Výzkumníci z Českého institutu informatiky, robotiky a kybernetiky ČVUT (CIIRC ČVUT), mezi nimi Torsten Sattler, Patrik Beliansky, Tomáš Pajdla, Josef Šivic, Martin Cífka a Anna Šárová Mikeštíková, představili výsledky svého výzkumu na konferenci IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), která se konala ve dnech 3. až 7. června 2026 v Denveru ve státě Colorado v USA. CVPR patří mezi nejvýznamnější světové konference v oblasti počítačového vidění. V roce 2026 zaznamenala rekordní zájem, když bylo přijato 4 072 příspěvků z celkového počtu 16 092 zaslaných.
Dva příspěvky prezentované na workshopu Image Matching
Dva ze čtyř příspěvků byly prezentovány na workshopu Image Matching, jehož spolupořadateli byli prof. Jiří Matas a Dmytro Mishkin z Fakulty elektrotechnické ČVUT (FEL ČVUT).
První příspěvek Can We Make NeRF-Based Visual Localization Privacy-Preserving? (Maxime Pietrantoni, Martin Humenberger, Torsten Sattler, Gabriela Csurka) se zabývá problematikou vizuální lokalizace s ochranou soukromí. Vizuální lokalizace je úloha určování pozice a orientace, ze které byl pořízen zadaný snímek. Cílem přístupu s ochranou soukromí je umožnit lokalizaci při současném zveřejnění co nejmenšího množství citlivých informací, a to jak v dotazovacích snímcích, tak ve 3D reprezentaci scény používané pro lokalizaci. Autoři navrhují reprezentaci scény založenou na neuronových radiačních polích (NeRF), která místo původních snímků využívá jejich segmentace jak pro reprezentaci dotazovacích snímků, tak pro trénování modelu scény. Příspěvek prezentoval Maxime Pietrantoni.
Druhý příspěvek Privacy-Preserving Structureless Visual Localization via Image Obfuscation (Vojtěch Pánek, Patrik Beliansky, Zuzana Kúkelová, Torsten Sattler) se rovněž zaměřuje na vizuální lokalizaci s ochranou soukromí. Autoři ukazují, jak lze běžný systém vizuální lokalizace upravit tak, aby chránil soukromí, a to prostřednictvím obfuskování jak dotazovacích snímků, tak reprezentace scény, například využitím sémantických segmentací místo původních obrazů. Výzkum vznikl ve spolupráci se Zuzanou Kúkelovou z FEL ČVUT. Příspěvek prezentoval Patrik Beliansky.
Oba příspěvky byly vybrány k ústní prezentaci.
Poster prezentovaný v sekci Findings
Příspěvek Active Exploration for Sparse Visual Localization (Johanna Lidholm, Ludvig Dillén, Zuzana Kúkelová, Torsten Sattler, Viktor Larsson) byl prezentován formou posteru v nově zavedené sekci Findings. Autoři se zaměřují na to, jak zvýšit efektivitu a robustnost standardního systému vizuální lokalizace pomocí lokálního průzkumu scény. Výzkum vznikl ve spolupráci se Zuzanou Kúkelovou z FEL ČVUT a skupinou Viktora Larssona na Lundské univerzitě ve Švédsku.
Příspěvek oceněný jako CVPR Highlight
Příspěvek Simple but Effective Triplet-Based Compression Strategies for Compact Visual Localization (Torsten Sattler, Zuzana Kúkelova) byl prezentován formou posteru v hlavním programu konference.
Autoři se zabývají možnostmi zmenšení reprezentace scén využívaných pro vizuální lokalizaci tak, aby se snížily nároky na paměť při zachování přesnosti lokalizace. Navrhují soubor jednoduchých kompresních strategií, které jsou téměř triviální na implementaci, přesto dosahují výsledků srovnatelných nebo lepších než současný stav poznání.
Příspěvek, který vznikl ve spolupráci se Zuzanou Kúkelovou z FEL ČVUT, získal ocenění CVPR Highlight. Toto ocenění obdrželo pouze 578 příspěvků, tedy 14,1 % z celkového počtu 4 072 přijatých prací.
Příspěvky z CIIRC ČVUT v hlavním programu konference
Na programu konference CVPR se podíleli také další výzkumníci z CIIRC ČVUT.
Tomáš Pajdla je spoluautorem příspěvku Minimal Constraint Relaxation for Multiview Autocalibration (Norio Kosaka, Timothy Duff, Tomáš Pajdla), který se zabývá autokalibrací kamer z více pohledů.
Josef Šivic je spoluautorem příspěvku AlignPose: Generalizable 6D Pose Estimation via Multi-view Feature-metric Alignment (Anna Šárová Mikeštíková, Médéric Fourmy, Martin Cífka, Josef Šivic, Vladimir Petrík), který se zaměřuje na zobecnitelný odhad 6D polohy objektů pomocí vícepohledového zarovnání příznaků a metrik.
