论文盘点：ICCV 2019 Top 20，MobileNetV3居首！

ICCV 是计算机视觉领域三大顶会之一，往届都是奇数年开（与此对应ECCV 在偶数年开，CVPR 每年都开），ICCV 2019 于 2019年10月27日-11月2日召开，距今不足一年。

继盘点CVPR 2019 ，ECCV 2018 Top 20 论文后：

时隔一年，盘点CVPR 2019影响力最大的20篇论文

时隔两年，盘点ECCV 2018影响力最大的20篇论文

本文盘点 ICCV 2019 的Top 20 的论文，同之前一样，依然以谷歌学术上显示的论文的引用数为标准，截止时间为2020年8月6日。

1. MobileNetV3 是ICCV 2019 所有论文中引用量最高的，但仅有262次。第10 位 引用数139，第20位 90 。

2. 巧的是，截止今天前20的论文中多篇引用数相同，比如目标检测算法 FCOS 与 图像修复算法Gated Convolution  引用量都是218次，并列第二位，不同于CVPR 2019 和 ECCV 2018 引用量第一和第二差距很大，因时间不长，ICCV 2019 的引用量都不高。

3. 这些论文包含方向：神经架构搜索（2）、目标检测（3，FCOS、TridentNet、CenterNet）、图像修复、动作识别（2，SlowFast、TSM）、模型预训练的再思考、姿态迁移、深度估计、语义分割（CCNet）、人脸编辑检测数据集、图像压缩（使用GAN的方法）、数据增广(CutMix)、自监督学习（VideoBERT）、点云卷积（KPConv）、面部重演、新型卷积方法（Octave convolution）、实体AI模拟。

4. 由以上可以看出，这些论文的方向是相对比较分散的，即使研究的是较为小众的方向也有可能被很多论文参考。

5.  明星学者何恺明参与了其中三篇论文，分别为动作识别算法Slowfast、模型预训练的再思考和随机连接神经网络（RandWireNN）。

6. 工业界里Facebook参与的论文最多，有 6 篇，其次是谷歌 2篇，国内公司字节跳动、图森、华为、依图各参与 1 篇。

以下不仅列出了论文、代码和相应解读，还包括不少的Demo，欢迎参考~

   NO.1 MobileNetV3

Searching for MobileNetV3

作者 | 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

单位 | 谷歌AI；谷歌大脑

论文 | https://arxiv.org/abs/1905.02244

解读 | 重磅！MobileNetV3 来了！

代码 | https://github.com/tensorflow/models/tree/master/research/deeplab

引用次数 | 264

使用神经架构搜索得到的用于移动端的轻量级模型，已经成为众多计算机视觉任务的骨干网的选择。MobileNetV3 几乎已经进入所有计算机视觉主流开源库了。

   NO.2 FCOS

FCOS: Fully convolutional one-stage object detection

一阶全卷积目标检测

作者 | Zhi Tian, Chunhua Shen, Hao Chen, Tong He

单位 | 澳大利亚阿德莱德大学

论文 | https://arxiv.org/abs/1904.01355

代码 | https://github.com/tianzhi0549/FCOS/

解读 | https://zhuanlan.zhihu.com/p/63868458

引用次数 | 218

一种基于FCN的逐像素目标检测方法，anchor-free、proposal free ，并提出了中心度（Center—ness）的概念，精度超越大多数主流的anchor-base的算法。

   NO.2（并列） 图像修复-Gated Convolution

Free-form image inpainting with gated convolution

作者 | Jiahui Yu, Zhe Lin, Jimei Yang, Xiaohui Shen, Xin Lu, Thomas Huang

单位 | 伊利诺伊大学厄巴纳-香槟分校；Adobe Research；字节跳动人工智能实验室

论文 | https://arxiv.org/abs/1806.03589

解读 | https://zhuanlan.zhihu.com/p/82514925

代码 | https://github.com/JiahuiYu/generative_inpainting

主页 | http://jiahuiyu.com/deepfill/

备注 | ICCV 2019 Oral

引用次数 | 218

Gated Convolution,为所有层每一个维度的位置提供了一种可学习的,动态的特征选择机制，并提出了SN-Patch GAN来稳定GAN的训练学习。相比之前的方法，修复的结果质量更高，方法更灵活。

