CVPR 第47页

深度学习之语义分割、实例分割（FCN、Mask RCNN理论篇)

写一篇博客记录一下读后感，供自己回忆，供有需要的人参考~1、FCN（语义分割中的“典型”）一、概述：FCN（FullyConvolutionalNetworks）是JonathanLong等人在2015年CVPR

QianZ423·2022-12-17 01:27

构建自己的GhostNet网络(PyTorch)

ghostnet.pytorch如果想看原文翻译，请跳转：https://blog.csdn.net/qq_38316300/article/details/104602071这篇博客主要是对2020CVPR

lp_oreo·2022-12-16 21:14

论文笔记：Bottom-Up and Top-Down Attention for Image Captioning and Visual Question Answering

Bottom-UpandTop-DownAttentionforImageCaptioningandVisualQuestionAnsweringhttp://openaccess.thecvf.com/content_cvpr

金融科技自习生·2022-12-16 20:17

Cycle-Consistency for Robust Visual Question Answering阅读笔记

近日看了一篇CVPR的文章：《Cycle-ConsistencyforRobustVisualQuestionAnswering》，即“用于鲁棒性视觉问答的循环一致性模型”。

智商25的憨憨·2022-12-16 20:47

《Bottom-Up and Top-Down Attention for Image Captioning and Visual Question Answering》——2018 CVPR论文笔记

这是一篇2018年的CVPR的论文，使用自下而上和自上而下相结合的注意力机制实现了imagecaptioning和VQA，作者使用这个注意力模型在imagecaptioning上取得了非常好的效果，在2017

BXDBB·2022-12-16 20:47

Bottom-Up and Top-Down Attention for Image Captioning and Visual Question Answering

这是CVPR2018Oral的一篇关于ImageCaptioning和VisualQuestionAnswering的文章，paper链接https://arxiv.org/abs/1707.07998

fuxin607·2022-12-16 20:47

CVPR 2018 Bottom-Up and Top-Down Attention for Image Captioning and Visual Question Answering

论文地址：https://arxiv.org/pdf/1707.07998.pdfBackground在本文方法出现之前，大多数imagecaptioning模型的视觉特征提取都是使用CNN来提取gridfeatures。本文提出了使用目标检测方法，得到一个图片中相对重要的目标区域来进行视觉特征的提取。如下图所示，左边是常规的gridfeatures，右边是本文提出的目标检测特征提取方法。其次在这

leeyns·2022-12-16 20:17

中科院aibench_CVPR2019人脸防伪检测挑战赛Top3论文代码及模型解析

加入极市专业CV交流群，与6000+来自腾讯，华为，百度，北大，清华，中科院等名企名校视觉开发者互动交流！更有机会与李开复老师等大牛群内互动！同时提供每月大咖直播分享、真实项目需求对接、干货资讯汇总，行业技术交流。关注极市平台公众号，回复加群，立刻申请入群~来源：知乎链接：https://zhuanlan.zhihu.com/p/69542283本文经作者授权转载，未经允许，不得二次转载赛事简介C

weixin_39884738·2022-12-16 19:20

DyGLIP:跨摄像头多目标跟踪的动态图模型

ADynamicGraphModelwithLinkPredictionforAccurateMulti-CameraMultipleObjectTracking本文为阅读论文时做的翻译，还没有良好的习惯，随便看看就好原文链接CVPR2021DYGLIP

Waiting_fade·2022-12-16 18:03

【mmdetection3d】mmdetection3d安装详细步骤

项目的一部分，这个项目由香港中文大学多媒体实验室和商汤科技联合发起，涵盖了3D目标检测、单目3D目标检测、多模态3D目标检测、3D语义分割等三维深度学习任务，复现了最新的一些论文和成果，特别是包括了大量CVPR

Coding的叶子·2022-12-16 17:53

实例分割模型 YOLACT 和 YOLACT++

Paper：CVPR2019YOLACT:Real-timeInstanceSegmentation，CVPR2020YOLACT++:BetterReal-timeInstanceSegmentation

