W.Hawking;最有影响力的研究成果:人脸检测和跟踪;他在1992年IJCV发表了”Feature Extraciton from Faces Using Deformable Templates”.该论文首次用可变形模板来描述人脸的特征,如眼睛、嘴巴等。主页:http://www.stat.ucla.edu/~yuille/

CV人物19:David Forsyth毕业于牛津大学;最有影响力的研究成果:计算机视觉教育、三维重建、图像与语义信息;他与Jean Ponce合写的”Computer Vision: A Modern Approach”是经典CV教材啊,当初我可是仔细研读、编码实现了的。1993年因论文”Extracing Projective Structure from Single Perspective Views of 3D Point Sets”,而获得Marr奖。主页:http://luthuli.cs.uiuc.edu/~daf/

CV人物20:Ram Nevatia毕业于斯坦福大学;导师Thomas O.Binford;最有影响力的研究成果:物体几何形状描述,人体检测与跟踪;他的关于三维物体的广义圆柱体形状的描述,是早期物体识别经典研究方法之一。主页:http://iris.usc.edu/people/nevatia/index.html

CV人物21:Paul Debevec毕业于Berkeley大学;导师:Jitendra Malik;研究成果:HDR、IBR;他是知名的将CV和CG结合研究的牛人。很多成果应用于好莱坞电影中。他发明了light stage人脸捕捉重建技术,是基于他在2000年SIGGRAPH上的研究成果发展起来的,被用于AVatar等电影。他因此技术,和合作者获得2009年奥斯卡科学和工程奖。主页:http://www.pauldebevec.com/或http://ict.debevec.org/~debevec/

CV人物22:David Kriegman毕业于斯坦福大学;导师:Thomas O.Binford;最有影响力的研究成果:人脸识别;他在1997年PAMI发表了”Eigenfaces vs. fisherfaces: recognition using class specific linear projection”,将Fisher线性判决用于人脸识别。主页:http://cseweb.ucsd.edu/~kriegman/CV人物27:Michael J.Black毕业于纽约大学;最有影响力的研究成果:人的姿态估计和跟踪;他在2000年ECCV上发表了”Stochastic tracking of 3d human figures using 2d image motion”,从单个视频中估算和跟踪人体各个部分的三维姿态。2010年,他因此论文获得ECCV Koenderink奖。主页:http://cs.brown.edu/~black/

CV人物23:Carlo Tomasi毕业于CMU;导师Takeo Kanade;最有影响力的研究成果:1998年ICCV发表的双边滤波”Bilateral filtering for gray and color images”。2000年IJCV发表的”The earth mover’s distance as a metric for image retrieval”,该论文将EMD(earth mover’s distance)用于度量由不同图像形成的分布,如颜色、纹理,之间的相似程度,并依据此来实现图像检索,检索结果优于分布直方图。目标跟踪,著名的K-L-T tracking算法中的T就是Tomasi。主页:http://www.cs.duke.edu/~tomasi/

CV人物24:Larry S.Davis毕业于马里兰大学;最有影响力的研究成果:视频监控;Davis等人实现的W4实时视频监控系统,是最早的能够实时户外人体检测、跟踪和行为分析的视频监控系统。主页:http://www.umiacs.umd.edu/~lsd/CV人物30:Marc Pollefeys毕业于Katholieke Universiteit Leuven;做摄像机标定的人不知道他,我就鄙视你了。Pollefeys,Koch和Gool在1999年IJCV上发表了”Self-Calibration and metric reconstruction inspite of varying and unknown intrinsic camera parameters”,是摄像机自标定最经典论文,因此获得1993年Marr奖。2007年俺仔细学习了其主页提供的CV的ppt课程。主页:http://www.cs.unc.edu/~marc/

CV人物25: Richard Szeliski毕业于CMU,导师Takeo Kanade和Geoff Hinton。其编写的这本书不错<Computer Vision: Algorithms and Applications>,详见http://szeliski.org/Book/主页:http://research.microsoft.com/en-us/um/people/szeliski/

原文发布于微信公众号 - 数据科学与人工智能(DS_AI_shujuren)

原文发表时间:2017-08-01

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏AI科技评论

澳门大学讲座教授陈俊龙:从深度强化学习到宽度强化学习 - 结构,算法,机遇及挑战

AI 科技评论按:2018 年 5 月 31 日-6 月 1 日,中国自动化学会在中国科学院自动化研究所成功举办第 5 期智能自动化学科前沿讲习班,主题为「深度...

17760
来自专栏新智元

【李飞飞最新演讲】斯坦福AI实验室图像与视觉理解技术进展(191PPT)

【新智元导读】ImageNet 缔造者、斯坦福大学副教授、人工智能实验室主任李飞飞在刚刚结束的ICML2016会议发表演讲 A Quest for Comput...

50480
来自专栏新智元

【普华永道全息图解】机器学习演化史,方法、应用场景与发展趋势

【新智元导读】普华永道最近推出了一系列机器学习信息图示,很好地将机器学习的发展历史、关键方法以及未来会如何影响社会生活展现了出来。基础概念部分包括机器学习各大学...

40990
来自专栏AI科技评论

干货 | 2 分钟论文:神经网络开始自我学习,说是用了架构搜索新算法

来源 / Two Minute Papers 翻译 / 严谨文 校对 / 凡江 整理 / 雷锋字幕组 本期论文:结合分层表示的高级架构搜索 Hierarchic...

32770
来自专栏数据派THU

【独家】深扒Yann LeCun清华演讲中提到的深度学习与人工智能技术(PPT+视频)

本文长度为3000字,建议阅读10分钟 本文为Yann LeCun在清华大学做的关于深度学习与人工智能技术的演讲梗概。 姚期智先生引言: 非常荣幸来给大家介...

23970
来自专栏量子位

创新工场王嘉平开讲:low-level的计算机视觉

颜萌 整理编辑 量子位 出品 | 公众号 QbitAI ? 近日,在DeeCamp创新工场深度学习训练营期间,创新工场AI工程院副院长王嘉平开讲《low-le...

34050
来自专栏云时之间

新手司机带你看神经网络

什么是神经网络 我们现在所谈论的神经网络不是动物或者人上的神经网络,而是为计算机量身定制的神经系统。 计算机神经网络是一种模仿生物的神经中枢或者动物的神经网络...

30170
来自专栏机器之心

学界 | UC Berkeley新研究:通过深度学习建模注意点采样阵列

30280
来自专栏机器学习算法与Python学习

286页PDF教你如何搞明白深度学习的算法、理论与计算系统!(可下载)

如何将深度学习等AI算法应用到实际场景里,不是一件容易的事情。 结合Petuum, 邢波教授在7月份深度学习夏令营分享了关于从统计机器学习视角理解深度学习的算法...

24640
来自专栏AI科技评论

学界 | UC伯克利AI实验室发干货:用于训练神经网络抓取机器人的Dex-Net 2.0数据集

AI科技评论按:伯克利AI实验室最新发文公布了用于机器人抓取的Dexterity Network (Dex-Net) 2.0数据集,这些数据集可以用来训练根据实...

57740

扫码关注云+社区

领取腾讯云代金券