   NO.4 Slowfast 视频识别/动作识别

Slowfast networks for video recognition

用于视频识别的Slowfast 网络

作者 | Christoph Feichtenhofer, Haoqi Fan, Jitendra Malik, Kaiming He

单位 | FAIR

论文 | https://arxiv.org/abs/1812.03982

Facebook开源算法代码库PySlowFast，轻松复现前沿视频理解模型

代码 | https://github.com/facebookresearch/

SlowFast

解读 | https://zhuanlan.zhihu.com/p/53199842

引用次数 | 211

该文提出了一种快慢结合的网络结构进行视频分类，Slow网络输入为低帧率，用来捕获空间语义信息，Fast网络，输入为高帧率，用来捕获运动信息。

SlowFast 已经有多个开源实现，成为视频分类领域的标杆模型。

‍

   NO.5 重新思考ImageNet预训练

Rethinking imagenet pre-training

作者 | Kaiming He, Ross Girshick, Piotr Dollár

单位 | FAIR

论文 | https://arxiv.org/abs/1811.08883

解读 | https://zhuanlan.zhihu.com/p/51507048

引用次数 | 210

何恺明大佬的论文，发现ImageNet预训练并不是必须的，在目标检测，语义分割等任务中从随机初始化开始训练也可以达到使用 ImageNet 预训练的效果，只不过迭代的轮数多一些而已。

   NO.6 神奇的舞姿迁移

Everybody dance now

作者 | Caroline Chan, Shiry Ginosar, Tinghui Zhou, Alexei A. Efros

单位 | UC伯克利

论文 | https://arxiv.org/abs/1808.07371

解读 | https://zhuanlan.zhihu.com/p/67942949

代码 | https://carolineec.github.io/

everybody_dance_now/#code

主页 | https://carolineec.github.io/

everybody_dance_now/

引用次数 | 204

将一段视频中的舞姿迁移给另一个视频中的人。效果惊艳！

   NO.7 MonoDepth2 深度估计

Digging into self-supervised monocular depth estimation

自监督的单目深度估计

作者 | Clément Godard, Oisin Mac Aodha, Michael Firman, Gabriel Brostow

单位 | 伦敦大学学院；加州理工学院；Niantic Labs

论文 | https://arxiv.org/abs/1806.01260

解读 | https://zhuanlan.zhihu.com/p/70651836

代码 | https://github.com/nianticlabs/

monodepth2

引用次数 | 187

‍

   NO.8 语义分割 CCNet

CCNet: Criss-cross attention for semantic segmentation

作者 | Zilong Huang, Xinggang Wang, Yunchao Wei, Lichao Huang, Humphrey Shi, Wenyu Liu, Thomas S. Huang

单位 | 华中科技大学

论文 | https://arxiv.org/abs/1811.11721

解读 | https://zhuanlan.zhihu.com/p/51393573

代码 | https://github.com/speedinghzl/CCNet

引用次数 | 152

对 Non-local 模型的改进，和 Non-local 相比，仅需要1/11的内存消耗，15%的计算开销！精度超越DeepLabv3+！

   NO.9 目标检测-TridentNet

Scale-aware trident networks for object detection

作者 | Yanghao Li, Yuntao Chen, Naiyan Wang, Zhaoxiang Zhang

单位 | 国科大；TuSimple；中国科学院自动化研究所；中科院

论文 | https://arxiv.org/abs/1901.01892

代码 | https://github.com/TuSimple/simpledet/

tree/master/models/tridentnet

解读 | https://zhuanlan.zhihu.com/p/54334986

引用次数 | 147

解决目标检测中最为棘手尺度变化问题，在标准的COCO 数据集上，使用ResNet101单模型可以得到MAP 48.4的结果，远远超越了当时公开的单模型最优结果。

   NO.10 FaceForensics++ 人脸编辑检测

Faceforensics++: Learning to detect manipulated facial images

学习检测被篡改了的面部图像

作者 | Andreas Rössler, Davide Cozzolino, Luisa Verdoliva, Christian Riess, Justus Thies, Matthias Nießner

