ICCV 第10页

Few-shot Object Detection via Feature Reweighting

Few-shotObjectDetectionviaFeatureReweighting模型组成FeatureExtractorReweightingModulePredictionLayer训练策略摘要：这是ICCV2019

DeepWWJ·2023-01-11 01:12

源码阅读之FewshotDetection

Few-shotObjectDetectionviaFeatureReweighting进行的相关阅读，需要自行查看的可以去提取，原文是“Few-shotObjectDetectionviaFeatureReweighting,ICCV2019

beingod0·2023-01-11 01:11

《SinGAN: Learning a Generative Model from a Single Natural Image》解读

论文地址这篇论文为ICCV2019最佳论文，主要贡献在于设计了一个基于单张图片的图像生成模型，并将其应用到多个方向，包括图像随机生成，图像融合、手绘画转自然图像、图像编辑以及图像超分重建。

the步履不停shy·2023-01-10 18:49

Distillation-guided Image Inpainting 论文阅读笔记

这是ICCV的文章，但我只是随便读一下，记录一些可能以后会参考的机制网络结构图如下：主要就是用了两个网络，参考了知识蒸馏中教师-学生网络的方式，用完整图像encoder-decoder重建过程中的特征图来监督

sysu_first_yasuo·2023-01-10 15:18

明年3月前CCF人工智能会议截稿汇总--ICCV, IJCAI, SIGIR等13条

点击文末公众号卡片，不错过计算机会议投稿信息会议简称截稿时间通知时间录用率官网ESWC202322.12.8（注册）23.2.2321年25.2%https://2023.eswc-conferences.org/ICME202323.12.1523.3.1222年29.7%https://www.2023.ieeeicme.org/SIGIR202323.1.24(注册）23.4.422年20.

SiameseAge·2023-01-10 11:08

【网络裁剪】——Learning Efficient Convolutional Networks through Network Slimming

转载自:https://blog.csdn.net/h__ang/article/details/89376079亮点:ICCV2017论文链接：https://arxiv.org/abs/1708.06519

农夫山泉2号·2023-01-10 11:06

MonoIndoor - 针对室内场景优化的无监督深度估计方法

TowardsGoodPracticeofSelf-SupervisedMonocularDepthEstimationforIndoorEnvironmentsPaperReadingNoteURL:https://openaccess.thecvf.com/content/ICCV2021

kebijuelun·2023-01-09 22:42

语义分割系列22-GCNet（pytorch实现）

GCNet：《GCNet:Non-localNetworksMeetSqueeze-ExcitationNetworksandBeyond》论文链接：ICCV2019：GCNet本文将介绍：GCNet:

yumaomi·2023-01-09 08:40

时尚图像补全网络FiNet｜ ICCV 2019 Oral

点击我爱计算机视觉标星，更快获取CVML新技术本文对ICCV2019Oral论文FiNet:CompatibleandDiverseFashionImageInpainting进行了解读，希望对从事视觉时尚研究的朋友所有启发

我爱计算机视觉·2023-01-08 10:58

FiNet 和 InfoGAN

学习报告3目录学习报告3兼容多样的时尚形象修复FiNet:CompatibleandDiverseFashionImageInpainting（ICCV2019）通过信息最大化可生成对抗网络的可解释表示学习

chocoboeater·2023-01-08 10:57

ICCV2021：Spatially-Adaptive Image Restoration using Distortion-Guided Networks

论文代码（应该还没放出来）摘要我们提出了一种基于学习的通用解决方案，用于恢复遭受空间变化的退化图像。先前的方法通常是特定于退化的，并且在不同的图像和图像中的不同像素上采用相同的处理。然而，我们假设这样的空间刚性处理对于同时恢复退化像素以及重建图像的干净区域而言是次优的。为了克服这一局限性，我们提出了SPAIR，这是一种网络设计，它包含退化定位信息，并根据图像中的困难区域动态调整计算。SPAIR由两

weixin_45703452·2023-01-07 19:30

Image Inpainting via Conditional Texture and Structure Dual Generation 论文解读和感想

ImageInpaintingviaConditionalTextureandStructureDualGeneration论文解读和感想背景和动机本文是一篇2021年ICCV的关于图像inpainting

涑月听枫·2023-01-07 19:55

ICCV 2019丨微软亚研院精选论文解读

点击我爱计算机视觉标星，更快获取CVML新技术编者按：ICCV2019正于10月27-11月2日在韩国首尔举行。

我爱计算机视觉·2023-01-07 19:24

图像恢复系列（11）之修复（inpainting） | 最新ICCV2021生成对抗网络GAN论文梳理汇总...

