0
| 本文作者： 叢末 | 2019-10-29 14:04 | 專題：ICCV 2019 |
雷鋒網(wǎng) AI 科技評(píng)論：10 月 27 日至 11 月 2 日，兩年一屆的 ICCV 2019 來(lái)到韓國(guó)首爾，選址 COEX 會(huì)展中心舉行。嚴(yán)謹(jǐn)且嚴(yán)肅的國(guó)際頂級(jí)學(xué)術(shù)會(huì)議與充滿著熱情與活力的首爾將在這個(gè)楓葉開(kāi)得正紅的季節(jié)碰撞出怎樣的火花呢？雷鋒網(wǎng) AI 科技評(píng)論在現(xiàn)場(chǎng)帶大家一起看！
29 日，經(jīng)過(guò) 2 天 Workshop 和 Tutorial 的前期預(yù)熱和醞釀，ICCV 2019 開(kāi)幕式在籠罩著一片溫煦秋陽(yáng)的清晨如期而至。
開(kāi)幕式開(kāi)始前，幾位主席在臺(tái)上合影
韓國(guó)時(shí)間八點(diǎn)四十五一到，ICCV 2019 四位大會(huì)主席（General Chair）之一、首爾大學(xué)（Seoul National University）教授 Kyoung Mu Lee 上臺(tái)宣布會(huì)議開(kāi)幕并進(jìn)行開(kāi)幕致辭。他首先逐一介紹并感謝了包括其它大會(huì)主席、程序主席，并向其他各領(lǐng)域的主席們致謝。
說(shuō)到中途，他話鋒一轉(zhuǎn)向臺(tái)下各位寒暄到「這幾天首爾是不是很冷？」臺(tái)下一片掌聲和歡笑聲后，他接著簡(jiǎn)單介紹了本次 ICCV 的整體數(shù)據(jù)。正如之前所報(bào)道的，今年 ICCV 共收到 4303 篇投稿，最終收錄了 1075 篇，雖然整體數(shù)據(jù)都有所提高的，但是由于分母——總投稿量的大幅增加，今年收錄率為 25%，比去年 28.9% 的收錄率要低上不少。
而今年參會(huì)人數(shù)的數(shù)據(jù)非常驚人驚訝：人數(shù)達(dá) 7501 人，比去年增加了 2.41 倍之多！而值得一提的是，今年參會(huì)人數(shù)中有 2964 位來(lái)自韓國(guó)，1264 位來(lái)自中國(guó)，1199 位來(lái)自美國(guó)以及 260 位來(lái)自日本，從這些數(shù)據(jù)來(lái)看，臨近國(guó)才是最「捧場(chǎng)」的區(qū)域所在呀！
雖然 ICCV 的贊助商數(shù)量不如今年 CVPR 那么壯觀，但數(shù)據(jù)相比于其他學(xué)術(shù)頂會(huì)而言，也算不錯(cuò)，獲得了 56 家企業(yè)的贊助以及 72 家展商參展。 
UIUC 副教授 Svetlana Lazebnik 作為 ICCV 2019 的程序主席之一，隨后對(duì)今年 ICCV 的論文情況進(jìn)行了解說(shuō)。今年的 4303 篇投稿，相比去年增加了一倍，其中參與論文的作者人數(shù)達(dá) 1 萬(wàn)人；最終接受論文數(shù)為 1075 篇，收錄比為 25%，其中包括 200 篇 Oral 論文，并且所有 Oral 論文都如 CVPR 2019 一樣——都為短論文。 
從論文主題來(lái)看，最熱門的關(guān)鍵詞如圖所示，排在前幾位的依次是 Learning、Image、Network、Deep、3D、Object 等，這也反映了該領(lǐng)域內(nèi)研究人員們對(duì)于各個(gè)細(xì)分課題的關(guān)注程度。 
從論文的區(qū)域分布來(lái)看，今年接收論文數(shù)量最多的國(guó)家是中國(guó)，超過(guò) 350 篇，其次是美國(guó)、德國(guó)、韓國(guó)和英國(guó)。在這組數(shù)據(jù)發(fā)布前，大家都知道這次華人研究者表現(xiàn)很好，但不知道論文收錄數(shù)量比美國(guó)還多！
而這些論文被收錄的背后，同樣的也離不開(kāi)程序委員會(huì)的工作。據(jù) Svetlana Lazebnik 介紹，今年除了 4 位程序主席，還安排了 172 位領(lǐng)域主席以及 2506 位審稿人參與論文評(píng)審，其中，每位領(lǐng)域主席需要評(píng)審的論文為 20 至 30 篇，而 2506 位審稿人有 68% 的研究者或高校教師和 32% 的學(xué)生組成，各自需要評(píng)審的論文分別最多達(dá) 9 篇、5 篇。
