Category: 文章

Game Over: How Nintendo Conquered The World 作者是David Sheff，中文译本名字 《游戏结束：任天堂全球征服史》。

很有趣的一本书，以任天堂的发家扩张为主线，讲到了很多游戏和游戏公司的往事。可能是因为历史本身比较精彩，直接讲出来就已经是很吸引人的故事了。

作者成书于1993年，那个时候正值老任高光时刻。每年的税前利润已经大于10亿美元，比当时美国所有的电影片商和三大电视网络公司加起来还多。当时出新主机的时候，抢购的狂热程度和现在也没两样，瞬间售罄，黄牛倒卖，无良商贩打包其他乱七八糟的游戏出售。我看到这段的时候就想到上次排队抢 switch，最后也是不得以被 GameStop 卖了个 Bundle。

挺有趣的事情是，其实任天堂最早是卖一种日本纸牌的，叫花札 Hanafuda。当时的创始人叫 山内 (Yamauchi) 房治郎。任天堂的名字也挺有意思，翻译过来就是“听天命”。书上英文描述了半天 (deep in the mind we have to do whatever we have to do)，感觉还是中文比较直接，还挺佛系的。前期的老任就靠纸牌赚得也是不少，但也就只是一家纸牌公司，市场体量有限。直到山内的曾孙山内溥 (Hiroshi Yamauchi) 在1949年接手任天堂之后，才让这家公司一举成为世界级的游戏公司。

山内溥是任天堂发展史上的重要人物，书中对他的描写也颇为戏剧化。前期基本上是一个离经叛道的青年，时常面无表情，不讨人喜欢。接手公司之后，公司的老员工也不喜欢他。于是他就开始清洗前朝老臣…山内溥虽然是暴君，但是很有能力。他和迪士尼合作，把迪士尼的大IP米老鼠引入他们家的纸牌，从而大赚了一笔。然后他就一直在想怎么从纸牌这个市场跳出去做更大的事情，把最初公司名字里面带的纸牌的词都去掉了，决心要做新的市场。为了筹钱开展业务，还把公司上市了。

后来就是一直讲他试过的各种乱七八糟的事情，比如个人份的方便米饭（不知道是个啥），然后居然还有 love hotel 钟点房，也算是很先锋的思路了。他还开了出租车公司。试了一圈之后都没用，才决定还是要做和本行相关的东西，也就是娱乐行业 (entertainment)。

只一个人肯定不能成事，于是接下来就是山内溥麾下豪杰逐个登场。比如横井军平 (Gunpei Yokoi) 带领R&D1，做出来了当年横扫全球的Game Boy。上村雅之带领R&D2做出来了NES也就是红白机，国内的小霸王游戏机就都是NES的游戏。R&D2还有个有名的人物叫青沼英二 (Eiji Aonuma)，后来负责制作了很多部塞尔达传说 (The Legend of Zelda)系列的作品，包括最近的，游戏卖的比主机还多的，旷野之息。

最早的塞尔达传说是来自大名鼎鼎的宫本茂，可能他更有名的游戏作品是超级马里 奥 (Super Mario)，以前国内都叫超级玛丽。书里也重点写了他的故事。

书里很大一部分篇幅是在讲 Nintendo of America 的故事，山内溥把女婿荒川实(Minoru Arakawa)忽悠来帮他去开拓美国市场。荒川实这边就是一个艰苦创业的故事，挺精彩的。

另外有一条很重要的线是俄罗斯方块 (Teris) 的专利权的故事，俄罗斯方块这个游戏很厉害，当时出来的时候基本上大家一玩就上瘾。但是游戏的专利权归属真是错综复杂，各个巨头派人远赴苦寒之地明争暗斗要拿到专利授权。

书中也很详细的讲到了同期的其他游戏公司的故事，比如EA、世嘉 (Sega) 、Sony。

成书的时候N64即将诞生，作者也对此表示非常期待。任天堂在8位机的时代称霸一时，16位机的时候错失良机，希望一举跳到64位来个降维打击。

虽然之后N64并没有如任天堂希望的一样重回巅峰，算是输给了同世代的PS1。其中也有很多是任天堂自己的决策问题。但是N64上还是出了很多经典的游戏，比如塞尔达传说时之笛和超级马里奥64。现在我还留着3DS掌机的原因就是因为时之笛，不知道会不会有Switch的重制版本。

想来除了专业书以外，这本应该是我看过的最长的英文版的书了。之前看《The Order of Time》的时候，到了最后几章看得昏昏欲睡，放下之后就拿不起来了。想来这本书前后也看了好长时间，如果不是因为讲的是老任的辉煌历史，估计也是看不下来的。

最近读了这本 Factfulness (事实)，感觉挺有趣的。作者介绍了十个思考工具以应对我们常见的思维误区。也是因为作者经历丰富，无论是正面还是反面都以自己的生动的经历为例，读起来完全不觉得枯燥，时常感觉有所启发。