十一、图像恢复-修复27WaveFill:AWavelet-basedGenerationNetworkforImageInpainting图像修复旨在用逼真的内容完成图像缺失或损坏的区域。当前流行的方法通过使用生成对抗网络重建具有较好感知质量的结果。但重建损失和对抗性损失侧重于合成不同频率的内容，简单地将它们一起应用通常会导致频率间的冲突。本文引进WaveFill，基于小波修复，将图像分解为多个

机器学习与AI生成创作·2023-01-07 19:53

ICCV 2021 |首届 SoMoF 人体序列预测比赛冠军方案分享

近日阿里巴巴淘系技术多媒体算法团队的同学，以大幅领先第二名的成绩获得了在ICCV2021上举办的第一届室外场景下的人体轨迹预测比赛（SoMoFChallenge）的冠军，同时比赛论文被该Workshop

阿里巴巴淘系技术团队官网博客·2023-01-07 19:20

图像修复 : ICCV 2021 基于条件纹理和结构并行生成的图像修复【翻译】

声明：精简翻译，未完全校对积压的存稿、好久没更文了、先发一篇这个代码很不错、推荐有兴趣的同学学习博主也写了对应的测评文章待发、点赞越多、发的越快如有同学，学有余力、可以转载这个文章（附原文地址即可）、校对、共享，帮助大家学习进步可以适当的给予鼓励，如果你同样认可这是一件快乐和有意义的事情文末附中文翻译PDF（机翻）分享版权:本文由【墨理学AI】原创首发、各位读者大大、敬请查阅、感谢三连声明:作为全

墨理学AI·2023-01-07 19:48

目标检测之TOOD：Task-aligned One-stage Object Detection

ICCV210.摘要one-stage和two-stage的最大区别就是分类回归任务是否是同时进行，本文的目的是解决两类任务并行进行时候的冲突。

Diros1g·2023-01-07 15:36

【目标检测】12、TOOD: Task-aligned One-stage Object Detection

3.1Task-alignedHead3.2TaskAlignmentLearning3.2.1Task-alignedsampleassignment3.2.2Task-alignedLoss四、效果论文：https://arxiv.org/pdf/2108.07755.pdf代码：https://github.com/fcjian/TOOD出处：ICCV2021

呆呆的猫·2023-01-07 15:04

ICCV 2021 Oral

点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达作者丨happy本文转载自丨极市平台导读本文提出通过显式方式：T-head（即插即用的模块）+TAL改善单阶段检测器存在的任务不对齐问题，所提的TOOD在COCO数据集上取得了51.1AP指标，超越了包含ATSS、GFL、PAA、OTA等在内的单阶段检测。本文将单阶段检测器在COCO数据集上的性能刷新到了51.1AP。针对现有单阶

Amusi（CVer）·2023-01-07 15:03

基于python的AD-census立体匹配算法实现

1.代价计算2.代价聚合3.视差优化4.视差后处理二、基于python的AD-census立体匹配算法实现前言 AD-Census算法来自于中国学者XingMei等在ICCV2011发表的论文《OnBuildinganAccurateStereoMatchingSystemonGraphicsHardware

小张Tt·2023-01-07 07:35

GridDehazeNet: Attention-Based Multi-Scale Network for Image Dehazing(ICCV2019)

1摘要我们提出了一个端到端可训练的卷积神经网络(CNN)，命名为GridDehazeNet，用于单幅图像去雾。GridDehazeNet由三个模块组成:预处理、主干和后处理。与由手动预处理方法产生的那些导出输入相比，可训练预处理模块可以产生具有更好多样性和更相关特征的学习输入。主干模块在网格网络上实现了一种新颖的基于注意力的多尺度估计，可以有效缓解传统多尺度方法中经常遇到的瓶颈问题。后处理模块有助

change_lkl·2023-01-06 18:27

使用Disentangling形式的损失函数回归2D和3D目标框

本文介绍一篇ICCV2019的论文『DisentanglingMonocular3DObjectDetection』。

我爱计算机视觉·2023-01-06 15:19

ICCV 2011 Paper

CodeTitleType3ANonparametricRiemannianFrameworkonTensorFieldwithApllicationtoForegroundSegmentationPoster4AreSpatialandGlobalConstraintsReallyNecessaryforSegmentation?Poster7IlluminationDemultiplexing

马卫飞·2023-01-06 08:14

ICCV 2011 [List of Accepted Papers]

CodeTitleType3ANonparametricRiemannianFrameworkonTensorFieldwithApllicationtoForegroundSegmentationPoster4AreSpatialandGlobalConstraintsReallyNecessaryforSegmentation?Poster7IlluminationDemultiplexing

kevin_hust·2023-01-06 08:41

iccv 2011 paper

ICCV2011的论文列表CodeTitleType3ANonparametricRiemannianFrameworkonTensorFieldwithApllicationtoForegroundSegmentationPoster4AreSpatialandGlobalConstraintsReallyNecessaryforSegmentation

dpj110·2023-01-06 08:41

alphapose 介绍

首先简单介绍一下Alposepose该模型提出的论文：《RMPE:RegionalMulti-PersonPoseEstimation》ICCV2017，是由上海交通大学提出的，目前在多人自讨估计的效果最好

jack_201316888·2023-01-06 07:24

论文笔记——Tracktor：tracking without bells and whistles

论文标题：《trackingwithoutbellsandwhistles》链接：https://openaccess.thecvf.com/content_ICCV_2019/html/Bergmann_Tracking_Without_Bells_and_Whistles_ICCV

