Recommended
More Related Content
Similar to CVPRプレゼン動画100本サーベイ
Similar to CVPRプレゼン動画100本サーベイ (20)
CVPRプレゼン動画100本サーベイ
- 1. 米田 駿介（鳥取大学） Dhammatorn Wisan（青山学院大学） CVPRプレゼン動画100本サーベイ MIRU 2022 若手プログラム Group5 山﨑 啓太（筑波大学） 山下 優樹（東京大学）
- 2. • CV分野のトップ会議であるCVPRの オーラルセッションの動画を100本視聴 • プレゼンテーションの手法やスライドの特徴 などの調査結果を報告 概要 Abstract 2 • 上手いプレゼンテーションとは？ • プレゼンテーション手法に関する調査 • cvpaper.challenge • 調査方法 • 調査結果 • 各セクションに関する分析 • デモがあるプレゼンテーション数 • 各セクションがあるプレゼンテーション数 • 各セクションの順序 • 調査で得られた知見 • cvpresentation.challenge • おまけ • おすすめプレゼンテーション動画 • おすすめプレゼンテーション文献 • 付録 目次 Outline
- 3. • 学会発表では, 短時間で効果的に研究成果を伝える必要がある • 研究成果に興味を持ってもらう • 論文引用・さらなる研究の発展につながる • どんなプレゼンテーションが「上手い」のか • 話し方・身振り手振り • 発表資料の構成とデザイン • 時間配分 • 内容の取捨選択 上手いプレゼンテーションとは？ Motivation 3
- 4. • CVPRなどのトップ会議の網羅的サーベイを通した研究のトレンドの把握 • 研究活動・論文投稿による新しいトレンド創出 → CV分野における「上手い」論文や研究に関する調査 cvpaper.challenge Related Work 4
- 5. • CVPRなどのトップ会議の網羅的サーベイを通した研究のトレンドの把握 • 研究活動・論文投稿による新しいトレンド創出 → CV分野における「上手い」論文や研究に関する調査 cvpaper.challenge Related Work 5 CV分野における「上手い」プレゼンテーション手法に 関する調査は少ない
- 6. • 短時間で研究成果を効果的に伝える方法を探る • トップ会議のプレゼンテーション動画を多数視聴 • 発表手法やスライド資料に関する傾向や工夫について調査 プレゼンテーション手法に関する調査 Purpose 6
- 7. 対象: CVPR2019, 2020のオーラルセッション動画 (5分) • CVPR2019: 現地開催 • CVPR2020: オンライン開催, プレゼンテーション動画を提出 動画を5カテゴリに分類し各年各カテゴリ10本ずつ視聴 (2年×5カテゴリ×10本=計100本) • A: Architecture, Representation, Theory & Optimization • B: Recognition, Understanding, Segmentation & Retrieval • C: Language, Reasoning, Body & Applications • D: Synthesis • E: Video & 3D スライドを8セクションに分類し, プレゼンテーション時間, スライド枚数, 話し方, 工夫点を記録 • Title, Overview, Backgrounds, Related works, Methods, Experiments (Results 含む), Future works (Limitation 含む), Conclusion 調査方法 Method 7
- 8. 各セクションに関する分析 Result 8 A: Architecture, Representation, Theory & Optimization B: Recognition, Understanding, Segmentation & Retrieval C: Language, Reasoning, Body & Applications D: Synthesis E: Video & 3D
- 9. 各セクションに関する分析 Result 9 A: Architecture, Representation, Theory & Optimization B: Recognition, Understanding, Segmentation & Retrieval C: Language, Reasoning, Body & Applications D: Synthesis E: Video & 3D 全体的にMethods長め 提案手法のプレゼンが最重要 Experimentsが最多の場合あり 具体例をたくさん見せたい
- 10. 各セクションに関する分析 Result 10 A: Architecture, Representation, Theory & Optimization B: Recognition, Understanding, Segmentation & Retrieval C: Language, Reasoning, Body & Applications D: Synthesis E: Video & 3D カテゴリAのスライド総数が少ない 1枚あたりの説明が長いため (特にMethods)
- 11. デモがあるプレゼンテーション数 Result 11 • Aではデモが最も少ない • デモより理論や手法優先 • Dでは全プレゼンにデモあり • 実例を見せた方がわかりやすい A: Architecture, Representation, Theory & Optimization B: Recognition, Understanding, Segmentation & Retrieval C: Language, Reasoning, Body & Applications D: Synthesis E: Video & 3D
- 12. 各セクションがあるプレゼンテーション数 Result 12 A B C D E Title 20 20 20 20 20 Overview 2 5 5 4 9 Backgrounds 17 16 19 16 18 Related works 7 11 10 12 11 Methods 20 20 20 20 20 Experiments 20 20 20 20 19 Future works 3 0 1 1 0 Conclusion 7 10 7 10 10 • Background, Methods, Experimentsはほぼ全ての プレゼンに存在 • OverviewとFuture worksが あるプレゼンは少なめ A: Architecture, Representation, Theory & Optimization B: Recognition, Understanding, Segmentation & Retrieval C: Language, Reasoning, Body & Applications D: Synthesis E: Video & 3D 表1 各セクションがあるプレゼンテーション数
- 13. • 89/100本 • Title, Overview, Backgrounds, Related works, Methods, Experiments, Future works, Conclusionの順 • 10/100本 • OverviewよりもBackgroundsが先 • 1/100本 • Title, Backgrounds, Related works, Overview, Methods, Experimentsの順 各セクションの順序 Result 13
- 14. 調査で得られた知見 Result 14 効果的な工夫 • 動画・アニメーション: どこに注目しているかわかる • 概念図・フローチャート: 難解な内容をわかりやすく伝える • デモ: 実例で提案手法とその効果を伝える • 数式に注釈を入れる • 色やフォントを工夫する 現地開催 • はきはき自信をもった話し方 と原稿の棒読みの差が顕著 オンライン開催 • 録音品質, 収録環境, 明瞭な発音が重要 • 発音に自信がないなら字幕を入れると親切 • セクションごとに録音して動画編集でつなぎ合わせる