一分为二就是一个常见的误区，非黑即白通常是片面的论断、事物处在的阶段不会是只有低和高，一定有中间的过渡状态。而事实上处于中间状态的可能是大多数。这里作者以发展中国家和发达国家举例，虽然这个概念大家经常提，但是从各个维度看各个国家的指标，其实大多数国家是处于两者之间的。作者提到可以尝试把两段改成四段，不仅限于这个概念，常常会让我们注意到大多数所处的位置。

书里面强调的比较多的一个思维误区是负面思维。按照作者观点，其实大多数人对世界所处的状态的估计是比实际情况更加负面的。其中一个重要的成因是媒体的选择性宣传，或者说媒体本质上就是倾向于报道事故、悲剧、矛盾等等有话题性的事件。打破既有印象的方式，可以是通过数据客观的看到事情的变化方向。同时承认事情可以处于目前依然很坏，但已经一直在变好的状态。书里面有很多例子，数据来支撑“世界正在变好”这个论点，有好些数字确实和我自己认为的大相径庭。有一个用来表明大家生活普遍在变好的指标比较有趣。作者用人均拥有吉他数随着这些年的一个上升趋势来说明世界正在变好。2014年差不多每100个人里面就有1个人有吉他。这个比例还真是挺高的，差不多是现在美国新冠的阳性率了 XD

另外映象比较深的是作者讲的自己的故事，都是作为反面例子说明思维误区的负面影响。一个是埃博拉在非洲爆发期间，作者在情急之下没有考虑全面提出的封城决定，间接导致几个人的死亡。另一个是过去作者曾经按照当时的正确做法让仰卧的婴儿俯卧，增大了婴儿可能窒息的概率。

读到这两个故事的时候我很惊讶于作者的坦诚，也很敬佩他能够把这些作为实例分享出来的勇气。其实严格说，作者并没有做错什么，但是放在这里作为例子确直接把作者的决定和事情的结果联系起来，想来他自己应该也曾经为此颇有内疚吧。

总的来说，很有趣很好读的一本书。

去年10月份参加的ICCV，这次主要关注的几个方向:

– Efficient DNN Inference
– 3D Vision, especially 6DOF pose estimation
– Fundamental improvements in DNN representation learning
– Applications on Human/Face

Efficient DNN Inference 

Low-Power Computer Vision Workshop: 这个Workshop组织了一个竞赛叫Low-Power Image Recognition Challenge (LPIRC)。定义指标里不仅仅考量模型的精度，也同时考量模型运行时的能耗。这个Workshop里有部分报告来自竞赛的优胜队伍，分享一些技术上的技巧，也有一些来自业界和学界的报告。

Prof. Soonhoi Ha  讲了 Software-Hardware Co-Design，期间也分享了一些提高比赛分数的技巧。

另一个印象比较有印象的 来自 Qualcomm 的 Edwin Park 的报告。他们做在芯片中的Vision算法对能耗特别敏感，而且是一个always-on的应用场景。

我感觉考虑能耗还是需要和硬件结合起来做，软件层面有些改进是直接提高分数的，比如更好的loss。但是涉及到网络结构和inference方式的改进基本上都需要权衡速度和精度。虽然目前这个Workshop中最好的方法从数值上看结果还不够好，但这个方向还是很有意义的。只是考虑到目前硬件以及深度学习编译器的发展，可能评测的方式得有所改进。

主会逛poster也看到了一些相关的文章:

• Proximal Mean-Field for Neural Network Quantization; Thalaiyasingam Ajanthan, Puneet K. Dokania, Richard Hartley, Philip H. S. Torr
• Improved Techniques for Training Adaptive Deep Networks; Hao Li, Hong Zhang, Xiaojuan Qi, Ruigang Yang, Gao Huang,
• Adaptative Inference Cost With Convolutional Neural Mixture Models; Adria Ruiz, Jakob Verbeek (每一层训练有多个不同的版本，运行的时候通过上一层的输出来决定下一层用哪个)
• Data-Free Quantization Through Weight Equalization and Bias Correction; Markus Nagel, Mart van Baalen, Tijmen Blankevoort, Max Welling (直接量化模型，不用重新训练也不用数据做校准，对网络本身有些假设，整体上合理)
• Searching for MobileNetV3 ; Andrew Howard, Mark Sandler, Grace Chu, Liang-Chieh Chen, Bo Chen, Mingxing Tan, Weijun Wang, Yukun Zhu, Ruoming Pang, Vijay Vasudevan, Quoc V. Le, Hartwig Adam (Relu6)
• Multinomial Distribution Learning for Effective Neural Architecture Search; Xiawu Zheng, Rongrong Ji, Lang Tang, Baochang Zhang, Jianzhuang Liu, Qi Tian
• Bit-Flip Attack: Crushing Neural Network With Progressive Bit Search; Adnan Siraj Rakin, Zhezhi He, Deliang Fan (用来attack一个网络，只需要翻动很少的bit就可以成功)

