本記事3行要約：
● ECCV2022で、過去最多の投稿数「6,733件」・採択数「1,645件」を記録。
● 日本人研究者の活躍も目覚ましい。
● CVPR / ICCV同様［Transformer］がメイントレンドである。
コンピュータビジョン分野における最高峰の会議として、これまでCVPR（IEEE/CVF Conference on Computer Vision and Pattern Recognition）を取り上げてきましたが、この分野にはさらにICCV（International Conference on Computer Vision）とECCV（European Conference on Computer Vision）という2つのトップティアのカンファレンスがあります。今回はこのECCVを見てまいります。
ECCV 2022 開催概要
▶ 開催期間： 23-27 Oct., 2022
▶ 開催都市： Tel Aviv, Israel
▶ 公式HP： https://eccv2022.ecva.net/
■ECCV2022総括
ECCVとICCVはともに隔年開催で、年をずらして開催されています。今年（2022年）は10月下旬にテルアビブ（イスラエル）で行われました。
この会議は、1990年に第1回がフランス南部の都市アンティーブで開催され、それ以降定期的に開催されています。ヨーロッパ各地で実施される魅力もあり、非常に人気がある会議となっていることも採択難易度を上げる要因になっているかもしれません。
前述の通り、コンピュータビジョン分野では、CVPR・ICCV・ECCVがトップティアになりますが、カンファレンス内容に大きな違いはありません。研究がある程度仕上がってきた時期に応じて、これらのうちどこに投稿しようか選ぶことになるのではないかと思います。
それではいつも通り、ECCVの投稿数・採択率やこれまでの開催地を表1-1に示しました。参考として、表1-2には、oral/poster別での採択数・採択率もまとめています。カンファレンスのスコープなどに関わる説明はCVPRについて解説したものとほぼ同様なのでここでは省略いたします。
参考：
「CVPR」ResearchPortトップカンファレンス定点観測 vol.1
「CVPR2022」ResearchPortトップカンファレンス定点観測 vol.3
| Year | Conference | #submission | #accepted papers (orals+posters) |
acceptance rate (orals+posters) |
Venue |
|---|---|---|---|---|---|
| 1990 | ECCV | 300 | 81 | 27.00% | Antibe, France |
| 1992 | ECCV | 308 | 105 | 34.09% | Santa Margherita Ligure, Italy |
| 1994 | ECCV | 300 | 115 | 38.33% | Stockholm, Sweden |
| 1996 | ECCV | 328 | 123 | 37.50% | Cambridge, UK |
| 1998 | ECCV | 223 | 112 | 50.22% | Freiburg, Germany |
| 2000 | ECCV | 266 | 116 | 43.61% | Dublin, Ireland |
| 2002 | ECCV | 600 | 226 | 37.67% | Copenhagen, Denmark |
| 2004 | ECCV | 555 | 190 | 34.23% | Prague, Czech |
| 2006 | ECCV | 811 | 192 | 23.67% | Graz, Austria |
| 2008 | ECCV | 871 | 243 | 27.90% | Marseille, France |
| 2010 | ECCV | 1174 | 322 | 27.43% | Crete, Greece |
| 2012 | ECCV | 1437 | 408 | 28.39% | Florence, Italy |
| 2014 | ECCV | 1444 | 363 | 25.14% | Zurich, Switzerland |
| 2016 | ECCV | 1561 | 415 | 26.59% | Amsterdam, Netherlands |
| 2018 | ECCV | 2439 | 776 | 31.82% | Munich, Germany |
| 2020 | ECCV | 5025 | 1361 | 27.08% | Online |
| 2022 | ECCV | 6733 | 1645 | 24.43% | Tel Aviv, Israel |
表1-1 ECCV1990-2022論文投稿数・採択率の推移、および開催地
| Year | #accepted papers (orals+posters) |
#orals | oral accept. rate | #posters | poster accept. rate |
|---|---|---|---|---|---|
| 1990 | 81 | 62 | 20.67% | 19 | 6.33% |
| 1992 | 105 | 57 | 18.51% | 48 | 15.58% |
| 1994 | 115 | ||||
| 1996 | 123 | 43 | 13.11% | 80 | 24.39% |
| 1998 | 112 | 42 | 18.83% | 70 | 31.39% |
| 2000 | 116 | ||||
| 2002 | 226 | 45 | 7.50% | 181 | 30.17% |
| 2004 | 190 | 41 | 7.39% | 149 | 26.85% |
| 2006 | 192 | 41 | 5.06% | 151 | 18.62% |
| 2008 | 243 | 40 | 4.59% | 203 | 23.31% |