汐梦聆海·2023-01-06 05:45

ICCV 2021｜“白嫖”性能的MixMo，一种新的数据增强or模型融合方法

点击上方“计算机视觉工坊”，选择“星标”干货第一时间送达导读本文作者提出了一种新的多输入多输出深度子网学习广义框架MixMo，MixMo可以作为一种集成方法或一种新的混合样本数据增强方法进行分析，同时仍然与两种研究方向的工作保持互补。写在前面最近的工作提出的不用额外计算的集成方法，大多是在一个网络中同时设置不同的subnet。训练时。每个subnet只学习分类多个输入数据中的其中一个。然而，如何更

Tom Hardy·2023-01-05 21:41

Similarity-Preserving Knowledge Distillation论文阅读

今天分享一篇2020年ICCV关于知识蒸馏的论文，论文地址点这里一.介绍知识蒸馏是一种用于监督“学生”神经网络训练的通用技术，它通过捕获和转移训练过的“教师”网络的知识来实现。

编程龙·2023-01-05 16:23

[ICCV 2019] Transductive Learning for Zero-Shot Object Detection

[paper]第一个用直推式做零样本检测。亮点：论文是基于自学习机制的，这个过程，保证了在源域上学到的知识不会被遗忘。在总结贡献的时候，（3）为了保持在源域上学习到概念，我们提出了一种固定的伪标签标注目标。域漂移问题：给定有限数量的可见类数据，ZSL旨在泛化到不同的未见类物体上。在现实中，未见类（目标域）的分布和已见类（源域）非常不同。这个问题叫做“域漂移问题”。直推式零样本识别vs检测区别一：Z

一亩高粱·2023-01-05 14:22

转载：ICCV研讨会：实时SLAM的未来以及深度学习与SLAM的比较

上一届「国际计算机视觉大会（ICCV：InternationalConferenceofComputerVision）」成为了深度学习（DeepLearning）技术的主场，但在我们宣布卷积神经网络（ConvNet

屋卡·2023-01-05 11:27

把连续学习的思路用在基于图像的相机定位问题中（ ICCV 2021）

点击上方“3D视觉工坊”，选择“星标”干货第一时间送达点击进入—>3D视觉工坊学习交流群ContinualLearningforImage-BasedCameraLocalization（2021ICCV

3Ｄ视觉工坊·2023-01-05 11:55

基于Pytorch框架下的YOLOV3剪枝算法实现

https://arxiv.org/abs/1708.06519，代码基于论文LearningEfficientConvolutionalNetworksThroughNetworkSlimming(ICCV2017

yx868xy·2023-01-05 09:29

全连接层的顺序是先通道还是先_通道剪枝（channel pruning）：Network Slimming

YOLOv3进行模型剪枝后参数量减少80%，Flops降低70%，mAP反而还提升了，github链接：https://github.com/Lam1360/YOLOv3-model-pruning，是在ICCV2017

weixin_39946266·2023-01-05 09:25

ICCV 2017——Learning Efficient Convolutional Networks Through Network Slimming（模型剪枝）

文章目录ICCV2017——LearningEfficientConvolutionalNetworksThroughNetworkSlimming（模型剪枝）1.论文概述1.1论文动机1.2三种level

JMU-HZH·2023-01-05 09:52

[论文笔记] Towards Real-World Prohibited Item Detection: A Large-Scale X-ray Benchmark 阅读笔记

TowardsReal-WorldProhibitedItemDetection:ALarge-ScaleX-rayBenchmark阅读笔记TowardsReal-WorldProhibitedItemDetection:ALarge-ScaleX-rayBenchmark（ICCV2021

吉他A梦·2023-01-05 01:42

[2021ICCV]Swin Transformer模型的一些模块

GitHubCSDNPatchEmbed:将输入的图片进行切分classPatchEmbed(nn.Module):"""2DImagetoPatchEmbedding"""def__init__(self,patch_size=4,in_c=3,embed_dim=96,norm_layer=None):super().__init__()patch_size=(patch_size,patch

清欢年岁~·2023-01-04 20:01

百度飞浆图像分割课程笔记11：实例分割 Mask R-CNN [ICCV 2017]

