2.1OrientedRPN2.2RotatedRoIAlignment参考资料欢迎访问个人网络日志知行空间论文：OrientedR-CNNforObjectDetection代码：OBBDetection西北工业大学的XingxingXie等于2021年08月提交到ICCV2021

OrientedR-CNN：面向旋转目标检测的R-CNN（ICCV2021）一.旋转目标检测——研究现状1.1.之前的算法1.2.旋转目标检测——数据集1.3.开源代码二.

ICCV2021LearningSpatio-TemporalTransformerforVisualTracking论文实现：学习用于视觉跟踪的时空转换器摘要在本文中，我们提出了一种以编码器-解码器转换器为关键组件的新跟踪架构。编码器对目标对象和搜索区域之间的全局时空特征依赖性进行建模，而解码器学习查询嵌入来预测目标对象的空间位置。我们的方法将对象跟踪作为一个直接的边界框预测问题，而不使用任何提

AdaFit:RethinkingLearning-basedNormalEstimationonPointClouds(2021-ICCV)代码地址：https://github.com/Runsong123/AdaFit.在点云处理中，其中一个基本任务就是从点云中鲁棒地估计表面法线，这在许多实际应用中起着十分关键作用，例如表面重建、配准、分割、图元拟合、逆向工程和抓取。但由于存在噪声、点密度变

作者|Kwong编辑|汽车人原文链接：https://zhuanlan.zhihu.com/p/545796074点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取文章出自于ICCV2021

六、图像恢复-超分20、FourierSpaceLossesforEfficientPerceptualImageSuper-Resolution许多超分辨率(SR)模型仅针对精度效果进行优化，模型庞大、缺乏效率。大模型在实际应用中通常不实用，本文提出新的损失函数，以从更有效的模型中实现具有高感知质量的SR。利用傅立叶空间监督损失来改进从丢失的高频(HF)内容，并设计直接在傅立叶域的判别器架构以更

这篇文章主要整理自己粗略过一遍ICCV2021自己比较感兴趣的文章，主要是对摘要的阅读和自己的对摘要的理解。另外，为了方便

本周论文主要包括ICCV2021获奖论文等研究。

论文标题GraphContrastiveClustering论文作者、链接作者：Zhong,HuasongandWu,JianlongandChen,ChongandHuang,JianqiangandDeng,MinghuaandNie,LiqiangandLin,ZhouchenandHua,Xian-Sheng链接：ICCV2021OpenAccessRepository代码：GitHub-

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

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

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

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

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

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

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

该论文已被ICCV2021接收。

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）。

|姿态估计ICCV2021读后实验-知乎零基础看懂RLE（ResidualLog-likelihoodEstimation）|姿态估计ICC

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

据大会官方统计，ICCV2021共收到6236篇投稿，其中1617篇论文被接收，接收率为25.9%。

在今年的计算机视觉顶级会议ICCV2021上，腾讯PCG应用研究中心（ARC）与华中科技大学电信学院人

目录摘要1.Introduction2.RelatedWork2.1.CNNandvariants2.2.Self-attentionbasedbackbonearchitecture2.3.Self-attention/TransformerstocomplementCNNs2.4.Transformerbasedvisionbackbones3.Method3.1.OverallArchite

文章目录get_raw_skes_data.pyget_raw_denoised_data.pyseq_transformation.pyget_raw_skes_data.py'''本文件主要生成四个文件raw_data├──frames_cnt.txt│├──num_frame_interval(list)├──frames_drop.log│├──num_frame_interval(lis

公众号内容拓展学习笔记（2022.3.14）今日要点PlaneTR：一种用于提取场景中3D平面特征的Transformer(ICCV2021)⭐️⭐️Abstract:PlaneTR：一种用于提取场景中

MetaGradientAdversarialAttack（ICCV2021，MGAA）1、摘要受元学习思想的启发，本文提出了一种新的体系结构元梯度对抗攻击(MetaGradientAdversarialAttack

AdvDrop:通过丢弃信息生成对抗样本去攻击DNN（ICCV2021）1、摘要\背景人有很强的抽象能力和联想力，例如一个由几块积木拼成的乐高玩具，小朋友也能轻易认出其中描述的场景。

Black-boxDetectionofBackdoorAttackswithLimitedInformationandData论文单位：THBILab,TsinghuaUniversity,Beijing论文作者：YinpengDong,XiaoYang,JunZhu收录会议：ICCV2021

三、Supplement1.RelativePositionBias在SwinTransformer(一)中呢已经结束了主干部分，接下来呢，就是剩余的一些边边角角，不过重要的呢，是对源码的解析。在之前有提到说attention的计算多加了一个，即：我们把这个呢叫做偏置，也称为相对位置偏置RelativePositionBias。那这个RelativePositionBias到底在做一件怎样的事情呢

