本次出访的国际计算机视觉会议（ICCV）是计算机视觉领域最高级别的国际学术会议，属于中国计算机学会（CCF）推荐的A类会议。 2025年的ICCV会议在美国夏威夷州檀香山市举行，吸引了来自全球顶尖高校、科研机构和企业的众多专家学者参会。
作为计算机视觉领域最重要的年度盛会之一，ICCV 2025的竞争异常激烈。我们团队此次投稿的论文《A Linear N-Point Solver for Structure and Motion from Asynchronous Tracks》经过严格的双盲评审，最终被大会接收为Highlight论文。本文提出了一种统一的方法，用于从具有任意时间戳的二维点对应关系中估计结构和线性运动。通过将问题表述为一阶动力学并利用恒定速度运动模型，我们推导出了一个新颖的线性点关联关系，从而能够有效地恢复线速度和三维点，并具有可预测的简并性和解的多样性。由于其通用性，该方法可以处理来自各种传感模式（如全局快门、卷帘快门和事件相机）的对应关系，甚至可以结合来自不同位置传感器的对应关系。我们在模拟和真实数据上验证了我们求解器的有效性，结果表明，与最新方法相比，我们的方法在所有模式下都有一致的改进。我们相信这项工作为从异步数据中进行高效的结构和运动估计开辟了道路。
会议期间，我全程参与了相关方向的研讨会、口头报告、主旨演讲和学术海报展示环节。通过聆听大会特邀报告和各分组报告，我全面了解了计算机视觉领域的最新发展趋势和技术热点，包括生成式AI在图像合成与编辑领域的突破、端到端模型的通用性提升、对模型鲁棒性和公平性的日益关注，以及3D视觉与新传感模式的深度融合等。我学习了多种新颖的研究方法和算法框架，特别是在处理非同步传感器数据、自监督学习的新模型架构以及高效3D重建等方面的最新进展。这些都为我们今后的研究提供了新的工具和思路。
图 1 海报展示
海报展示期间获得的反馈至关重要。来自不同研究背景的学者们对我们的工作表现出浓厚兴趣，他们的提问和建议，帮助我更深刻地认识到我们研究的优势与不足，并发现了一些潜在的改进方向，例如将模型扩展到更复杂的动态场景。这些反馈将直接指导我后续的研究工作，使之更加完善和具有影响力。与同行交流过程中激发的思想火花，让我对异步视觉数据的几何建模有了新的理解，也为未来的研究方向提供了新的灵感。
这次参加ICCV 2025收获很大。通过会议交流和海报展示，我了解到很多新的研究方向和实验方法，也收到了一些非常有价值的建议。接下来我会整理会议笔记，将所学到的知识和获得的启发应用到自己当前的研究课题中。
沪公网安备 31011502006855号