- 15. • CVPRのオーラルセッション動画を多数視聴し, CV分野における プレゼンテーション手法について調査 • プレゼンテーションの傾向を把握することは, より効果的に自身の研究成果を 伝えることに有効だろう cvpresentation.challenge Conclusion 15 cvpresentation.challengeを発足しよう！
- 16. おすすめプレゼンテーション動画 おまけ1 16 • アニメーションによるわかりやすい説明 Ozan Unal. “Scribble-Supervised LiDAR Semantic Segmentation”. (CVPR 2022) https://www.youtube.com/watch?v=vlYmqml2svs • パッチワーク・ソフトウェア実演によるデザイン法 Mackenzie Leake. “A Mathematical Foundation for Foundation Paper Pieceable Quilts”. (SIGGRAPH2021) https://www.youtube.com/watch?v=g04VgzzRhlQ • ジェスチャー豊富・面白いプレゼン ウィル・スティーヴン. “頭良さそうにTED風プレゼンをする方法”. (TEDxNewYork) https://www.youtube.com/watch?v=ToJD5r2SmwI • 説明の順序と美しい伏線回収 田崎晴明. “どうして時間は過去から未来に流れていくのだろう？マクロな系における不可逆性”. https://www.youtube.com/watch?v=m21X0s3VLOM • 発表後の具体的な実験デモ Leyao Liu. “INS Conv: Incremental Sparse convolution for Online 3D Segmentation”. (CVPR 2022) https://www.youtube.com/watch?v=V4gVuNyKaPQ • 画像による丁寧な説明 Juewen Peng. “BokehMe: When Neural Rendering Meets Classical Rendering”. (CVPR 2022) https://www.youtube.com/watch?v=e-zr_wCxNc8
- 17. おすすめプレゼンテーション文献 おまけ2 17 • スライド・ポスターデザイン 高橋佑磨, 片山なつ. “伝わるデザイン｜研究発表のユニバーサルデザイン”. 伝わるデザイン. 2018-12. https://tsutawarudesign.com • スライドデザイン 梶原浩太郎. “初期研修医のための学会スライドのキホン”. slideshare. 2016-03. https://www.slideshare.net/k-kajiwara/2016-60055283 • 英語スライド構成・質疑応答 孫一寧. “SAY YES! TO 英語プレゼン 〜もっと印象に残るプレゼンをしましょう〜”. 大阪大学附属図書館. 2016-06. https://www.library.osaka-u.ac.jp/doc/TA_20160624_EN.pdf • 日本語スライド構成・トーク・場面別対策 お茶の水女子大学伊藤研究室. “研究発表を準備する”. Itoh Laboratory. 2016-06. http://itolab.is.ocha.ac.jp/~itot/message/ItolabPresentation2016.pdf • 日本語スライド構成・デザイン・トーク 高道慎之介. “研究発表のためのプレゼンテーション技術”. slideshare. 2015-06. https://www.slideshare.net/ShinnosukeTakamichi/ss-48987441 • ポスターデザイン 小野英理. “センス不要！伝わる研究ポスター作成術”. K-CONNEX. 2016-07. http://k-connex.kyoto-u.ac.jp/ja/wp-content/uploads/sites/2/2016/07/160711-posterseminar-pub.pdf
- 18. • オーラルセッション動画のカテゴリは, CVPRのセッション名に基づき定める • 2019A: Architecture, Representation, Theory & Optimization • Deep Learning・Scenes & Representation・Learning, Physics, Theory, & Datasets・Low-Level & Optimization • 2019B: Recognition, Understanding, Segmentation & Retrieval • Recognition・Segmentation & Grouping • 2019C: Language, Reasoning, Body & Applications • Motion & Biometrics・Language & Reasoning・Applications・Face & Body • 2019D: Synthesis • Synthesis • 2019E: Video & 3D • 3D Multiview・Action & Video・3D Single View & RGBD • 除外したセッション • Computational Photography & Graphics オーラルセッション動画のカテゴリ 付録1 18
- 19. • オーラルセッション動画のカテゴリは, CVPRのセッション名に基づき定める • 2020A: Architecture, Representation, Theory & Optimization • Adversarial Learning・Efficient Training and Inference・Low-Level and Physics-Based Vision・Transfer/Low- Shot/Semi/Unsupervised Learning・Representation Learning・Optimization and Learning Methods・Machine Learning Architectures and Formulations • 2020B: Recognition, Understanding, Segmentation & Retrieval • Image Retrieval・Datasets and Evaluation・Scene Analysis and Understanding・Segmentation, Grouping and Shape・ Architecture, Representation, Theory & Optimization • 2020C: Language, Reasoning, Body & Applications • Medical, Biological and Cell Microscopy・Face, Gesture, and Body Pose・Motion and Tracking・Vision & Language・Vision for Robotics and Autonomous Vehicles・Vision Applications and Systems・Vision & Other Modalities・Visual Reasoning and Logical Representation • 2020D: Synthesis • Image and Video Synthesis • 2020E: Video & 3D • 3D From a Single Image and Shape-From-X・Action and Behavior・3D From Multiview and Sensors・Video Analysis and Understanding • 除外したセッション • Computational Photography・Explainable AI・Fairness, Accountability, Transparency and Ethics in Vision オーラルセッション動画のカテゴリ 付録1 19