緊接著，開(kāi)幕式迎來(lái)了高潮環(huán)節(jié)——公布獎(jiǎng)項(xiàng)！
獎(jiǎng)項(xiàng)中最受關(guān)注的最佳論文獎(jiǎng)（Best Paper Award）、最佳學(xué)生論文獎(jiǎng)（Best Student Paper Award）、最佳論文提名獎(jiǎng)（Best Paper Honorable Mentions）、以及最佳論文一般提名（Best Paper Nomination）繼續(xù)由 Svetlana Lazebnik 公布。
一、最佳論文獎(jiǎng)
1、最佳論文獎(jiǎng)（Marr 獎(jiǎng)）
本屆最佳論文獎(jiǎng)（Marr獎(jiǎng)）為《SinGAN: Learning a Generative Model from a Single Natural Image》，論文第一作者Tamar Rott Shaham來(lái)自以色列理工（Technion）：
SinGAN: Learning a Generative Model from a Single Natural Image
SinGAN：從單張自然圖像學(xué)習(xí)生成式模型
作者：Tamar Rott Shaham, Tali Dekel, Tomer Michaeli
單位：Technion（以色列理工）, Google
論文地址：https://arxiv.org/abs/1905.01164
論文摘要：作者們提出了 SinGAN，這是一個(gè)可以從單張自然圖像學(xué)習(xí)的非條件性生成式模型。這個(gè)模型可以捕捉給定圖像中各個(gè)小塊內(nèi)的內(nèi)在分布，接著就能夠生成帶有和給定圖像中的視覺(jué)內(nèi)容相同的高質(zhì)量且多樣的新圖像。SinGAN的結(jié)構(gòu)是多個(gè)全卷積GANs組成的金字塔，這些全卷積GANs都負(fù)責(zé)學(xué)習(xí)圖像中的某個(gè)小塊中的數(shù)據(jù)分布，不同的GANs學(xué)習(xí)的小塊的大小不同。
這種設(shè)計(jì)可以讓它生成具有任意大小和比例的新圖像，這些新圖像在具有給定的訓(xùn)練圖像的全局結(jié)構(gòu)和細(xì)節(jié)紋理的同時(shí)，還可以有很高的可變性。與此前的從單張圖像學(xué)習(xí)GAN的研究不同的是，作者們的這個(gè)方法不僅僅可以學(xué)習(xí)圖像中的紋理，而且是一個(gè)非條件性模型（也就是說(shuō)它是從噪聲生成圖像的）。作者們做實(shí)驗(yàn)讓人分辨原始圖像和生成的圖像，結(jié)果表明很難區(qū)分。作者們也在多種圖像操控任務(wù)中展示了SinGAN的作用。
2、最佳學(xué)生論文獎(jiǎng)
最佳學(xué)生論文的第一作者 Timothy Duff 來(lái)自佐治亞理工學(xué)院。
PLMP -- Point-Line Minimal Problems in Complete Multi-View Visibility
PLMP —— 多視角完全可見(jiàn)條件下的點(diǎn)-線極小問(wèn)題研究
作者：Timothy Duff, Kathlén Kohn, Anton Leykin, Tomas Pajdla
單位：Georgia Tech（佐治亞理工學(xué)院），KTH（瑞典皇家理工學(xué)院），Czech Technical University in Prague（布拉格捷克理工大學(xué)）
論文地址：https://arxiv.org/abs/1903.10008
論文摘要：極小問(wèn)題（minimal problem）指在三維重建過(guò)程中根據(jù)給定圖像反解出攝像頭的姿態(tài)和世界坐標(biāo)，而且要求隨機(jī)給定的輸入樣本可以得到有限數(shù)目的解。在這篇論文中，作者們以觀察者相機(jī)經(jīng)過(guò)矯正、圖中一般的點(diǎn)和線全部可見(jiàn)為條件，對(duì)所有的極小問(wèn)題進(jìn)行了分類。