云从天上来·2022-12-16 15:03

ResNet 残差、退化等细节解读

2016年CVPRBestPaperhttps://arxiv.org/abs/1512.03385何凯明大神的作品。。有空多看看。1.深度学习网络的退化

云从天上来·2022-12-16 15:33

利用Hog特征和SVM分类器进行行人检测

在2005年CVPR上，来自法国的研究人员NavneetDala

liulina603·2022-12-16 10:45

论文写作课程心得体会

对于人工智能、计算机视觉和机器学习等领域而言，有CVPR、IEEE、AAAI、ICCV等。

weixin_44755398·2022-12-16 08:22

计算机视觉与深度学习（11）

普通网友·2022-12-16 08:10

动作分析姿态估计_CVPR2020无需3D运动数据训练，最新SOTA人体姿势估计方法

点击我爱计算机视觉标星，更快获取CVML新技术作者|MuhammedKocabas译者|刘畅出品|AI科技大本营(ID:rgznai100)人体的运动对于理解人的行为是非常重要的。尽管目前已经在单图像3D姿势和动作估计方面取得了进展，但由于缺少用于训练的真实的3D运动数据，因此现有的基于视频的SOTA方法无法产生准确且自然的运动序列。为了解决这个问题，本文提出了“用于人体姿势和形状估计的视频推理”

weixin_39939303·2022-12-16 08:24

CVPR 2022 | ST-MR：与Multiverse有何不同？（二）

（一）中有说ST-MR的整体架构与CVPR2020Multiverse的架构如出一辙，来看看为什么这么说。

深度科研·2022-12-16 08:21

CVPR 2022 | ST-MR：与Multiverse有何不同？（一）

这是一篇CVPR2022关于行人轨迹预测的文章，之所以取这个题目，是因为它与CVPR2020Multiverse论文如出一辙。

深度科研·2022-12-16 08:20

CVPR 2020 | Social-STGCNN：基于图卷积的行人轨迹预测

原文链接：Social-STGCNN:ASocialSpatio-TemporalGraphConvolutionalNeuralNetworkforHumanTrajectoryPrediction代码链接：代码有一段时间没有更新博客了，这一段时间我在干嘛呢？回想起来除了每周定时的007外，只是单纯的懒。在写作风格上，坚持靠近于算法层面，而不是单纯的文章翻译、代码解析。那废话不多说，我们开始吧！

深度科研·2022-12-16 07:46

论文笔记：Meta-attention for ViT-backed Continual Learning CVPR 2022

论文笔记：Meta-attentionforViT-backedContinualLearningCVPR2022论文介绍论文地址以及参考资料Transformer回顾Self-AttentionVisiontransformer

星光点点wwx·2022-12-16 07:25

【论文笔记】【CVPR2022】【异常检测】 Anomaly Detection via Reverse Distillation from One-Class Embedding

[CVPR2022]AnomalyDetectionviaReverseDistillationfromOne-ClassEmbeddingCVPR2022Link:[2201.10703]AnomalyDetectionviaReverseDistillationfromOne-ClassEmbedding

Merengue_l·2022-12-16 07:19

CVPR20 (AD) - Uninformed Students: Student–Teacher Anomaly Detection

文章目录原文地址论文阅读方法初识相知回顾原文地址https://openaccess.thecvf.com/content_CVPR_2020/papers/Bergmann_Uninformed_Students_Student-Teacher_Anomaly_Detection_With_Discriminative_Latent_Embeddings_CVPR

我是大黄同学呀·2022-12-16 07:17

Reverse Distillation【异常检测：Density-based】

CVPR2022背景与传统的不同：（1）采用老师编码器和学生解码器结构，学生解码器与老师解码器结构相反（增加异常可区分性，相似的话，在训练阶段一定程度泄漏异常信息。）。

太简单了·2022-12-16 07:47

《论文笔记》Anomaly Detection via Reverse Distillation from One-Class Embedding

这是2022年的CVPR文章，作者提出了一个创新的知识蒸馏方案：反转知识蒸馏论文地址：https://arxiv.org/pdf/2201.10703v1.pdfMotivation论文针对传统的知识蒸馏的方案提出了一个问题

HarryXxc·2022-12-16 07:41

Zero-DCE 论文阅读笔记

Zero-ReferenceDeepCurveEstimationforLow-LightImageEnhancement,”2020IEEE/CVFConferenceonComputerVisionandPatternRecognition(CVPR

sysu_first_yasuo·2022-12-16 03:24

SCI：快速、灵活与稳健的低光照图像增强方法（CVPR 2022 Oral）

关注公众号，发现CV技术之美本文分享论文『TowardFast,Flexible,andRobustLow-LightImageEnhancement』，提出了一种全新的低光照图像增强方案：自校准光照学习（SCI）。通过构建引入自校准模块的权重共享光照学习过程，摒弃了网络结构的繁杂设计过程，实现了仅使用简单操作进行增强的目的。大量实验结果表明，SCI在视觉质量、计算效率、下游视觉任务应用方面均取得

