ECCV 2020 语义分割论文大盘点(38篇论文)

作者:CV Daily | 编辑:Amusi
Date:2020-09-25
来源:计算机视觉Daily微信公众号(系投稿)
原文:ECCV 2020 语义分割论文大盘点(38篇论文)

前言

距离ECCV 2020 会议结束有段时间了,但其中的论文大多是目前的SOTA,所以非常值得大家花时间阅读学习!

计算机视觉Daily将正式系列整理 ECCV 2020的大盘点工作,本文为第二篇:语义分割方向。第一篇是目标检测系列,详见:ECCV 2020 目标检测论文大盘点(49篇论文)

本文主要包含:一般的2D语义分割、弱监督、域自适应语义分割等方向。论文PDF已打包好,在公众号后台回复:ECCV2020语义分割,即可下载这38篇论文。

在这里插入图片描述

  • 注意1:并不包含实例分割、全景分割、3D 语义分割、视频目标分割,因为这些方向的论文也是超级多的,后续计算机视觉Daily会专门系统整理,还请关注后续内容。
  • 注意2:中科院和商汤各有6篇,北京大学有5篇,国科大和香港中文大学各有4篇,微软和华中科技大学有3篇入围,太强了!
  • 注意3:弱监督和域自适应语义分割的论文越来越多,渐渐一片红海

语义分割

Object-Contextual Representations for Semantic Segmentation

  • 作者单位:中科院, 国科大, 微软亚洲研究院
  • 论文:https://www.ecva.net/papers/eccv_2020/papers_ECCV/html/5021_ECCV_2020_paper.php
  • 代码1:https://github.com/openseg-group/openseg.pytorch
  • 代码2:https://github.com/openseg-group/OCNet.pytorch
  • 中文解读:暂无

Intra-class Feature Variation Distillation for Semantic Segmentation

  • 作者单位:武汉大学, 华中科技大学
  • 论文:https://www.ecva.net/papers/eccv_2020/papers_ECCV/html/230_ECCV_2020_paper.php
  • 代码:https://github.com/YukangWang/IFVD
  • 中文解读:暂无

Class-wise Dynamic Graph Convolution for Semantic Segmentation

  • 作者单位:北京大学, 商汤科技, 北京邮电大学
  • 论文:https://www.ecva.net/papers/eccv_2020/papers_ECCV/html/2638_ECCV_2020_paper.php
  • 代码:暂无
  • 中文解读:暂无

Tensor Low-Rank Reconstruction for Semantic Segmentation

  • 作者单位:香港中文大学, 上海交通大学, 中科院, 思谋科技
  • 论文:https://www.ecva.net/papers/eccv_2020/papers_ECCV/html/2662_ECCV_2020_paper.php
  • 代码:https://github.com/CWanli/RecoNet
  • 中文解读:暂无

Improving Semantic Segmentation via Decoupled Body and Edge Supervision

  • 作者单位:北京大学, 之江实验室, 牛津大学, 商汤科技
  • 论文:https://www.ecva.net/papers/eccv_2020/papers_ECCV/html/2800_ECCV_2020_paper.php
  • 代码:https://github.com/lxtGH/DecoupleSegNets
  • 中文解读:暂无

Learning to Predict Context-adaptive Convolu

  • 1
    点赞
  • 37
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值