作者們表明，極小問(wèn)題一共只有30種，對(duì)于有超過(guò)6個(gè)相機(jī)、或者超過(guò)5個(gè)點(diǎn)、超過(guò)6條線的情況，極小問(wèn)題都是可解的。作者們進(jìn)行了一系列檢測(cè)極小性的測(cè)試，從對(duì)自由度計(jì)數(shù)開(kāi)始，最終對(duì)有代表性的樣本進(jìn)行了完整的符號(hào)和數(shù)值驗(yàn)證。對(duì)于所有發(fā)現(xiàn)的極小問(wèn)題，作者們都給出了它們的代數(shù)度數(shù)，即解的數(shù)目，這也是問(wèn)題的本征難度的衡量指標(biāo)；從這里可以看出隨著視角數(shù)目的增加，問(wèn)題的難度是如何變化的。一個(gè)重要的點(diǎn)是，一些新出現(xiàn)的極小問(wèn)題其實(shí)只有很小的代數(shù)度數(shù)，這意味著它們可以在圖像匹配和三維重建任務(wù)中得到實(shí)際應(yīng)用。
3、最佳論文榮譽(yù)提名（Best paper Honorable Mentions）
共有兩篇論文被榮譽(yù)提名，如下：
最佳論文榮譽(yù)提名 1
Asynchronous Single-Photon 3D Imaging
非同步單光子3D成像
作者：Anant Gupta, Atul Ingle, Mohit Gupta
單位：University of Wisconsin-Madison（威斯康星大學(xué)麥迪遜分校）
論文地址：https://arxiv.org/abs/1908.06372
論文摘要：?jiǎn)喂庾友┍蓝O管（SPAD）在基于飛行時(shí)間（time-of-flight）的深度測(cè)量中得到了越來(lái)越多的應(yīng)用，因?yàn)樗鼈兙哂幸云っ刖炔蹲絾蝹€(gè)光子的獨(dú)特能力。不過(guò)，環(huán)境光照（比如陽(yáng)光）會(huì)對(duì)基于SPAD的3D相機(jī)產(chǎn)生干擾，給捕捉到的波形帶來(lái)嚴(yán)重的非線性失真（連續(xù)命中），總而造成深度測(cè)量錯(cuò)誤。作者們?cè)谡撐闹刑岢隽诵碌姆峭绞絾喂庾?D成像，這是一類可以緩解光子捕捉過(guò)程中的連續(xù)命中問(wèn)題的新的捕捉模式。非同步捕捉捕捉模式會(huì)根據(jù)預(yù)定義的、或者隨機(jī)設(shè)定的偏移量，故意短期錯(cuò)過(guò)激光發(fā)射到SPAD測(cè)量的時(shí)間窗口。
作者們這樣做的考慮是，如果選擇一系列時(shí)間窗口的偏移量，讓這些偏移量可以對(duì)應(yīng)全部的測(cè)量深度，那么他們就可以根據(jù)沒(méi)有發(fā)射激光的時(shí)候收集到的信號(hào)（看作本底噪聲）把正常采集信號(hào)中的干擾部分抵消掉。作者們開(kāi)發(fā)了一個(gè)通用的圖像成像模型，并進(jìn)行了理論分析，探索非同步采集模式的各種可能的做法，并找到具有很好表現(xiàn)的模式。作者們的仿真實(shí)驗(yàn)和實(shí)際實(shí)驗(yàn)都表明了他們的方法相比于當(dāng)前最優(yōu)秀的方法可以在各種成像條件下（尤其是具有強(qiáng)烈環(huán)境光照的）都帶來(lái)深度檢測(cè)精度提升，最高可以提升一個(gè)數(shù)量級(jí)。
最佳論文榮譽(yù)提名 2
Specifying Object Attributes and Relations in Interactive Scene Generation
從交互性的場(chǎng)景生成中指定物體屬性和關(guān)系
作者：Oron Ashual, Lior Wolf
單位：Tel-Aviv University（以色列特拉維夫大學(xué)）
論文地址：https://arxiv.org/abs/1909.05379
論文摘要：作者們提出了一種從場(chǎng)景圖（scene graph）輸入生成圖像的方法。這個(gè)方法會(huì)分別生成一個(gè)布局嵌入和一個(gè)外觀嵌入。在兩個(gè)嵌入的共同作用下，生成的圖像可以更好地匹配輸入的場(chǎng)景圖，有更高的視覺(jué)質(zhì)量，而且能支持更復(fù)雜的場(chǎng)景圖。
除此之外，這個(gè)嵌入方法支持為同一個(gè)場(chǎng)景圖生成多個(gè)不同的輸出圖像，用戶也能控制這個(gè)生成過(guò)程。作者們展示了兩種控制圖像中的物體的方法：1，參照其他的圖像中的元素；2，在物體空間中導(dǎo)覽，找到外觀原型。作者們把代碼開(kāi)源在了 http://github.com/ashual/scene_generation。