- 20. • 2019A • Finding Task-Relevant Features for Few-Shot Learning by Category Traversal • Probabilistic Permutation Synchronization Using the Riemannian Structure of the Birkhoff Polytope • Lifting Vectorial Variational Problems: A Natural Formulation Based on Geometric Measure Theory and Discrete Exterior Calculus • ADVENT: Adversarial Entropy Minimization for Domain Adaptation in Semantic Segmentation • Scan2CAD: Learning CAD Model Alignment in RGB-D Scans • SOSNet: Second Order Similarity Regularization for Local Descriptor Learning • Auto-DeepLab: Hierarchical Neural Architecture Search for Semantic Image Segmentation • Learning Video Representations From Correspondence Proposals • A Generative Adversarial Density Estimator • Social-IQ: A Question Answering Benchmark for Artificial Social Intelligence • 2020A • Search to Distill: Pearls Are Everywhere but Not the Eyes • Circle Loss: A Unified Perspective of Pair Similarity Optimization • Learning Combinatorial Solver for Graph Matching • Revisiting Knowledge Distillation via Label Smoothing Regularization • Benchmarking Adversarial Robustness on Image Classification • HyperSTAR: Task-Aware Hyperparameters for Deep Networks • ActBERT: Learning Global-Local Video-Text Representations • Hyperbolic Image Embeddings • Towards Verifying Robustness of Neural Networks Against A Family of Semantic Perturbations • How Does Noise Help Robustness? Explanation and Exploration under the Neural SDE Framework サーベイしたオーラルセッション動画の論文名一覧 付録2 20
- 21. • 2019B • Joint Discriminative and Generative Learning for Person Re-Identification • Gradient Matching Generative Networks for Zero-Shot Learning • Semantic Correlation Promoted Shape-Variant Context for Segmentation • C-MIL: Continuation Multiple Instance Learning for Weakly Supervised Object Detection • Domain Generalization by Solving Jigsaw Puzzles • Enhancing Diversity of Defocus Blur Detectors via Cross-Ensemble Network • Deep Metric Learning Beyond Binary Supervision • Panoptic Feature Pyramid Networks • Learning to Cluster Faces on an Affinity Graph • Transferrable Prototypical Networks for Unsupervised Domain Adaptation • 2020B • Dynamic Graph Message Passing Networks • Learning User Representations for Open Vocabulary Image Hashtag Prediction • Momentum Contrast for Unsupervised Visual Representation Learning • PointRend: Image Segmentation As Rendering • Few-Shot Class-Incremental Learning • ViBE: Dressing for Diverse Body Shapes • Interactive Object Segmentation With Inside-Outside Guidance • Detection in Crowded Scenes: One Proposal, Multiple Predictions • Deep Relational Reasoning Graph Network for Arbitrary Shape Text Detection • Mapillary Street-Level Sequences: A Dataset for Lifelong Place Recognition サーベイしたオーラルセッション動画の論文名一覧 付録2 21
- 22. • 2019C • High-Quality Face Capture Using Anatomical Muscles • 3D Hand Shape and Pose Estimation From a Single RGB Image • Deeper and Wider Siamese Networks for Real-Time Visual Tracking • GFrames: Gradient-Based Local Reference Frame for 3D Shape Matching • CrowdPose: Efficient Crowded Scenes Pose Estimation and a New Benchmark • Weakly-Supervised Discovery of Geometry-Aware Representation for 3D Human Pose Estimation • Monocular Total Capture: Posing Face, Body, and Hands in the Wild • Towards Social Artificial Intelligence: Nonverbal Social Signal Prediction in a Triadic Interaction • Efficient Online Multi-Person 2D Pose Tracking With Recurrent Spatio-Temporal Affinity