| 2010 | 322 | 38 | 3.24% | 284 | 24.19% |
| 2012 | 408 | 40 | 2.78% | 368 | 25.61% |
| 2014 | 363 | 38 | 2.63% | 325 | 22.51% |
| 2016 | 415 | 28 | 1.79% | 387 | 24.79% |
| 2018 | 776 | 59 | 2.42% | 717 | 29.40% |
| 2020 | 1361 | 104 | 2.07% | 1257 | 25.01% |
| 2022 | 1645 | 157 | 2.33% | 1488 | 22.10% |
表1-2 oral/poster別 採択数・採択率
図1（表1の投稿数・採択数/率をグラフ化）を見ると、他のComputer Vision系カンファレンスと同様に、2018年から急激に投稿数が増加しています。その流れのままにECCV2022では、過去最多の論文投稿数・採択数を記録しました。採択率からも、近年では25-30%程度で推移しており、難関国際会議の一つであることが見て取れます。
■日本人研究者の活躍
本トップカンファレンス定点観測シリーズでは恒例となった、日本人研究者がどれだけ活躍されているかということもまとめてみました。
今回は、ECVAサイトで論文が無料公開されている2018年から直近3回のデータを解析しています（表2）。
| Year | #accepted papers (orals+posters) |
#JP papers | JP paper rate |
|---|---|---|---|
| 2018 | 776 | 20 | 2.58% |
| 2020 | 1361 | 43 | 3.16% |
| 2022 | 1645 | 53 | 3.22% |
表2 日本人研究者が関連する論文採択数と採択率
これを見ると、全体採択論文数の2-3%が日本人研究者からの投稿であることが分かります。図2では、個人別の論文採択数ランキングを集計した結果を出しております（万全を期しているつもりではありますが、抜けている方がおられましたら申し訳ございません）。
ランキング上位を見ると、海外で活躍されている方も多くおられるようです。また、興味深いことに、専門がコンピュータビジョンではなく、制御工学やCGなどの先生も名前が挙がっているところを見ると、分野間の距離が縮まってきていることが表れているのではないかと推測できます。
| 著者 | 採択数 |
|---|---|
| Tatsuya Harada |
4
|
| Taku Komura |
4
|
| Masayoshi Tomizuka |
4
|
| Yoichi Sato |
3
|
| Shunsuke Saito |
3
|
| Soshi Shimada |
2
|
| Imari Sato |
2
|
| Takayoshi Yamashita |
2
|
| Naoto Yokoya |
2
|
| Tatsumi Uezato |
2
|
| Osamu Yoshie |
2
|
| Hiroaki Santo |
1
|
| Fumio Okura |
1
|
| Yasuyuki Matsushita |
1
|
| Takaaki Shiratori |
1
|
| Jun Saito |
1
|
| Tatsuya Yatagawa |
1
|
| Hiromasa Suzuki |
1
|
| Yuki Kawana |
1
|
| Yusuke Mukuta |
1
|
| Masato Tamura |
1
|
| Yoshiki Kubotani |
1
|
| Shigeo Morishima |
1
|
| Hiroyasu Akada |
1
|
| Masaki Takahashi |
1
|
| Naoya Iwamoto |
1
|
| Akira Suzuki |
1
|
| Ryosuke Furuta |
1
|
| Yohei Nakata |
1
|
| Tomoyuki Okuno |
1
|
| Naoki Okamoto |
1
|
| Tsubasa Hirakawa |
1
|
| Hironobu Fujiyoshi |
1
|
| Hajime Nagahara |
1
|
| Yusuke Sekikawa |
1
|
| Ikuro Sato |
1
|
| Koichi Shinoda |
1
|
| Atsuhiro Noguchi |
1
|
| Shintaro Shiba |
1
|
| Yoshimitsu Aoki |
1
|
| Nobuhiko Wakai |
1
|
| Satoshi Sato |
1
|
| Yasunori Ishii |
1
|
| Atsushi Yamashita |
1
|
| Shunta Maeda |
1
|
| Hiroshi Sasaki |
1
|
| Kuniaki Saito |
1
|
| Takumi Kobayashi |
1
|
| Yusuke Matsui |
1
|
| Kiyoharu Aizawa |
1
|
| Atsuro Okazawa |
1
|
| Ren Togo |
1
|
| Takahiro Ogawa |
1
|
| Miki Haseyama |
1
|
| Itsuki Ueda |
1
|
| Yoshihiro Fukuhara |
1
|
| Hirokatsu Kataoka |
1
|
| Hiroaki Aizawa |
1
|
| Hidehiko Shishido |
1
|
| Itaru Kitahara |
1
|
| Gaku Nakano |
1
|
| Naoto Usuyama |
1
|
| Masanori Suganuma |
1
|
| Takayuki Okatani |
1
|
| Kengo Nakata |
1
|
| Daisuke Miyashita |
1
|
| Asuka Maki |
1
|
| Jun Deguchi |
1