我爱计算机视觉·2022-12-16 03:49

CVPR 2022 Oral | SCI：实现快速、灵活与稳健的低光照图像增强

作者丨马龙来源丨大连理工大学编辑丨极市平台论文地址：https://arxiv.org/pdf/2204.10137.pdf代码地址：https://github.com/vis-opt-group/SCI本文提出了一种全新的低光照图像增强方案：自校准光照学习（SCI）。通过构建引入自校准模块的权重共享光照学习过程，摒弃了网络结构的繁杂设计过程，实现了仅使用简单操作进行增强的目的。大量实验结果表明

Tom Hardy·2022-12-16 03:49

论文笔记：低照增强Zero-DCE

发表于CVPR2020具有如下的特点：不需要构造训练对：通过精心设计的non-referencelossfunction实现。因为不需要构造训练对，所以训练数据比较容

mmmmmk_·2022-12-16 03:18

CVPR 2022 Oral 大连理工提出SCI：快速、超强的低光照图像增强方法

可视化测试代码：CVPR2022Oral大连理工提出的SCI快速、超强的低光照图像增强方法可视化代码_AI视觉网奇的博客-CSDN博客分三个模型easy.ptmedium.ptdifficult.pt，

AI视觉网奇·2022-12-16 03:45

经典/最新计算机视觉论文及代码推荐

小小谢先生·2022-12-16 00:30

【论文简述及翻译】A Large Dataset to Train Convolutional Networks for Disparity, Optical Flow, and SceneFlow

一、论文简述1.第一作者：NikolausMayer等2.发表年份：20163.发表期刊：CVPR4.关键词：数据集、视差估计、场景流估计、光流估计、端到端训练5.探索动机：因为缺乏具有足够真实性的并且充分标注的真实值的大型数据集

华科附小第一名·2022-12-16 00:56

CVPR2022 | 动作识别框架新范式 STRM，用最小的样本获得最高的精度

论文题目：Spatio-temporalRelationModelingforFew-shotActionRecognition论文连接：https://arxiv.org/abs/2112.05132v2代码连接：https://github.com/Anirudh257/strm综述我们提出了一种few-shot动作识别框架STRM，它在学习高阶时间表示的同时，增强了特定类特征的区分能力。我们

小小谢先生·2022-12-16 00:51

[CVPR2019]GANFIT: Generative Adversarial Network Fitting for High Fidelity 3D Face Reconstruction

标题：GANFIT:GenerativeAdversarialNetworkFittingforHighFidelity3DFaceReconstruction链接：https://arxiv.org/pdf/1902.05978这篇文章处理的问题就是从一张2D图片恢复人脸3D形状的问题，使用了经典的3DMM框架，最大的亮点就是在生成纹理图的时候用了GAN。模型输入的三个参数其实可以分为两个部分，

深蓝蓝蓝蓝蓝·2022-12-15 22:32

点云配准论文阅读笔记

《RPM-Net:RobustPointMatchingusingLearnedFeatures》CVPR2020论文链接：http://arxiv.org/abs/2003.13479v1代码链接：https

hhhhhhpw·2022-12-15 22:20

2020年9月70篇GAN/对抗论文汇总

CVPR2020最全GAN论文梳理！

机器学习与AI生成创作·2022-12-15 22:49

CVPR_2021_Riggable 3D Face Reconstruction via In-Network Optimization

摘要本文提出了一种基于单目图像的可装配的三维人脸重建方法，该方法联合估计个性化的人脸模型和每幅图像的参数，包括表情、姿态和光照。为了实现这一目标，我们设计了一个嵌入可微网络优化的端到端可训练网络。该网络首先通过神经解码器将人脸识别器参数化为一个紧凑的潜在代码，然后通过可学习优化估计潜在码和每幅图像的参数。网络内优化显式地执行从第一性原理导出的约束，因此比基于回归的方法引入了额外的先验。最后，利用深

Nicholas Sc·2022-12-15 22:49

CVPR_2021_Fast-GANFIT: Generative Adversarial Networkfor High Fidelity 3D Face Reconstruction

摘要在本文中，我们采用了一种完全不同的方法，利用生成对抗网络（GANs）和DCNNs的能力，从单幅图像中重建面部纹理和形状。即利用GANS从一个大规模的三维纹理数据集中训练出一个非常强大的人脸纹理先验。在此基础上，我们利用非线性优化方法对原有的三维可变形模型(3DMMS)拟合进行了研究，找到了能够在新的视角下重建测试图像的最优潜在参数。为了对初始化具有鲁棒性和加速拟合过程，我们提出了一种新的基于自

