6月19日-25日，计算机视觉和模式识别领域的三大顶级会议之一CVPR在线上盛大举行，深兰科技在本届会议中组织了两支团队参赛，共获得了五冠七亚两季，共计14项大奖，再一次奠定了深兰在计算机视觉领域的全球领先地位。

深兰获奖荣誉速览

冠军任意到任意的深度图 引导的图像重照明挑战赛

NTIRE 2021 Depth Guided Relighting Challenge Track 2: Any-to-any relighting

本次竞赛属于NTIRE研讨会系列竞赛之一。NTIRE主要研究图像恢复、增强新趋势，聚焦图像视频的质量改进与评估，是近年来计算机图像修复领域最具影响力的研讨会之一。

竞赛要求为基于示例的单个图像重新照明，即操纵在特定照明设置（光源位置和色温）下捕获的输入图像，使其看起来像是在不同设置下拍摄的。

近些年，图像重新照明越来越受到关注，因为它允许照片增强或修饰，并且是一种特定于照明的样式转换形式，而所有这些都被深度学习方法所推动。竞赛使用用于照明传输的虚拟图像数据集 (VIDIT)，DeepBlueAI团队主要参与了Track2赛道并取得总成绩第一。

双冠动作识别挑战赛（锁定双赛道）

MMAct Challenge 2021

2021年 MMAct 挑战赛在 CVPR2021 动作识别国际挑战赛 (ActivityNet) 研讨会上举办。竞赛要求参赛者提出跨模态视频动作识别/定位方法，以弥补使用 MMAct数据集的纯视觉方法的缺点。

此任务的目标是利用基于传感器，例如穿戴式传感器数据作为特权信息，以及基于视觉的模态，其方式可以克服训练（传感器 + 视频）和测试（仅视频）阶段之间模态差异所带来的限制。挑战赛促进了关于如何通过使用跨模态方法解决视觉挑战的另一种观点，希望扩大对视频动作理解的研究，以进一步利用日常使用的智能设备（例如智能手机）中的传感器。

DeepBlueAI团队参与了跨模态视频动作识别与时序定位两个赛道，并分别以大比分领先取得第一。

赛道一：

赛道二：

冠军低分辨率视频行为识别挑战赛

TinyAction Challenge

TinyAction Challenge同属CVPR2021 动作识别国际挑战赛 (ActivityNet) 研讨会，竞赛旨在提高低分辨率高噪声等真实监控场景下的视频行为识别能力，并提供大量真实场景视频片段及标注，每个视频片段中可能含有多个动作，本质是一个多标签的行为识别任务。

面对视频分辨率很低、尺度多样、质量较差且含有大量噪声、以及场景和行为多样等难点，深兰团队合理地选择了模型算法，进行了精细的模型训练，同时在数据的后处理上做了大量的优化，有效实现了低分辨率高噪声视频中行为识别，并最终大比分领先，获得冠军。

深兰团队竞赛数据信息

冠亚包揽植物病理识别挑战赛

Plant Pathology 2021

深兰科学院的两支团队在FGVC第8届研讨会中包揽了植物病理识别挑战赛的冠军和亚军，这也是深兰连续三年问鼎该赛事。

竞赛是要识别苹果树叶是否有疾病以及相应的疾病种类（同一个叶子可能有多种疾病），难点主要包括：可能存在脏数据、多标签数据的严重缺少等。团队在有限时间内，仅凭完成了一半的方案即获得了冠军，而另一支深兰劲队紧随获得亚军。

深兰团队竞赛数据信息

CVPR 2021整体战绩

（以赛事四大研讨会汇总）

NTIRE

ActivityNet

FGVC8

UG2

Challenge