Computer vision 为什么RL在计算机视觉中没有得到很好的应用？

随着我继续研究计算机视觉，我觉得与第一次RL的影响和人们预测的可能性相比，RLR强化学习在计算机视觉任务中的使用相对较少。 即使你看一看顶级会议（如CVPR）上接受的论文列表，也很少或没有使用RL的论文。

---

为什么RL在计算机视觉中没有得到很好的应用？

RL只是在最近几年才有了很大的发展。强化学习既可用于解决视觉信息的处理和分析等应用任务，也可用于解决特定的计算机视觉问题，如过滤、提取图像特征、在场景中定位对象等

去年，在CVPR有一个很好的关于简历中深度RL的教程：

以下是各种应用中有趣的论文列表：

视觉跟踪

[1] James Supančič，III，Deva Ramanan，《作为在线决策的跟踪：通过强化学习从流媒体视频学习政策》，ICCV，2017年

视觉对话

[1] Abhishek Das、Satwik Kottur、JoséM.F.Moura、Stefan Lee、Dhruv Batra，通过深度强化学习获得合作视觉对话代理，ICCV 2017

人类行为分析

[1] Nicholas Rhinehart，Kris M.Kitani，《在线逆强化学习的第一人称活动预测》，ICCV，2017年

人脸识别

[1] 饶永明，纪文路，周杰。视频人脸识别的注意力感知深度强化学习，ICCV，2017年

[2] 曹庆星，梁林，石玉凯，梁晓丹，李官斌。通过深度强化学习实现注意力感知的面部幻觉。CVPR，2017年

图像复原

[1] 柯瑜，赵东，梁林，陈易乐。通过深度强化学习制作图像恢复的工具链。CVPR 2018

语义分析

[1] 刘方宇、李帅鹏、张立强、周成虎、叶荣田、王跃斌、陆纪文。3DCNN-DQN-RNN：用于大规模3D点云语义解析的深度强化学习框架。ICCV，2017年

视频摘要

[1] 周开阳，于乔，陶翔。具有多样性代表性奖励的无监督视频摘要深度强化学习。AAAI，2018年

主动目标定位

[1] 胡安·C·凯塞多，斯维特拉娜·拉兹布尼克。具有深度强化学习的主动目标定位。ICCV，2015年