ECCV 2020 Spotlight 谷歌论文大盘点
ECCV2020 已经结束，官方放出了所有论文：
ECCV 2020 论文合集下载，分类盘点进行中
ECCV 2020 总计录取1361篇论文，其中Oral 102篇，Spotlight 161 篇。
前文已经汇总了ECCV 2020 Oral论文中谷歌公司参与的相关论文：
ECCV 2020 Oral 中谷歌论文盘点，点云与3D方向工作居多
共计10篇。
本文继续盘点谷歌 Spotlight 中论文，看看工业界巨头都在关注什么方向，取得了哪些突破。该部分论文总计 12 篇，
点云分类、数据增强
[1].PointMixup: Augmentation for Point Clouds
作者 | Yunlu Chen, Vincent Tao Hu, Efstratios Gavves, Thomas Mensink, Pascal Mettes, Pengwan Yang, Cees G.M. Snoek
单位 | 阿姆斯特丹大学；谷歌；北大
论文 | https://arxiv.org/abs/2008.06374
代码 | https://github.com/yunlu-chen/PointMixup/
备注 | ECCV 2020 Spotlight
Mixup 在2D图像的深度学习训练数据增广中获得了巨大的成功，该文是把其扩展到了点云领域，想想其实是很自然要做的事儿。
[2].Connecting Vision and Language with Localized Narratives
作者 | Jordi Pont-Tuset, Jasper Uijlings, Soravit Changpinyo, Radu Soricut, Vittorio Ferrari
单位 | 谷歌
论文 | https://arxiv.org/abs/1912.03098
解读 | 900万注释图像数据集升级了！谷歌开放Open Images V6，首增语音、文本、鼠标轨迹同步注释
备注 | ECCV 2020 Spotlight
超大数据集 Open Images 的更新，新增了507444个局部叙事。连接视觉与语言，这是一个可能会出现颠覆性创新的领域。
[3].View-Invariant Probabilistic Embedding for Human Pose
作者 | Jennifer J. Sun, Jiaping Zhao, Liang-Chieh Chen, Florian Schroff, Hartwig Adam, Ting Liu
单位 | 加州理工学院；谷歌
论文 | https://arxiv.org/abs/1912.01001
代码 | https://github.com/google-research/google-research/tree/master/poem
视频结果 | https://drive.google.com/drive/folders/
1kTc_UT0Eq0H2ZBgfEoh8qEJMFBouC-Wv
备注 | ECCV 2020 Spotlight
该文发明了一种视角不变的概率嵌入模型，用于人体姿态的表示，在人体姿态检索、动作识别、视频对齐中获得了成功应用。
[4].Big Transfer (BiT): General Visual Representation Learning
作者 | Alexander Kolesnikov, Lucas Beyer, Xiaohua Zhai, Joan Puigcerver, Jessica Yung, Sylvain Gelly, Neil Houlsby
单位 | 谷歌；Z¨urich, Switzerland
论文 | https://arxiv.org/abs/1912.11370
代码 | https://github.com/google-research/big_transfer
解读 | 谷歌发布最先进的计算机视觉迁移模型BigTransfer（BiT）
备注 | ECCV 2020 Spotlight
使用大型数据集训练并开放了模型，有助于CV社区模型预训练的研究。
全景分割
[5].Axial-DeepLab: Stand-Alone Axial-Attention for Panoptic Segmentation
作者 | Huiyu Wang, Yukun Zhu, Bradley Green, Hartwig Adam, Alan Yuille, Liang-Chieh Chen
单位 | 约翰斯·霍普金斯大学；谷歌
论文 | https://arxiv.org/abs/2003.07853
代码 | https://github.com/csrhddlam/axial-deeplab
备注 | ECCV 2020 Spotlight
DeepLab系分割算法向全景分割的演化。
[6].Mask2CAD: 3D Shape Prediction by Learning to Segment and Retrieve
作者 | Weicheng Kuo, Anelia Angelova, Tsung-Yi Lin, Angela Dai
单位 | 谷歌；慕尼黑工业大学
论文 | https://arxiv.org/abs/2007.13034
备注 | ECCV 2020 Spotlight
学习分割和检索的三维形状预测。
[7].A Generalization of Otsu's Method and Minimum Error Thresholding
作者 | Jonathan T. Barron
单位 | 谷歌
论文 | https://arxiv.org/abs/2007.07350
代码 | https://github.com/jonbarron/hist_thresh
备注 | ECCV 2020 Spotlight
大津法阈值化的推广，一个简单快速的 Bayesian 算法，用大约10行代码编写，在图像二值化上优于或匹配大型CNN网络，统一了三种经典的阈值化算法。
[8].Learning to Factorize and Relight a City
作者 | Andrew Liu, Shiry Ginosar, Tinghui Zhou, Alexei A. Efros, Noah Snavely
单位 | 谷歌；UC伯克利；Humen AI
论文 | https://arxiv.org/abs/2008.02796
主页 | https://factorize-a-city.github.io/
备注 | ECCV 2020 Spotlight
城市级场景的分解及重打光特效。
[9].Weakly Supervised 3D Human Pose and Shape Reconstruction with Normalizing Flows
作者 | Andrei Zanfir, Eduard Gabriel Bazavan, Hongyi Xu, Bill Freeman, Rahul Sukthankar, Cristian Sminchisescu
单位 | 谷歌
论文 | https://arxiv.org/abs/2003.10350
备注 | ECCV 2020 Spotlight
弱监督3D人体姿态估计与形状重建，对高标准的标注数据需求降低，更加实用。
视频检索
[10].Multi-modal Transformer for Video Retrieval
作者 | Valentin Gabeur, Chen Sun, Karteek Alahari, Cordelia Schmid
单位 | Inria；谷歌
论文 | https://arxiv.org/abs/2007.10639
主页 | http://thoth.inrialpes.fr/research/MMT/
备注 | ECCV 2020 Spotlight
多模态的Transformer 用于大规模视频检索。
三维重建
[11].GeLaTO: Generative Latent Textured Objects
作者 | Ricardo Martin-Brualla, Rohit Pandey, Sofien Bouaziz, Matthew Brown, Dan B Goldman
单位 | 谷歌
论文 | https://arxiv.org/abs/2008.04852
主页 | https://gelato-paper.github.io/
备注 | ECCV 2020 Spotlight
该文发明了一种生成式潜在纹理对象的方法，用于物体的三维重建，对透明的、反光的、细的物体的重建效果更好。
[12].Neural Design Network: Graphic Layout Generation with Constraints
作者 | Hsin-Ying Lee, Lu Jiang, Irfan Essa, Phuong B Le, Haifeng Gong, Ming-Hsuan Yang, Weilong Yang
单位 | 谷歌;University of California, Merced;Yonsei University;Georgia Institute of Technology
论文 | https://arxiv.org/abs/1912.09421
备注 | ECCV 2020 Spotlight
该文发明了一种称之为神经设计网络的技术，用于在给定图像和文本内容和限定条件时，进行人工化的版面设计。（平面设计师要失业了）
备注：CV
计算机视觉学习交流群
更多最新计算机视觉学习技术信息，
若已为CV君其他账号好友请直接私信。
OpenCV中文网
微信号 : iopencv
QQ群：805388940
微博/知乎：@我爱计算机视觉
网站：www.52cv.net
在看，让更多人看到 