第三届“计图”人工智能算法挑战赛启动

2023/04/22 Tutorial

第三届“计图”人工智能算法挑战赛启动

计图(Jittor)人工智能算法挑战赛是在国家自然科学基金委信息科学部指导下，由北京信息科学与技术国家研究中心和清华大学-腾讯互联网创新技术联合实验室于2021年创办、基于清华大学Jittor深度学习框架的人工智能算法大赛。2022年起，该赛事也作为中国软件开源创新大赛中开源任务挑战赛的赛事之一，开展AI算法竞赛。大赛面向所有在校学生和AI 相关领域从业人士开放，旨在通过竞技的方式提升人们对数据分析与处理的算法研究与技术应用的能力，推动我国自主人工智能平台的生态建设和人工智能研究和应用的深入。竞赛得到腾讯公司的赞助。

Part 1
挑战赛的组织机构
挑战赛邀请人工智能领域的权威专家和国家自然科学基金委相关的主管领导参加指导委员会。并组建了包括高校、研究院所的学者和IT企业的资深技术专家在内的专家委员会，负责挑战赛的评审，专家委员会的名单如下。
专家委员会 (按字母顺序)
  • 程明明，南开大学计算机学院教授

  • 董未名，中科院自动化所研究员

  • 高   林，中科院计算所副研究员

  • 郭延文，南京大学计算机科学与技术系教授

  • 胡事民，清华大学计算机科学与技术系教授

  • 黄   高，清华大学自动化系副教授

  • 黄   华，北京师范大学人工智能学院教授

  • 李庆利，华东师范大学通信与电子工程学院教授

  • 刘  偲，北京航空航天大学人工智能学院教授

  • 孟德宇，西安交通大学数学与统计学院教授

  • 闵卫东，南昌大学软件学院教授

  • 万鹏飞，快手Y-tech AI技术中心负责人

  • 谢育涛，粤港澳大湾区数字经济研究院工程总监

  • 严骏驰，上海交通大学计算机学院教授

Part 2
挑战赛的赛题介绍
本届挑战赛设置一个热身赛(手写数字生成赛题)和两个正式赛题(风格及语义引导的风景图片生成赛题、可微渲染新视角生成赛题)，参赛选手需要顺利通过热身赛，才能参加两个正式赛题的算法竞赛。
  • 计图挑战热身赛（手写数字生成赛题）
本赛道将在数字图片数据集  MNIST 上训练Conditional GAN模型[1]，通过输入一个随机向量 z 和额外的辅助信息 y(如类别标签)，生成一段给定数字的图像，如图1。比如用户的随机ID是 18012345678，那么一种可能的提交结果图像为：

图1 手写数字生成结果

比赛报名和参赛的入口为：

https://www.educoder.net/competitions/index/Jittor-4   
  • 赛题一：风格及语义引导的风景图片生成赛题

图像生成任务一直以来都是十分具有应用前景的计算机视觉任务，从语义分割图生成有意义、高质量的图片仍然存在诸多挑战，如保证生成图片的真实性、清晰程度、多样性、美观性等。一种条件图像合成的方式是，用两张图片作为输入，经过处理转换后生成一张新的图片，其中一张输入为语义分割图片（称为mask图），指示生成图片（称为gen图）的语义信息；另一张输入为参考风格图片（称为ref图），从色调等方面指示gen图的风格信息。

本赛题将会提供1000张测试分割图片作为mask图，每张mask图会对应一张训练集中的图作为ref图，参赛选手需要根据测试图片生成符合语义标签的风景图片，如图2。

图2 语义分割图和风景图片

比赛报名和参赛的入口为：

https://www.educoder.net/competitions/index/Jittor-4

  • 赛题二：大规模无监督语义分割赛题

大规模无监督语义分割是计算机视觉领域的一个活跃研究领域，在自动驾驶、遥感、医学成像和视频监控等领域有许多潜在的应用，其涉及不使用有标签训练数据的情况下自动将图像内的相似区域或对象分组在一起[2]。该任务的目标是生成一个语义分割图，将图像中的每个像素分配给特定的语义类别，例如“车辆”、“建筑”或“天空”等。

本赛题将会提供1000张测试图片，选手对测试集图片进行推理，得到伪标签分割图(选手提交)，将其与真实标签分割图进行匹配 (评测服务器上统一匹配算法)，得到最终语义分割图，如图3。

图3 语义分割图的可视化

比赛报名和参赛的入口为：

https://www.educoder.net/competitions/index/Jittor-4

Part 3
参赛规则和奖项
所有参赛选手都必须在头歌平台注册报名，参赛选手需确保注册时提交信息准确有效。

https://www.educoder.net/competitions

参赛者在规定时间内须使用Jittor深度学习框架进行模型的设计、训练和预测。

为了帮助用户快速上手计图，Jittor团队联合头歌平台发布计图深度学习框架实践课程。本课程全面、系统地介绍了Jittor深度学习框架的基础模块、模型训练测试流程、基础网络结构编写、计算机视觉任务实现以及模型库的使用。学习本课程需要有一定的Python编程基础以及一定的深度学习基础。Jittor深度学习框架实践课程的主页是:

https://www.educoder.net/paths/89rcg6jn

Jittor的教程和相关信息，详见Jittor官网、GitHub网页或Gitlink网页：

https://cg.cs.tsinghua.edu.cn/jittor/

https://github.com/Jittor/Jittor

https://www.gitlink.org.cn/Jittor/jittor

选手可2-3人组队或单人成队参赛，每位选手只能加入一支队伍，报名截止日期之后不允许更改队员。

本次竞赛得到腾讯公司的赞助，大赛奖金共28万，两个赛题分别评审，每个赛题的奖项如下。

比赛成绩优秀者，还可以获得腾讯校园招聘（包括实习）的绿色通道或其他便利，可提升简历曝光度及面试发起率。

Part 4
挑战赛的时间安排
本届Jittor 人工智能算法挑战赛具体时间安排如下。

挑战赛的评奖以B榜成绩为准。竞赛组委会对排在B榜前列队伍进行模型和代码审核，要求在Jittor平台上，复现榜单最优成绩；遴选通过审核的前10名参赛队伍进入决赛答辩。

选手可以在计图讨论社区 - 挑战赛专栏参与讨论，论坛地址：

https://discuss.jittor.org/c/competion/7

大赛还设赛事交流QQ群：1018591346; 此外，大赛还将采用“腾讯乐享犀牛鸟校园”作为在线学习交流讨论平台，后续将与QQ群同步开展。敬请关注！欢迎在校学生和AI相关领域从业人士注册参赛！

参考文献
  • Mehdi Mirza, Simon Osindero, Conditional Generative Adversarial Nets，arXiv:1411.1784, 2014.

  • Shanghua Gao, Zhong-Yu Li, Ming-Hsuan Yang, Ming-Ming Cheng, Junwei Han, Philip Torr, Large-scale Unsupervised Semantic Segmentation,  EEE Transactions on Pattern Analysis and Machine Intelligence, 2022.

GGC往期回顾

1.  计图团队与头歌平台合作发布“计图深度学习框架实践课程”
2. 计图团队发布大模型推理库，大幅降低硬件配置要求
3. 计图开源：降低40%标注代价！只需水平标注的旋转目标检测新框架H2RBox
4. CVMJ新增两篇ESI高被引论文，两篇论文入选热点论文
5. 计图适配天数智芯、性能大幅超过PyTorch、支持前沿AI应用

您可通过下方二维码，关注清华大学计算机系图形学实验室，了解计算机图形学、Jittor框架、CVMJ期刊及会议的相关资讯。

Search

    Table of Contents