|
図2 日本人研究者ごとのECCV2022論文採択数
別の視点で、2018-2022の間に2件以上の論文採択された方だけに絞ってランキングを出してみました（図3）。
やはりCV分野における大御所の先生方の研究室から多数採択されていることが分かります。おそらく、研究室の目標の一つがトップティアの学会に投稿することになっており、カルチャーとして根付いているのだと思われます。また、研究室内で研究クオリティを上げるための仕組みが上手く機能していることなどもあるかもしれません。
個人別採択数ランキング
| 著者 | 採択数 |
|---|---|
| Tatsuya Harada |
7
|
| Yasutaka Furukawa |
6
|
| Imari Sato |
5
|
| Hajime Nagahara |
5
|
| Yasuyuki Matsushita |
5
|
| Masayoshi Tomizuka |
5
|
| Yoichi Sato |
4
|
| Naoto Yokoya |
4
|
| Shunsuke Saito |
4
|
| Taku Komura |
4
|
| Hiroaki Santo |
3
|
| Kuniaki Saito |
3
|
| Takaaki Shiratori |
3
|
| Osamu Yoshie |
3
|
| Tatsumi Uezato |
3
|
| Kazuyuki Miyazawa |
2
|
| Yoshitaka Ushiku |
2
|
| Yuta Asano |
2
|
| Masatoshi Okutomi |
2
|
| Keita Takahashi |
2
|
| Toshiaki Fujii |
2
|
| Ko Nishino |
2
|
| Akihiro Sugimoto |
2
|
| Ryoma Bise |
2
|
| Jun Murayama |
2
|
| Kiyoharu Aizawa |
2
|
| Masanori Suganuma |
2
|
| Takayuki Okatani |
2
|
| Soshi Shimada |
2
|
| Takayoshi Yamashita |
2
|
図3 ECCV2018-2022 論文採択数【個人別ランキング】
参考：
単独トップの原田達也 氏が登壇するイベント（CCCwinter2022）はこちらから。
■トレンドキーワードの推移
続いて、論文タイトルにおけるキーワード出現頻度の推移を見てみました。タイトルのみを対象とし、タスクレベルと手法レベルでキーワードを抜き出し、それぞれの出現頻度を調べてみました（表3）。
今年開催したCVPRとそれほど大きな違いはなく、ECCV2022でも相変わらず「Transformer」と「Object Detection」が上位2キーワードでした。以下、多少の違いとしては、3位に「Few shot」がランクインしていることや、「Unsupervised」が「Semi Surpervised」より上位にあるなどが見られましたが、全て10位以内に出現しております。やはり、大量データを用いた学習や、より少ないサンプルで学習させるなどの応用に対する興味を反映した結果だと思われます。
| 2018 | 2020 | 2022 | |||
|---|---|---|---|---|---|
| Attention | 4.77% | Object Detection | 5.30% | Transformer | 6.32% |
| Unsupervised | 3.99% | Adversarial | 4.42% | Object Detection | 4.68% |
| Adversarial | 3.87% | Unsupervised | 3.39% | Few Shot | 3.59% |
| Object Detection | 3.87% | Attention | 3.17% | Self Supervis | 3.59% |
| Semantic Segmentation | 2.06% | Semantic Segmentation | 2.80% | Attention | 3.10% |
| Domain Adaptation | 1.55% | Domain Adaptation | 2.58% | Unsupervised | 2.92% |
| 3D | 1.42% | Weakly Supervised | 1.99% | Semantic Segmentation | 2.61% |
| Sparse | 1.29% | Point Cloud | 1.91% | Adversarial | 2.49% |
| End to End | 1.16% | Self Supervis | 1.40% | Point Cloud | 2.19% |
| Re identification | 1.16% | Disentangl | 1.40% | Semi Supervised | 1.82% |
| Captioning | 1.16% | Semi Supervised | 1.10% | Domain Adaptation | 1.64% |
| Face Recognition | 1.03% | Sparse | 1.10% | Representation Learning | 1.58% |
| Metric Learning | 1.03% | Instance Segmentation | 1.03% | Contrastive Learning | 1.52% |
| Question Answer | 1.03% | Re Identification | 1.03% | Disentangl | 1.28% |
| Instance Segmentation | 1.03% | Knowledge Distillation | 1.03% | Pre training | 1.28% |
| Weakly Supervised | 1.03% | Wild | 0.96% | Weakly Supervised | 1.28% |
