CVPR 2022放榜！录用 2067 篇，接收数量上升24%

昨天，朋友圈已经被 CVPR 2022 论文接收结果公布的消息刷屏。

作为人工智能领域的顶级会议，CVPR 每年都会吸引大量研究机构和高校参会，投稿量在去年 11 月临近 deadline 时迅速超过了一万——上届 CVPR 2021 的有效投稿数还「仅有」7500 篇。创新高的投稿数引发了审稿压力，截止 1 月 25 日，共有 6427 位审稿人给出了 25801 个评审意见，包括 2104 位紧急审稿人的 3066 个紧急评审意见。

目前，CVPR 官方放出了今年大会接收的论文 ID，有 2067 篇论文被接收。

论文接收 ID 列表：https://drive.google.com/file/d/15JFhfPboKdUcIH9LdbCMUFmGq_JhaxhC/view

在 meta review 之后，本届的最终论文接收结果将在一到两天后公布。

恭喜上榜的同学！

在欢呼并开始自我宣传的同时，也有人第一时间进行了本届接收论文的统计分析，看起来越早提交论文越好：

显然，越早提交的同学，通常研究完成度较高，没有赶 deadline 时的仓促。

今年的投稿也给人带来了一些经验教训。

早在去年 10 月，CVPR 官方就发布了重要通知：按照计划，从 2021 年 10 月 19 日到 2022 年 3 月 2 日为社交媒体静默期。在此期间，任何由作者主动发起的对论文的社交媒体宣传都被视为违反政策。

今天结果发下来，确实也有因为自行宣传投稿而被拒的情况出现。有论文作者在社交软件上表示，之前自己组里学生三个 weak accept 的工作 做了宣传页，并把 demo 上传了 YouTube，结果一封拒信发来：

这项规定的宗旨是解决同行评审过程中，因为作者机构被曝光后产生的偏见问题，虽然有人（比如 AI 先驱 Yann LeCun）表示反对，认为会影响前沿技术的传播速度，但目前看来 CVPR 会方执行得非常严格。

不过需注意，把论文发到预印版论文平台 arXiv 上，再用推特转发链接，或者是其他人在讨论，都是不违反规定的。

最大悬念：Masked Autoencoders 能否夺得最佳论文？

2021 年 11 月，何恺明时隔两年发布了一作论文《Masked Autoencoders Are Scalable Vision Learners》，当时上传到 arXiv 才不到半天，就登上了知乎热榜。

当时社交网络上就有一些讨论表示，这篇论文说不定能「预定」CVPR 2022 的最佳。一方面是因为 MAE 研究的确是按照 CVPR 格式上传的，同时也是因为 Masked Autoencoders 确实是一项很有质量的工作。这篇论文也是在太平洋时间 11 月 16 日的 CVPR 2022 论文提交截止时间之前上传的。

论文链接：https://arxiv.org/abs/2111.06377

这篇论文展示了一种被称为掩蔽自编码器（masked autoencoders，MAE）的新方法，可以用作计算机视觉的可扩展自监督学习器。MAE 基于两个核心理念：研究人员开发了一个非对称编码器 - 解码器架构，其中一个编码器只对可见的 patch 子集进行操作（没有掩蔽 token），另一个简单解码器可以从潜在表征和掩蔽 token 重建原始图像。

研究人员进一步发现，掩蔽大部分输入图像（例如 75%）会产生重要且有意义的自监督任务。结合这两种设计，我们就能高效地训练大型模型：提升训练速度至 3 倍或更多，并提高准确性。

作者认为，这种可扩展方法允许学习泛化良好的高容量模型：例如在仅使用 ImageNet-1K 数据的方法中，vanilla ViT-Huge 模型实现了最佳准确率 (87.8%)。在下游任务中的传输性能优于有监督的预训练，并显示出可观的扩展能力。

Masked Autoencoders 提出了一种泛化性能良好的计算机视觉识别模型，有望为 CV 的大模型带来新方向，被寄予「获得最佳论文」的厚望也在情理之中。但获奖对于何恺明应该不是最重要的事，毕竟他已经多次获得 CVPR 奖项：包括 2009 年 CVPR 的 Best Paper，2016 年又获 Best Paper。

时隔六年，恺明大神会再度摘得最佳论文奖吗？一切都是悬念。