4、最佳論文提名
本屆最佳論文提名共有 7 篇文章，其中僅有兩篇一作為華人，其一是來(lái)自中山大學(xué)的Ruijia Xu，另一位則是斯坦福大學(xué)的Chengxu Zhuang。當(dāng)然何愷明團(tuán)隊(duì)也獲得了提名。
最佳論文一般提名1：
Larger Norm More Transferable: An Adaptive Feature Norm Approach for Unsupervised Domain Adaptation
更大的常態(tài)有更好的可遷移性：用于無(wú)監(jiān)督領(lǐng)域適應(yīng)的一種自適應(yīng)特征常態(tài)方法
作者：Ruijia Xu, Guanbin Li, Jihan Yang, Liang Lin
單位：Sun Yat-sen University（中山大學(xué)）、DarkMatter AI Research
鏈接：https://arxiv.org/abs/1811.07456
最佳論文一般提名 2：
Deep Hough Voting for 3D Object Detection in Point Clouds
用于點(diǎn)云中的三維物體檢測(cè)的深度Hough投票方法
作者：Charles R. Qi, Or Litany, Kaiming He（何愷明）, Leonidas J. Guibas
單位：Facebook AI Research，Stanford University
鏈接：https://arxiv.org/abs/1904.09664
最佳論文一般提名 3：
Unsupervised Deep Learning for Structured Shape Matching
用于結(jié)構(gòu)形狀匹配的無(wú)監(jiān)督深度學(xué)習(xí)方法
作者：Jean-Michel Roufosse, Abhishek Sharma, Maks Ovsjanikov
單位：LIX,Ecole Polytechnique（巴黎綜合理工大學(xué)）
鏈接：https://arxiv.org/abs/1812.03794
最佳論文一般提名 4：
Gated2Depth: Real-time Dense Lidar from Gated Images
Gated2Depth：從門圖像實(shí)時(shí)生成雷達(dá)質(zhì)量的密度圖像
作者：Tobias Gruber, Frank Julca-Aguilar, Mario Bijelic, Werner Ritter, Klaus Dietmayer, Felix Heide
單位：Daimler AG(戴姆勒), Algolux, Ulm University(德國(guó)烏爾姆大學(xué)), Princeton University
鏈接：https://arxiv.org/abs/1902.04997
最佳論文一般提名 5：
Local Aggregation for Unsupervised Learning of Visual Embeddings
視覺(jué)嵌入中無(wú)監(jiān)督學(xué)習(xí)的局部聚合
作者：Chengxu Zhuang, Alex Lin Zhai, Daniel Yamins
單位：Stanford University
鏈接：https://arxiv.org/abs/1903.12355
最佳論文一般提名 6：
Habitat: A Platform for Embodied AI Research
Habitat：一個(gè)實(shí)體AI研究平臺(tái)
作者：Manolis Savva, Abhishek Kadian, Oleksandr Maksymets, Yili Zhao, Erik Wijmans, Bhavana Jain, Julian Straub, Jia Liu, Vladlen Koltun, Jitendra Malik, Devi Parikh, Dhruv Batra
單位：Facebook AI Research, Facebook Reality Labs, Georgia Institute of Technology, Simon Fraser University, Intel Labs, UC Berkeley
鏈接：https://arxiv.org/abs/1904.01201
最佳論文一般提名 7：