Nicholas Sc·2022-12-15 22:16

【目标检测】25、Sparse R-CNN: End-to-End Object Detection with Learnable Proposals

3.1Backbone3.2Learnableproposalbox3.3Learnableproposalfeature3.4Dynamicinstanceinteractivehead3.5Setpredictionloss四、效果五、代码出处：CVPR2021

呆呆的猫·2022-12-15 19:33

CVPR 2022 | SwinTextSpotter：基于文本检测与识别更好协同的场景文本识别

点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达转载自：CSIG文档图像分析与识别专委会本文简要介绍CVPR2022录用的论文“SwinTextSpotter:SceneTextSpottingviaBetterSynergybetweenTextDetectionandTextRecognition

Amusi（CVer）·2022-12-15 19:01

CVPR 2019 ViLBERT: Pretraining Task-Agnostic Visiolinguistic Representations for Vision-and-Language

动机现存方法的两大局限性：视觉理解任务使用的主要策略是先基于其他大规模任务分别预训练视觉和语言模型，然后将其作为具体任务的一部分基础知识。然而，1）这种方案学习到的基础知识并不牢靠，当visiolinguisticdata有限或者有偏时(biased)，模型的泛化能力很差。此外，2）在单模态数据上学习的近乎完美的表征，往往忽略了与其他模态之间的联系。比如，即使狗品种分类的视觉表征是完美的，但在下游

smile909·2022-12-15 18:54

LPIPS(Learned Perceptual Image Patch Similarity)

来源于CVPR2018《TheUnreasonableEffectivenessofDeepFeaturesasaPerceptualMetric》，该度量标准学习生成图像到GroundTruth的反向映射强制

江南酷哥lazy·2022-12-15 16:41

论文项目复现笔记----Emotion Driven Monocular Face Capture and Animation

爱编程的小亮·2022-12-15 16:39

Waymo Open Dataset 数据集解析 - 3D 分割

数据集解析-3D分割1.数据集简介2.数据集内容3.数据集下载1.数据集简介文章标题ScalabilityinPerceptionforAutonomousDriving:WaymoOpenDataset(CVPR2020

77wpa·2022-12-15 15:34

目标检测算法YOLOF：You Only Look One-level Feature

文介绍CVPR2021接收的目标检测论文YouOnlyLookOne-levelFeature。

ghang35·2022-12-15 14:11

FCOS:Fully Convolutional One-Stage Object Detection(论文阅读笔记)

本文是CVPR2019的文章，基于Anchor-free。论文链接：https://arxiv.org/abs/1904.01355代码链接：当前mmdetection中有focs的相关code实现。

酉意铭·2022-12-15 11:57

MobileNetV2:Inverted Residuals and Linear Bottlenecks

论文阅读笔记论文链接(CVPR2018)https://arxiv.org/abs/1801.04381Forexample,thedepthwiselayermayworkonatensorwith144channels

点宝木九日·2022-12-15 10:14

[论文解析]CLIP-NeRF: Text-and-Image Driven Manipulation of Neural Radiance Fields

codelink:https://cassiepython.github.io/clipnerf/@inproceedings{DBLP:conf/cvpr/WangCH0022,author={CanWangandMengleiChaiandMingmingHeandDongdongChenandJingLiao

_Summer tree·2022-12-15 10:34

论文阅读Reconstructing CT from Biplanar X-Rays with Generative Adversarial Networks

ReconstructingCTfromBiplanarX-RayswithGenerativeAdversarialNetworks基于生成对抗网络的双平面x线重建CT来源：CVPR2019作者单位：

A2333fun·2022-12-15 09:45

从局部到全局的多模式电影场景分割

从局部到全局的多模式电影场景分割CVPR2020个人总结1.研究现状：2.研究的意义：3.提出的解决方案（局部到全局的场景分割模型）：4.电影场景数据集：5.结论：全文翻译从局部到全局的多模式电影场景分割方法摘要

小白爬爬爬·2022-12-15 07:15

CCNet: Criss-Cross Attention for Semantic Segmentation论文解读

这是ICCV2019的用于语义分割的论文，可以说和CVPR2019的DANet遥相呼应。

咆哮的阿杰·2022-12-15 07:37

推荐频道

CVPR