AUTHOR-元戎感知组时隔半年码字，来介绍一下今年被ICCV2021收录的一篇点云分割的工作DRINet:ADual-RepresentationIterativeLearningNetworkforPointCloudSegmentation

论文地址：https://openaccess.thecvf.com/content/ICCV2021/papers/Xu_Co-Scale_Conv-Attentional_Image_Transformers_ICCV

发表年份：2021.4发表单位：加州大学圣地亚哥分校期刊/会议：ICCV2021论文链接：https://arxiv.org/abs/2104.06399代码链接：https://github.com/

这里用到的技术，就是字节跳动技术团队在计算机视觉顶会ICCV2021上发表的在线多粒度蒸馏算法（OnlineMulti-GranularityDistillation，简称OMGD）。这种模型压缩

ConditioningMethodforDenoisingDiffusionProbabilisticModels(Paperreading)JooyoungChoi,SeoulNationalUniversity,Korea,ICCV2021

标题：SwinTransformer:HierarchicalVisionTransformerusingShiftedWindows链接：https://arxiv.org/pdf/2103.14030动机现在在CV中使用transformer的最大问题是运算量太大，因为图片的信息量远远大过NLP中文本的信息量，然后再做selfattention会导致N平方的复杂度，这是不可以接受的，因此如何减

MVSNeRF:FastGeneralizableRadianceFieldReconstructionfromMulti-ViewStereo：基于多视图立体的快速可推广辐射场重建（ICCV2021）

[Paper]EdgeFlow:AchievingPracticalInteractiveSegmentationwithEdge-GuidedFlow(2021)[Code]PaddlePaddle/PaddleSeg论文全称：EdgeFlow:AchievingPracticalInteractiveSegmentationwithEdge-GuidedFlow最近看了郝钰莹姐姐在ICCV20

点击进入—>3D视觉工坊学习交流群0.笔者个人体会：这个工作来自于华中科技大学，发表于ICCV2021。这个工作聚焦于点云的点特征表示学习，但是，与一般的点特征学习方法并不一样。

之前的车道线检测综述可以点击阅读：车道线检测综述及近期新工作https://blog.csdn.net/qq_41590635/article/details/117386286最近看到了一篇发表在ICCV2021

作为计算机视觉领域的三大国际顶级会议之一，CCFA类国际会议ICCV2021（IEEEInternationalConferenceonComputerVision）将于2021年10月11-17日在线举办

点击左上方蓝字关注我们作为计算机视觉领域的三大国际顶级会议之一，CCFA类国际会议ICCV2021（IEEEInternationalConferenceonComputerVision）将于2021年

计算机视觉领域顶会全称时间官网链接ICCVIEEEInternationalConferenceonComputerVision.国际计算机视觉大会两年一次奇数年https://iccv2021.thecvf.com/ICCV2021

养成每天读文献的好习惯，随手一记，欢迎大家讨论指正~论文：LearningtoKnowWheretoSee:AVisibility-AwareApproachforOccludedPersonRe-identification，主要在文献Pose-GuidedFeatureAlignmentforOccludedPersonRe-Identification上进行改进一、问题1.稀疏的姿态关键点会

关注公众号，发现CV技术之美0写在前面主动学习（Activelearning）旨在通过只在数据集上选择信息最丰富的样本来降低标记成本。现有的工作很少涉及到目标检测的主动学习。目前仅有的一些目标检测主动学习方法大多基于多个模型或是分类方法的直接扩展，因此只使用分类头来估计图像的信息量。本文提出了一种新的目标检测的深度主动学习方法，依赖于混合密度网络，估计每个定位头和分类头输出的概率分布。作者明确地估

点击进入—>3D视觉工坊学习交流群0.笔者个人体会：这个工作来自于牛津大学、香港大学、香港中文大学和IntelLabs，发表于ICCV2021。

来源：AI科技评论本文是对发表于计算机视觉领域的顶级会议ICCV2021的论文“FACIAL:SynthesizingDynamicTalkingFacewithImplicitAttributeLearning

点击上方“计算机视觉工坊”，选择“星标”干货第一时间送达作者丨小马编辑丨极市平台导读作者专为目标检测任务“量身定制”了对比学习框架DetCo，在PASCALVOC数据集上，DetCo在100个epoch时的性能就与MoCoV2800个epoch的性能差不多，最终性能优于MaskRCNN-C4/FPN/RetinaNet等监督学习的方法。【写在前面】深度学习两巨头Bengio和LeCun在ICLR2

APurelyPoint-BasedFramework论文阅读笔记这是一篇ICCV2021年的文章，出自腾讯优图实验室。

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|陆岩编辑|王晔转载自：AI科技评论本文是我们ICCV2021的工作，作为白菜的渣作还是硬着头皮来宣传啦。

ICCV2021的Eformer就是Uformer基础上改进而来，看来还是值得一读，简单记录下。