| Action Recognition | 1.03% | Few Shot | 0.96% | Sparse | 1.16% |
| Light Field | 0.90% | Self supervis | 0.96% | 3D | 1.03% |
| Neural Network | 0.90% | Few shot | 0.96% | Super Resolution | 0.97% |
| Wild | 0.90% | Super Resolution | 0.96% | Instance Segmentation | 0.97% |
| Reinforcement Learning | 0.90% | 3D | 0.88% | Cross Modal | 0.91% |
| Object Tracking | 0.90% | Re identification | 0.88% | End to End | 0.79% |
| Cross Modal | 0.77% | Representation Learning | 0.88% | Multi modal | 0.79% |
| Video | 0.77% | Captioning | 0.81% | Action Recognition | 0.79% |
| Self Supervis | 0.77% | Face Recognition | 0.81% | Knowledge Distillation | 0.79% |
| Weakly supervised | 0.77% | Neural Network | 0.74% | Object Tracking | 0.73% |
| Zero Shot | 0.77% | Zero Shot | 0.74% | Boosting | 0.73% |
| Semi Supervised | 0.77% | End to End | 0.66% | Image Generation | 0.73% |
| 3D Reconstruction | 0.77% | Action Recognition | 0.66% | Re identification | 0.67% |
| Image Retrieval | 0.64% | Question Answer | 0.59% | Wild | 0.61% |
| Point Cloud | 0.64% | Image Classification | 0.59% | Zero Shot | 0.61% |
| Knowledge Transfer | 0.52% | Style Transfer | 0.59% | Video | 0.61% |
| Deep Learning | 0.52% | Image Generation | 0.59% | 3D Reconstruction | 0.55% |
| Image Generation | 0.52% | Reinforcement Learning | 0.59% | Spatio Temporal | 0.55% |
| Person Search | 0.52% | Metric Learning | 0.59% | Image Retrieval | 0.55% |
| Deep Feature | 0.52% | Video | 0.52% | Incremental Learning | 0.55% |
| Video Generation | 0.52% | ||||
| Super Resolution | 0.52% | ||||
| Image Classification | 0.52% | ||||
| Semi supervised | 0.52% | ||||
| Re Identification | 0.52% | ||||
表3 論文タイトルにおけるキーワード出現頻度の推移（2018-2022年）
■まとめ
最後にECCV2022の論文賞を振り返っておきたいと思います。論文賞については、こちらのページでも確認することができます。
論文賞は、Wisconsin大学の研究グループによる”On the versatile uses of partial distance correlation in deep learning”で、NNの特徴間の距離を、CCAの拡張であるDistance correlationにより測る方法についての解析的な論文でした。
Best paper honorable mentionは2つあり、1つはTubingen大学とMax Planck研究所、Metaの研究グループによる”Pose-NDF: modelling human pose manifolds with neural distance fields”で、符号なし距離場において、人の取りうる姿勢をゼロ等高線になるように学習しておき、人の様々かつ自然な姿勢系列を出力する手法に関するものでした。
2つ目は、UCSDの研究グループによる”A level set theory for neural implicit evolution under explicit flows”で、符号付き距離場などで表現したサーフェスの変形をさせるための方法に関するものでした。
こうして見てみると、深層学習が一般的になってから、あらゆるタスクが深層学習と言う方法論で塗り替えられたかのようになっていましたが、陰関数表現を中心としてしっかりと以前の理論的な進展が最新の手法と融合してきており、やはり無駄ではなかったと思わせられるような進化ですね。
編集：ResearchPort事業部
■Contact
本記事に関する質問や、ご意見・ご要望などがございましたらResearchPortまでお問い合わせください。
https://research-p.com/contactform/
-
2024年10月21日
「ACL2024」ResearchPortトップカンファレンス定点観測 vol.16
-
2024年7月15日
「ICLR 2024」ResearchPortトップカンファレンス定点観測 vol.15