Top-down：先做检测，再做分割MaskR-CNN框架目的：检测图像中的对象object（boundingbox），同时为每个实例生成高质量的分割mask（框中哪个像素属于物体，哪个像素属于背景）第一阶段(RPN)：通过RPN网络提取候选框（哪些区域可能是物体）第二阶段：对于选取出来的候选框，通过RoIAlign或者RoIPooling操作得到固定大小的featuremap（包括当前物体的一些

享受这时光·2023-01-04 13:42

CycleGAN的简单实现（pytorch）

CycleGAN是于2017年发表在ICCV上的由GAN发展而来的一种无监督机器学习算法，是一种实现图像风格转换功能的GAN网络，在此之前存在着pix2pix实现图像风格转换，但pix2pix具有很大的局限性

欲揽星河·2023-01-04 11:57

ICCV2021 | PnP-DETR：用Transformer进行高效的视觉分析

前言DETR首创了使用transformer解决视觉任务的方法，它直接将图像特征图转化为目标检测结果。尽管很有效，但由于在某些区域(如背景)上进行冗余计算，输入完整的featuremaps的成本会很高。在这项工作中，论文将减少空间冗余的思想封装到一个新的轮询和池(PollandPool,PnP)采样模块中，该模块具有通用和即插即用的特点，利用该模块构建了一个端到端的PnP-DETR体系结构，该体系

CV技术指南(公众号)·2023-01-04 08:36

ICCV 2021 | 兼顾图像超分辨率、图像再缩放，ETH提出新型统一框架HCFlow，已开源

该论文已被ICCV2021接收。

AI从入门到实践·2023-01-04 08:31

ICCV 2021 Oral | 姿态估计——零基础看懂RLE

最近ICCV2021上有一项姿态识别领域非常厉害的工作，它就是今天要介绍的残差似然估计（ResidualLog-likelihoodEstimation）。

深兰深延AI·2023-01-04 07:50

姿态估计之2D人体姿态估计 - Human Pose Regression with Residual Log-likelihood Estimation(RLE)

【参考】重点看第四篇[ICCV2021Oral]学习潜在的误差分布——HumanPoseRegressionwithResidualLog-likelihoodEstimation(RLE)论文笔记-知乎

light169·2023-01-04 07:48

ICCV 2021 | 重铸Regression荣光！具有残差对数似然估计的人体姿态回归

©作者|Tau单位|网易研究方向|计算机视觉本文是一篇新鲜出炉的ICCVOral，由于我的工作内容是姿态估计相关，因此也在第一时间拜读了一下，以下是一些笔记和过往经验的总结。由于我自身能力有限，文章中存在错误请见谅，欢迎指正。论文标题：HumanPoseRegressionwithResidualLog-likelihoodEstimation论文地址：https://jeffli.site/re

PaperWeekly·2023-01-04 07:17

Human Pose Regression with Residual Log-likelihood Estimation阅读笔记

基于残差对数似然估计的人体姿态回归ICCV2021Oral论文链接代码链接摘要：热图法通过似然热图模拟输出分布，在人体姿态估计领域独领风骚。相比之下，基于回归的方法效率更高，但性能较差。

AnZhiJiaShu·2023-01-04 07:16

[2103] [ICCV 2021] Swin Transformer: Hierarchical Vision Transformer using Shifted Windows

papercodeContentAbstractMethodmodelarchitectureshiftedwindow(Swin)attentionefficientbatchcomputationforshiftedwindowcomputationalcomplexityrelativepositionalencoding(RPE)Swintransformerencoderarchitec

koukouvagia·2023-01-03 14:51

Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks相关

元学习论文总结||小样本学习论文总结2017-2019年计算机视觉顶会文章收录AAAI2017-2019CVPR2017-2019ECCV2018ICCV2017-2019ICLR2017-2019NIPS2017

TBYourHero·2023-01-03 14:50

何恺明Focal Loss改进版！GFocal Loss：良心技术，无cost涨点

点击上方“计算机视觉工坊”，选择“星标”干货第一时间送达来自|知乎作者|李翔编辑|AI科技评论在ICCV2017上，Kaiming大神所在的FAIR团队“随手”发了一篇名为《FocalLossforDenseObjectDetection

Tom Hardy·2023-01-03 06:27

图像编辑系列之（2）基于StyleGAN（3）GAN逆映射（4）人脸（5）语义生成 | ICCV2021生成对抗GAN梳理汇总...

二、图像编辑-基于StyleGAN11、StyleCLIP:Text-DrivenManipulationofStyleGANImagery受StyleGAN启发，最近许多工作都集中在了解如何使用StyleGAN的潜在空间来操纵图像生成。但为了挖掘语义上有意义的潜在表示，通常涉及到一些人工，甚至是打标签的图像数据。这项工作探索利用最近引入的对比语言图像预训练(CLIP)模型，以便为StyleGAN

机器学习与AI生成创作·2023-01-02 14:41

SLAM十四讲课后习题解答