Fields • ATOM: Accurate Tracking by Overlap Maximization • 2020C • REVERIE: Remote Embodied Visual Referring Expression in Real Indoor Environments • Say As You Wish: Fine-Grained Control of Image Caption Generation With Abstract Scene Graphs • SAPIEN: A SimulAted Part-Based Interactive ENvironment • LiDARsim: Realistic LiDAR Simulation by Leveraging the Real World • TA-Student VQA: Multi-Agents Training by Self-Questioning • P2B: Point-to-Box Network for 3D Object Tracking in Point Clouds • Collaborative Motion Prediction via Neural Motion Message Passing • Iterative Context-Aware Graph Inference for Visual Dialog • Reciprocal Learning Networks for Human Trajectory Prediction • Counterfactual Vision and Language Learning サーベイしたオーラルセッション動画の論文名一覧 付録2 22
- 23. • 2019D • Semantics Disentangling for Text-To-Image Generation • Progressive Pose Attention Transfer for Person Image Generation • Homomorphic Latent Space Interpolation for Unpaired Image-To-Image Translation • Multi-Channel Attention Selection GAN With Cascaded Semantic Guidance for Cross-View Image Translation • DeepVoxels: Learning Persistent 3D Feature Embeddings • Geometry-Consistent Generative Adversarial Networks for One-Sided Unsupervised Domain Mapping • Animating Arbitrary Objects via Deep Motion Transfer • Label-Noise Robust Generative Adversarial Networks • DLOW: Domain Flow for Adaptation and Generalization • CollaGAN: Collaborative GAN for Missing Image Data Imputation • 2020D • Attentive Normalization for Conditional Image Generation • Contextual Residual Aggregation for Ultra High-Resolution Image Inpainting • SynSin: End-to-End View Synthesis From a Single Image • Disentangled and Controllable Face Image Generation via 3D Imitative-Contrastive Learning • Blurry Video Frame Interpolation • Disentangled Image Generation Through Structured Noise Injection • Cross-Domain Correspondence Learning for Exemplar-Based Image Translation • SketchyCOCO: Image Generation From Freehand Scene Sketches • Single Image Reflection Removal With Physically-Based Training Images • Semantic Pyramid for Image Generation サーベイしたオーラルセッション動画の論文名一覧 付録2 23
- 24. • 2019E • Which Way Are You Going? Imitative Decision Learning for Path Forecasting in Dynamic Scenes • STEP: Spatio-Temporal Progressive Learning for Video Action Detection • GA-Net: Guided Aggregation Net for End-To-End Stereo Matching • Deep Reinforcement Learning of Volume-Guided Progressive View Inpainting for 3D Point Scene Completion From a Single Depth Image • Revealing Scenes by Inverting Structure From Motion Reconstructions • BAD SLAM: Bundle Adjusted Direct RGB-D SLAM • Pushing the Boundaries of View Extrapolation With Multiplane Images • What and How Well You Performed? A Multitask Learning Approach to Action Quality Assessment • NM-Net: Mining Reliable Neighbors for Robust Feature Correspondences • Gaussian Temporal Awareness Networks for Action Localization • 2020E • Extreme Relative Pose Network Under Hybrid Representations • X3D: Expanding Architectures for Efficient Video Recognition • Why Having 10,000 Parameters in Your Camera Model Is Better Than Twelve • Dynamic Multiscale Graph Neural Networks for 3D Skeleton Based Human Motion Prediction • BSP-Net: Generating Compact Meshes via Binary Space Partitioning • Single-Shot Monocular RGB-D Imaging Using Uneven Double Refraction • RoutedFusion: Learning Real-Time Depth Map Fusion • OctSqueeze: Octree-Structured Entropy Model for LiDAR Compression • Blur Aware Calibration of Multi-Focus Plenoptic Camera • Information-Driven Direct RGB-D Odometry サーベイしたオーラルセッション動画の論文名一覧 付録2 24