单位 | 慕尼黑工业大学；那不勒斯菲里德里克第二大学；埃尔朗根-纽伦堡大学

论文 | https://arxiv.org/abs/1901.08971

代码 | https://github.com/ondyari/FaceForensics

引用次数 | 139

随着技术的进步，越来越多的假视频出现，为研究识别这些合成的假视频，慕尼黑工业大学等通过人脸重演和换脸推出大型数据集 Faceforensics++。

   NO.11 用于图像压缩的GAN

Generative adversarial networks for extreme learned image compression

作者 | Eirikur Agustsson, Michael Tschannen, Fabian Mentzer, Radu Timofte, Luc Van Gool

单位 | 苏黎世联邦理工学院

论文 | https://arxiv.org/abs/1804.02958

代码 | https://github.com/Justin-Tan/generative-compression （非官方）

引用次数 | 138

神经网络图像视频压缩越来越引起学术界的兴趣，本文用GAN做图像压缩，体积小清晰度却很高。

   NO.12  目标检测-CenterNet

CenterNet: Keypoint triplets for object detection

用于目标检测的关键点三联体

作者 | Kaiwen Duan, Song Bai, Lingxi Xie, Honggang Qi, Qingming Huang, Qi Tian

单位 | 国科大；牛津大学；华为诺亚方舟实验室

论文 | https://arxiv.org/abs/1904.08189

代码 | https://github.com/Duankaiwen/

CenterNet

引用次数 | 137

不同于 Objects as Points 论文的 CenterNet，该CenterNet是在ECCV 2018 CornerNet基础上增加预测中心点，以此决定目标检测的包围框。

   NO.13 TSM：视频理解/动作识别

TSM: Temporal shift module for efficient video understanding

高效视频理解的时空转换模块

作者 | Ji Lin, Chuang Gan, Song Han

单位 | 麻省理工学院；MIT-IBM Watson AI Lab

论文 | https://arxiv.org/abs/1811.08383

代码 | https://github.com/mit-han-lab/temporal-shift-module

引用次数 | 111

该方法是能够插入2D CNNs的网络中实现时序上的学习而不增加额外的性能上的花费。TSM是一个高效且识别率非常好的模型，相对于传统的一些算法其速度有数倍的提升，在视频理解问题中验证了其有效性。

   NO.13（并列） CutMix 数据增广

CutMix: Regularization Strategy to Train Strong Classifiers with Localizable Features

作者 | Sangdoo Yun, Dongyoon Han, Seong Joon Oh, Sanghyuk Chun, Junsuk Choe, Youngjoon Yoo

