近日，IEEE国际计算机视觉与模式识别会议 CVPR 2020 (IEEE Conference on Computer Vision and Pattern Recognition)公布了官方论文结果。 该大会将于 6 月 14-19 日在美国西雅图举行。

　　在公布的结果中，旷视研究院 16 篇论文被收录，研究领域涵盖物体检测与行人重识别（尤其是遮挡场景），人脸识别，文字检测与识别，实时视频感知与推理，小样本学习，迁移学习，3D感知，GAN与图像生成，计算机图形学，语义分割，细粒度图像等众多领域，取得多项领先的技术研究成果，这与3月25日开源的旷视AI平台Brain++密不可分。

　　其中在论文《High-Order Information Matters: Learning Relation and Topology for Occluded Person Re-Identification》中，旷视科技提出了一个新的框架，用于更具判别力的特征学习和鲁棒的特征对齐。在特征学习阶段，研究员通过将一张图像的一组局部特征视为图（graph）的节点（node）来学习关系信息。通过在图中传递信息，因关键点被遮挡而导致的无意义特征问题，可以通过其相邻的有意义的特征进行改善。

　　据了解，行人重识别（ReID）任务的目标是去匹配不同摄像机拍摄到的同一个人的图像，它广泛应用于视频分析、智慧城市等领域。虽然人们近来提出了多种针对ReID的方法，然而，它们大多侧重于人的全身图像，忽略了更具挑战性且也是实际应用中经常出现的行人遮挡问题。