Robust Change Captioning
魯棒的場(chǎng)景變化說(shuō)明
作者：Dong Huk Park, Trevor Darrell, Anna Rohrbach
University of California, Berkeley
鏈接：https://arxiv.org/abs/1901.02527
二、PAMI TC 獎(jiǎng)項(xiàng)
這幾項(xiàng)重磅獎(jiǎng)項(xiàng)揭曉后，PAMI 服務(wù)主席 Bryan Morse 上臺(tái)頒布四大 PAMI TC 獎(jiǎng)項(xiàng)，包括 Helmholtz 獎(jiǎng)、Everingham 獎(jiǎng)、Azriel Rosenfeld 終身成就獎(jiǎng)以及杰出研究者獎(jiǎng)。
1、Helmholtz Prize
該獎(jiǎng)項(xiàng)以 19 世紀(jì)物理學(xué)家赫爾曼·馮·赫姆霍茲（Hermann von Helmholtz）命名，每?jī)赡觐C發(fā)一次，旨在表彰在計(jì)算機(jī)視覺(jué)領(lǐng)域做出的基礎(chǔ)性貢獻(xiàn)，且只頒發(fā)給 10 年前在 ICCV 上發(fā)表且產(chǎn)生重大影響的論文。本屆共有兩篇發(fā)表于 2009 年的論文入選，分別為：
1）Building Rome in a Day（華盛頓大學(xué)）
2）Attribute and Simile Classifiers for Face Verification（哥倫比亞大學(xué)）
2、Everingham Prize
該獎(jiǎng)項(xiàng)用來(lái)紀(jì)念 Mark Everingham，并鼓勵(lì)其他研究者和他一樣推動(dòng)整個(gè)計(jì)算機(jī)視覺(jué)領(lǐng)域的進(jìn)步。這個(gè)獎(jiǎng)會(huì)頒發(fā)給一位研究人員，或者是一個(gè)研究團(tuán)隊(duì)；評(píng)獎(jiǎng)標(biāo)準(zhǔn)是，他們?yōu)橛?jì)算機(jī)視覺(jué)大家庭中的別的成員作出了重大的、無(wú)私的貢獻(xiàn)。這次也頒發(fā)了兩個(gè)獎(jiǎng)。
第一個(gè)獎(jiǎng)?lì)C發(fā)給了單個(gè)研究員，獲獎(jiǎng)?wù)呤?Gerard Medioni
頒獎(jiǎng)詞：他在過(guò)去的幾十年中為 CVPR 和 ICCV 會(huì)議的組織提供了充分的、持續(xù)的幫助，還為整個(gè) CV 大家庭提供了很多其它的服務(wù)。除此之外，他設(shè)計(jì)了會(huì)議和 workshop 使用的統(tǒng)一護(hù)照注冊(cè)系統(tǒng)，還是計(jì)算機(jī)視覺(jué)基金會(huì) CVF 的聯(lián)合創(chuàng)始人之一。
第二個(gè)獎(jiǎng)項(xiàng)頒發(fā)給了 2007 年提出了 LFW 人臉識(shí)別數(shù)據(jù)集，并在此后舉辦 LFW 人臉識(shí)別比賽并持續(xù)維護(hù)的團(tuán)隊(duì)。LFW 數(shù)據(jù)集幫助整個(gè)領(lǐng)域向著更缺乏條件控制的、更面向真實(shí)世界情境的人臉識(shí)別技術(shù)進(jìn)行研究。
3、Azriel Rosenfeld 終身成就獎(jiǎng)
Azriel Rosenfeld 終身成就獎(jiǎng)是在里約熱內(nèi)盧舉辦的 ICCV 2007 上設(shè)立的，以表彰那些在長(zhǎng)期職業(yè)生涯中對(duì)計(jì)算機(jī)視覺(jué)領(lǐng)域做出了杰出貢獻(xiàn)的研究人員。該獎(jiǎng)?wù)乱约o(jì)念已故的計(jì)算機(jī)科學(xué)家和數(shù)學(xué)家教授 Azriel Rosenfeld。
本屆獲獎(jiǎng)?wù)邽橐陨形浩澛茖W(xué)研究所（Weizmann Institute of Science, Israel）的 Shimon Ullman 教授。
