BUPT-PRIV团队继2018、2019连续两年获得COCO-Densepose冠军，2020年获得CVPR LIP多人体解析竞赛两项冠军以来，基于实验室自主研发的Pet深度学习平台，继续深耕人体视觉理解和语义分割问题。
在本届CVPR国际竞赛中，BUPT-PRIV与苏黎世联邦理工学院（ETH Zurich）、北京理工大学（BIT）、中科院自动化所（CASIA-IVA）及百度等高校和企业合作，获得了2项冠军和2项亚军：L2ID高分辨率人体解析赛道的冠军、AutoNUE语义分割赛道的冠军、PIC短视频人脸解析赛道的亚军（腾讯冠军）、Woodscape鱼眼语义分割挑战赛的亚军（美团冠军）。
在L2ID高分辨率人体解析赛道和PIC 短视频人脸解析赛道两个赛道中，PRIV团队延续了在CVPR 2020 LIP挑战赛的竞赛方案：质量感知网络QANet (https://arxiv.org/abs/2103.05997)。质量感知网络主要分析了当前实例评分机制存在的问题，提出了基于综合检测框得分、交并比得分和像素得分的实例级质量评价方法。在此次的两个竞赛中，PRIV团队验证了QANet在人体视觉理解不同任务方向上的适用性，并针对任务的特点调整了训练和推理策略，最终获得了优异的成绩。
质量感知网络结构
AutoNUE 语义分割赛道和Woodscape鱼眼语义分割挑战赛都是针对自动驾驶场景中的语义分割问题。PRIV团队将transformer架构与苏黎世联邦理工学院（ETH Zurich）提出的对比分割ContrastiveSeg (https://arxiv.org/abs/2101.11939)方法结合，挖掘训练集中所有图像的全局上下文信息提升语义分割效果，在众多的参赛队伍中脱颖而出。
对比分割方法结构
向获奖师生团队表示热烈祝贺！
