**摘要：**为了促进视觉功能可供性在真实场景中的研究，在这篇 CVPR 2021 论文中，来自华南理工大学等机构的研究者提出了基于 3D 点云数据的功能可供性数据集 3D AffordanceNet。基于此数据集，研究者提供了三个基准任务，用于评估视觉功能可供性理解。他们在所提出的 3D AffordanceNet 数据集基础上，提出了 3 个视觉功能可供性理解任务，并对利用半监督学习方法进行视觉功能可供性理解以利用未标注的数据样本的方式进行了探索，三个基线方法被用于在所有任务上进行评估，评估结果表明研究者提出的数据集和任务对视觉功能可供性理解在具有价值的同时，也具有挑战性。
**推荐：**2D 和 3D CNN 解决不好视频动作识别，字节跳动等提出更高效的 Action 模块。
这样设计的深度估计网络去除了对纹理信息的影响，可以做到更强的泛化能力。论文中的模型（S2R-DepthNet, Synthesic to Real Depth Network），仅在合成数据上进行训练，不接触任何目标域的真实图像，所得到的模型无需任何额外操作就可以直接在实际的数据集上取得很好的深度估计效果。该方法远超基于域迁移（Domain Adaptation）的方法。
**论文 3：A Connectomic Study of a Petascale Fragment of Human Cerebral Cortex**
**摘要：**今年 3 月 2 日，腾讯发布多模态四足机器人，引起了极大关注，今日，继 Max 之后，腾讯 Robotics X 实验室又一全新机器人亮相：轮腿式机器人 Ollie（奥利），它像一个灵活的「轮滑小子」，能完成跳跃、360 度空翻等高难度动作。伴随着 Ollie 的亮相，腾讯 Robotics X 实验室也公布了技术细节，相关论文已被 ICRA 2021 收录，介绍了轮腿式机器人平衡控制器的设计思路与实验结果。日前在西安举办的 ICRA 2021，腾讯 AI Lab 及 Robotics X 实验室主任张正友博士也受邀作大会报告，介绍了 Robotics X 实验室在机器人移动研究领域的布局与进展，并分享了 Ollie 的技术细节。
如图4所示，研究员们利用了图像到图像转换的框架去训练 STE 的编码器 Es。而为了使得网络可以适应多个风格的图像，并将通用的图像结构从图像中解耦出来，研究员们用一个风格数据集Painter By Numbers (PBN)作为目标域，合成数据作为源域，通过共有的结构编码器和两个私有的风格编码器，分别编码出源域和目标域的结构信息和风格信息。再利用图像自重建损失、潜层特征自重建损失和对抗损失结合的方式将结构信息和风格信息解耦。通过这种方式训练的结构编码器可以编码出通用的结构信息。
提取出的结构图是通用的结构图，不但包含深度相关的结构信息，同时也包含与深度无关的结构信息，因此通过提出深度相关注意力模型预测注意力图，可以有效地抑制与深度无关的结构信息。由于结构编码器中包含了多个 IN 层，导致其损失了很多判别特征，很难包含语义信息，因此设计的深度相关注意力模块使用了大量的膨胀卷积，可以有效在保持分辨率的情况下增大感受野。
**摘要：**近日，英特尔推出了一种深度学习系统，可将 3D 渲染图形转换为逼真的图片。侠盗猎车手 5（GTA 5）上进行测试时，该系统给出了令人印象深刻的结果。此前 GTA 5 的开发人员在重建洛杉矶和南加州的景观方面已经做得非常出色，现在借助英特尔的新系统，画面中的高质量合成 3D 图形能够变为现实生活的描绘。照片级渲染引擎处理单帧可能就要花费几分钟甚至几小时，而英特尔的新系统则能够以相对较高的帧速率处理图像。并且研究者表示，他们还将进一步优化该深度学习模型以更快地工作。这是否意味着实时逼真的游戏引擎即将出现？这很难说，因为还有几个基本问题尚未解决。为此他们撰写了一篇论文来描述该系统的性能，并与其他相似系统进行了对比实验。