单位 | Naver公司；LINE Plus；延世大学

论文 | https://arxiv.org/abs/1905.04899

代码 | https://github.com/clovaai/CutMix-PyTorch

备注 | ICCV 2019 oral

引用次数 | 111

一种新的数据增广方法，随机Cut一块区域，填充训练集中其他图像块，取得了更好的效果。该方法被用于YOLOv4的训练。

   NO.15  Randomly wired neural networks 神经架构搜索

Exploring randomly wired neural networks for image recognition

探索随机布线神经网络在图像识别中的应用

作者 | Saining Xie, Alexander Kirillov, Ross Girshick, Kaiming He

单位 | FAIR

论文 | https://arxiv.org/abs/1904.01569

代码 | https://github.com/seungwonpark/

RandWireNN

引用次数 | 107

该文运用经典随机图理论，创造性的去生成随机连线的图，但实验表明这些随机生成连接的图的网络在ImageNet数据集上的accuracy超越的经典的手工设计的方法。

文章认为探究如何设计出更好的网络生成器可能能带来更好的突破。

   NO.16 VideoBERT 联合视频与语言的表示学习

VideoBERT: A joint model for video and language representation learning

作者 | Chen Sun, Austin Myers, Carl Vondrick, Kevin Murphy, Cordelia Schmid

单位 | 谷歌

论文 | https://arxiv.org/abs/1904.01766

引用次数 | 101

为了利用 YouTube 等平台上的大规模无标签数据，自监督学习如今变得越来越重要。这篇论文中作者们提出了一个视觉和语义的联合模型，在没有额外显式监督的条件下学习高阶特征。在动作分类和视频描述测试了这一模型。表明该模型可直接用于开放词汇库的分类任务，超过了最优秀的视频描述模型。

   NO.17 KPConv 点云卷积

KPConv: Flexible and deformable convolution for point clouds

作者 | Hugues Thomas, Charles R. Qi, Jean-Emmanuel Deschaud, Beatriz Marcotegui, François Goulette, Leonidas J. Guibas

单位 | 国立巴黎高等矿业学院；FAIR；斯坦福大学

论文 | https://arxiv.org/abs/1904.08889

解读 | https://zhuanlan.zhihu.com/p/92244933

代码 | https://github.com/HuguesTHOMAS/

KPConv

解读 | https://blog.csdn.net/Dujing2019/article/

details/104178936

引用次数 | 99

点云特征提取的核心点卷积（Kernel Point Convolution）。

   NO.18 面部重演

Few-shot adversarial learning of realistic neural talking head models

作者 | Egor Zakharov, Aliaksandra Shysheya, Egor Burkov, Victor Lempitsky

单位 | 莫斯科三星人工智能中心；Skolkovo 科学技术研究院 

论文 | https://arxiv.org/abs/1905.08233

解读 | https://zhuanlan.zhihu.com/p/149289436

代码 | https://github.com/vincent-thevenin/Realistic-Neural-Talking-Head-Models

共享文件 | https://drive.google.com/drive/

folders/1PeGG6zO3ZjrHk2GAXItB8khwMhPPyDHe

引用次数 | 91

该文小样本的面部重演，即实现表情变换而身份不变。

   NO.19 新型卷积 Octave convolution

Drop an octave: Reducing spatial redundancy in convolutional neural networks with octave convolution

作者 | Yunpeng Chen, Haoqi Fan, Bing Xu, Zhicheng Yan, Yannis Kalantidis, Marcus Rohrbach, Shuicheng Yan, Jiashi Feng

单位 | Facebook AI；新加坡国立大学；依图科技

论文 | https://arxiv.org/abs/1904.05049

解读 | https://zhuanlan.zhihu.com/p/62711929

代码 | https://github.com/facebookresearch/

OctConv

引用次数 | 90

为更好的提取图像频域信息，提出了 Octave convolution 新型卷积，在图像分类，行为识别等任务上，可在降低计算量的同时达到更好的效果。

   NO.19（并列） Habitat  实体AI模拟平台

Habitat: A platform for embodied ai research

实体AI研究平台

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

单位 | FAIR；FRL；佐治亚理工学院；西蒙弗雷泽大学；英特尔；UC伯克利

论文 | https://arxiv.org/abs/1904.01201

解读 | https://zhuanlan.zhihu.com/p/69310354

主页 | https://aihabitat.org/

引用次数 | 90

为了加速机器人等实体AI的开发，Facebook开源其AI模拟平台AI Habitat，为实体AI研究提供通用的人类模拟训练，同时还有3D模型数据集Replica，包括生成的一系列公寓、零售店等室内场景的3D模型。

备注如：CV

计算机视觉交流群

交流学习最新CV技术前沿，扫码备注拉入群。

我爱计算机视觉

微信号:aicvml

QQ群:805388940

微博知乎:@我爱计算机视觉

投稿:[email protected]

网站:www.52cv.net

在看，让更多人看到