3D Vision, especially 6DOF pose estimation

这个方向上主要是听了一个Workshop on Recovering 6D Object Pose。比较完整的听完了Eric Brachmann的Talk。他的思路是大体按照传统方法分步做物体的姿态估计，但是利用deep learning把中间的一些部分弄成可微的，然后用训练得到的组件替换之前的传统方法。很合理的思路，看起来效果也不错。他的slides也是公开的。

后来 Matthias Nießner 也讲了他最近的SCAN2CAD，其实是他们CVPR 2019的工作。这个方向我觉得很好，不是单纯的分割。分割出来其实还是要做语义上的分析，而且实际应用中有CAD模型的场景并不少见，是个很好方向。

 

主会逛poster看到的一些相关的文章:

• C3DPO: Canonical 3D Pose Networks for Non-Rigid Structure From Motion; David Novotny, Nikhila Ravi, Benjamin Graham, Natalia Neverova, Andrea Vedaldim
• Pix2Pose: Pixel-Wise Coordinate Regression of Objects for 6D Pose Estimation; Kiru Park, Timothy Patten, Markus Vincze (提出了一种Normalized Coordinates的表示，用来统一表示Canonical Pose的物体)
• RIO: 3D Object Instance Re-Localization in Changing Indoor Environments; Johanna Wald, Armen Avetisyan, Nassir Navab, Federico Tombari, Matthias Niessner (已经有物体的点云，在场景点云中重定位)
• GP2C: Geometric Projection Parameter Consensus for Joint 3D Pose and Focal Length Estimation in the Wild; Alexander Grabner, Peter M. Roth, Vincent Lepetit
• Neural Turtle Graphics for Modeling City Road Layouts; Hang Chu, Daiqing Li, David Acuna, Amlan Kar, Maria Shugrina, Xinkai Wei, Ming-Yu Liu, Antonio Torralba, Sanja Fidler
• Closed-Form Optimal Two-View Triangulation Based on Angular Errors; Seong Hun Lee, Javier Civera

Xu Chen, Jie Song, Otmar Hilliges, Monocular Neural Image Based Rendering With Continuous View Control  这篇的生成新视角的效果很好，现场看到的图分辨率很高也很真实)

Fundamental improvements in DNN representation learning 相关的一些文章:

• Anchor Loss: Modulating Loss Scale Based on Prediction Difficulty; Serim Ryou, Seong-Gyun Jeong, Pietro Perona
• Transformable Bottleneck Networks; Kyle Olszewski, Sergey Tulyakov, Oliver Woodford, Hao Li, Linjie Luo
• EvalNorm: Estimating Batch Normalization Statistics for Evaluation; Saurabh Singh, Abhinav Shrivastava
• CARAFE: Content-Aware ReAssembly of FEatures; Jiaqi Wang, Kai Chen, Rui Xu, Ziwei Liu, Chen Change Loy, Dahua Lin (Learning-based Up-Sampling Kernel)
• Linearized Multi-Sampling for Differentiable Image Transformation; Wei Jiang, Weiwei Sun, Andrea Tagliasacchi, Eduard Trulls, Kwang Moo Yi
• Differentiable Kernel Evolution; Yu Liu, Jihao Liu, Ailing Zeng, Xiaogang Wang
• ACNet: Strengthening the Kernel Skeletons for Powerful CNN via Asymmetric Convolution Blocks; Xiaohan Ding, Yuchen Guo, Guiguang Ding, Jungong Han
• A Comprehensive Overhaul of Feature Distillation; Byeongho Heo, Jeesoo Kim, Sangdoo Yun, Hyojin Park, Nojun Kwak, Jin Young Choi (通过一组transformer来对齐特征，有点像CCA)

Applications on Human/Face 相关的一些文章:

• Learnable Triangulation of Human Pose; Karim Iskakov, Egor Burkov, Victor Lempitsky, Yury Malkov ( 多相机重建3d skeleton 效果好 )
• Probabilistic Face Embeddings; Yichun Shi, Anil K. Jain
• Occlusion Robust Face Recognition Based on Mask Learning With Pairwise Differential Siamese Network; Lingxue Song, Dihong Gong, Zhifeng Li, Changsong Liu, Wei Liu
• Tracking Without Bells and Whistles; Philipp Bergmann, Tim Meinhardt, Laura Leal-Taixe (没有显式的检测+跨帧关联检测框，而是简单的检测+检测框回归预测新的检测框，效果好应该是得益于检测模型最近的发展)
• Video Face Clustering with Unknown Number of Clusters; Makarand Tapaswi, Marc T. Law, Sanja Fidler
• Gaze360: Physically Unconstrained Gaze Estimation in the Wild; Petr Kellnhofer, Adria Recasens, Simon Stent, Wojciech Matusik, Antonio Torralba (Antonio有好几个Gaze相关的数据集了)

第一次参加ICCV。和CVPR相比，会议安排日程相对宽松，还预留了半天休息的时间。Poster区域被围绕在参展的厂商的展台中间。可能是参会的人比较多，感觉Poster区域还是太小了，通道里人挤人。在ICCV参展的厂商明显比CVPR少，而且没有自动驾驶的小车也没有大卡车。