编译 | CV君
报道 | OpenCV中文网（微信id：iopencv）
千呼万唤始出来，WACV 2021会议已过去近一个月，本文总结其获奖论文。
本次会议共设 5 个奖项：最佳算法论文奖、最佳应用论文奖、最佳学生论文提名奖、最佳论文荣誉提名奖、最佳学生论文荣誉提名奖。
由于疫情原因，该会议为线上举行，获奖情况亦是线上公布。官方已给出视频，视频包含公布获奖论文以及获奖论文相关作者对论文的介绍。
获奖论文分别来自模型部署、图像恢复、6D姿态估计、人体姿态估计、医学领域的大脑皮层重建五个研究方向。
01 最佳算法论文奖
DeepCSR: A 3D Deep Learning Approach for Cortical Surface Reconstruction
在目前医学领域，神经退行性疾病的研究依赖于从磁共振成像（MRI）中重建和分析大脑皮层。传统的框架，如 FreeSurfer 需要冗长的运行时间，它的加速变种 FastSurfer 仍然依赖于 voxel-wise 分割，这是受其分辨率的限制，捕捉狭窄的连续对象作为皮质表面。
针对以上限制，作者在本次研究中，提出 DeepCSR，用于从 MRI 重建皮质表面的 3D 深度学习框架。训练一个具有 hypercolumn 特征的神经网络模型，来预测大脑模板空间中各点的隐式表面表征。训练后，通过评估特定坐标处的表面表征，随后应用 topology correction 算法和 isosurface extraction 方法，得到足够具有细节信息的皮层表面。
由于此方法的连续性质和其超列特征方案的有效性，DeepCSR 在高分辨率下可以有效地重建皮层表面，捕捉皮层折叠的精细细节。
另外，DeepCSR比广泛使用的FreeSurfer工具箱及其深度学习驱动的变种FastSurfer在重建MRI的皮质表面上更准确、更精确、更快速，这有助于大规模的医学研究和新的医疗应用。
作者 | Rodrigo Santa Cruz, Leo Lebrat, Pierrick Bourgeat, Clinton Fookes, Jurgen Fripp, Olivier Salvado
单位 | CSIRO Health & Biosecurity；昆士兰科技大学；CSIRO Data61
论文 | https://arxiv.org/abs/2010.11423
02 最佳应用论文奖
3D Human Pose and Shape Estimation Through Collaborative Learning and Multi-View Model-Fitting
该工作是为解决在人体姿势和形状估计任务中，先前方法仅依赖单视角 RGB 图像来训练网络的问题。最大特点是使用多视图进行建模。
作者 | Zhongguo Li, Magnus Oskarsson, Anders Heyden
单位 | 隆德大学
论文 |
https://openaccess.thecvf.com/content/WACV2021/papers/Li_3D_Human_Pose_and_Shape_Estimation_Through_Collaborative_Learning_and_WACV_2021_paper.pdf
代码 | https://github.com/leezhongguo/MVSPIN_NEW
03 最佳学生论文
A Pose Proposal and Refinement Network for Better 6D Object Pose Estimation
本文提出的端到端 6D 姿势估计方法，主要由两个模块组成。
首先，PPN，是一个基于完全 CNN 的架构，可以产生一个 one-pass 姿势估计。其次，MARN，是一个姿势细化网络，它结合视觉和Flow特征来估计预测和实际物体姿势之间的精确转换。
此外，MARN 利用空间多注意力块来凸显重要的特征部分，使方法更加鲁棒。完整的端到端模型在三个独立的数据集上取得了最先进的结果。
作者 | Ameni Trabelsi, Mohamed Chaabane, Nathaniel Blanchard, Ross Beveridge
单位 | 科罗拉多州立大学
论文 |
https://openaccess.thecvf.com/content/WACV2021/papers/Trabelsi_A_Pose_Proposal_and_Refinement_Network_for_Better_6D_Object_WACV_2021_paper.pdf
04最佳学生论文荣誉提名奖
Meta Module Network for Compositional Visual Reasoning
神经模块网络（NMN）由于其手工制作的神经模块具有明确的 multi-hop 推理能力，因此表现出很强的可解释性和组成性。
然而，大多数 NMN 都存在两个严重的缺点：
1、可扩展性：为特定功能定制的模块在复杂任务中扩展到更大的功能集时不再适用
2、通用性：僵化的预定义模块难以泛化到新任务/领域中
本文提出元模块网络，解决已知的 NMN 的挑战。模型建立在元模块的基础上，元模块可以被实例化成一个实例模块，动态地执行指定的功能。所提出方法显著优于基线方法，在保持较强的可解释性的同时，实现与先进技术相当的性能。
作者 | Wenhu Chen, Zhe Gan, Linjie Li, Yu Cheng, William Wang, Jingjing Liu
单位 | 微软 Dynamics 365 AI研究；加州大学圣巴巴拉分校
论文 | https://arxiv.org/abs/1910.03230
代码 | https://github.com/wenhuchen/Meta-Module-Network
备注 | WACV 2021 Oral
05最佳论文荣誉提名奖
Generative Patch Priors for Practical Compressive Image Recovery
该文中所提出的 GPP ，增强 generative priors 对整个自然图像集的适用性，并不只限于训练分布。作者称，与现有的 unsupervised priors 相比，标准数据集（如CIFAR）近似于 patch manifold，以实现高质量的 CS 图像恢复。
作者对 generative priors的 self-calibration 理念进行了扩展，最大限度地减少了压缩成像系统中所需要的手动传感器级校准。
验证表明，所提出的 prior 和 calibration 模型，在从真实块压缩成像仪中获得的未校准测量结果上实现了更好的重建质量，验证了其有效性。
作者 | Rushil Anirudh, Suhas Lohit, Pavan Turaga
单位 | 劳伦斯利弗莫尔国家实验室；三菱电机研究实验室；亚利桑那州立大学
论文 | https://arxiv.org/abs/2006.10873
备注 | WACV2021
【推荐阅读】
WACV 2021 论文大盘点-人体动作检测与识别篇
WACV 2021 论文大盘点-图像质量篇
WACV 2021 论文大盘点-智能驾驶篇
WACV 2021 论文大盘点-图像与视频检索篇
WACV 2021 论文大盘点-姿态估计篇
WACV 2021 论文大盘点-目标跟踪篇
WACV 2021 论文大盘点-GAN篇
WACV 2021 论文大盘点-行人监控篇
WACV 2021 论文大盘点-图像分割篇
WACV 2021 论文大盘点-目标检测篇
WACV 2021 论文大盘点-人脸技术篇
- END -编辑：CV君转载请联系本公众号授权