Ullman 出生于 1948 年，并于 1977 年在 MIT 獲得博士學(xué)位，師從計(jì)算機(jī)視覺(jué)之父 David Marr。其主要研究領(lǐng)域?yàn)槿伺c機(jī)器視覺(jué)處理的研究。具體來(lái)說(shuō)，他專注于物體和面部識(shí)別，并在該領(lǐng)域取得了許多重要見(jiàn)解，包括與 Christof Koch 一起在哺乳動(dòng)物視覺(jué)系統(tǒng)中建立了視覺(jué)顯著圖，以調(diào)節(jié)選擇性的空間注意力。
4、杰出研究者獎(jiǎng)（Distinguished Researcher Award）
杰出研究者獎(jiǎng)（Distinguished Researcher Award）授予 MIT 的 William T. Freeman 與哥倫比亞大學(xué)的 Shree Nayar 兩人。
William T.Freeman 現(xiàn)就職于 MIT。研究領(lǐng)域包括應(yīng)用于 CV 的 ML、可視化感知的貝葉斯模型、計(jì)算攝影學(xué)等。其最有影響力的研究成果是與 Alex Efros 在 2001 年 SIGGRAPH 上發(fā)表了」Image quilting for texture synthesis and transfer」，其思想是從已知圖像中獲得小塊，然后將這些小塊拼接 mosaic 一起，形成新的圖像。該算法也是圖像紋理合成中經(jīng)典中的經(jīng)典。
Shree Nayar 現(xiàn)就職于哥倫比亞大學(xué)。其研究領(lǐng)域主要在新型相機(jī)的創(chuàng)建、基于物理的視覺(jué)模型和圖像理解算法。Nayar 曾提出了計(jì)算攝影學(xué)的概念，也是計(jì)算攝影領(lǐng)域的先驅(qū)人物。曾于 1990 年和 1995 年先后獲得兩次 Marr 獎(jiǎng)，是當(dāng)時(shí)計(jì)算機(jī)視覺(jué)領(lǐng)域炙手可熱的青年學(xué)者之一。
最后，Kyoung Mu Lee 再次站上舞臺(tái)專程為各參會(huì)者介紹了一份「官方參會(huì)指南」，包括整個(gè)會(huì)場(chǎng)的分布情況、社交活動(dòng)、注意事項(xiàng)，乃至于去哪里用餐、如何連接 WIFI 等等事宜，讓人倍感溫暖。 
在會(huì)議召開(kāi)之前，隨著華人學(xué)者在 ICCV 2019 再度取得的一系列傲人成績(jī)的相關(guān)消息相繼出爐，各位關(guān)注 ICCV 動(dòng)態(tài)的同學(xué)們想必也對(duì)今年將于中國(guó)鄰國(guó)——韓國(guó)召開(kāi)的 ICCV 2019 充滿了期待。而本次會(huì)議中，無(wú)論是在各大議程和競(jìng)賽中頻頻刷臉的華人面孔，還是張貼在展廳各個(gè)角落的寫著華人作者姓名的 poster，更是讓今年在異國(guó)參會(huì)的華人研究者們?cè)谛牡子苛髦还蓾鉂獾淖院栏?。AI 科技評(píng)論記者站在人潮如流的參會(huì)人群中，也切身地感受著這一切。
然而，在與去年「何愷明包攬全部?jī)身?xiàng)最佳論文獎(jiǎng)」光環(huán)的比照下，今年華人在獎(jiǎng)項(xiàng)上的表現(xiàn)略顯慘淡：除了中山大學(xué)的《Larger Norm More Transferable: An Adaptive Feature Norm Approach for Unsupervised Domain Adaptation》和何愷明參與的一篇論文《Deep Hough Voting for 3D Object Detection in Point Clouds》入選最佳論文一般提名，其他獲獎(jiǎng)?wù)叨紴榉侨A人學(xué)者。這也給所有參加會(huì)議的華人學(xué)者心中留下了些許的遺憾。
接下來(lái)，雷鋒網(wǎng) AI 科技評(píng)論還將在現(xiàn)場(chǎng)與一系列計(jì)算機(jī)視覺(jué)領(lǐng)域的大佬級(jí)研究者進(jìn)行交流，例如今年 CVPR 最佳學(xué)生論文一作王鑫，去年包攬大會(huì)全部?jī)身?xiàng) Best Paper Award 的何愷明，以及顏水成、孫劍、林達(dá)華、程明明、盧湖川等一眾大家熟悉的「老面孔」們，為大家?guī)?lái)特別報(bào)道，請(qǐng)大家持續(xù)關(guān)注！
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。
專題
本專題其他文章
