《从CVPR 2014看计算机视觉领域的最新热点》读后随想

《从CVPR 2014看计算机视觉领域的最新热点》提供了一个了解CVPR的窗口，阅读后结合自身工作有些随想记录在此。

1、尚未被深度学习渗透的Low-level Vision ；
2、Depth Sensor（深度传感器）及深度图像；
这两点都可以作为对非深度学习值得深入的方向 。

 其中包括3A算法在内的去模糊、稳像、图像抠图、去涂鸦适合以技术技能在图像处理方面的EG，这个方向一直在发展，受到机器学习算法的影响较小，对于美图类应用、手机及芯片制造商来说，还是热门技术 

 计算机视觉一直在发展，热像仪、车载夜视仪、安防的指纹人脸门禁考勤机，视频行为分析摄像机、ADAS防碰撞电子后视镜等，到微软的kinect、灵格深瞳的RGB-D相机，再到360全景相机，作为前段的采集分析设备一直在革新，嵌入式软件工程师在创业型公司（如DGI）是越来越火，源于智能硬件的兴起 。

附1.

Face Alignment

New Project: An Empirical Study of Recent Face Alignment Methods Related Papers [the bib file is attached at the end]

1. 2015

2. Xi Peng, Yu Yang, Shaoting Zhang, Dimitris Metaxas, PIEFA: Personalized Incremental and Ensemble Face Alignment in the Wild, ICCV 2015.
3. Jie Zhang, Meina Kan, Shiguang Shan, Xilin Chen, Leveraging Datasets with Varying Annotations for Face Alignment via Deep Regression Network, ICCV, 2015.
4. Amin Jourabloo, Xiaoming Liu, Pose-Invariant 3D Face Alignment, ICCV, 2015.
5. Georgios Tzimiropoulos, Project-Out Cascaded Regression With an Application to Face Alignment, CVPR, 2015. 
   
6. E. Antonakos, J. Alabort-i-Medina, S. Zafeiriou, Active Pictorial Structures, CVPR, 2015. [CODE]
7. Donghoon Lee, Hyunsin Park, Chang D. Yoo, Face Alignment Using Cascade Gaussian Process Regression Trees, CVPR, 2015. 
8. S. Zhu, C. Li, C. C. Loy, X. Tang, Face Alignment by Coarse-to-Fine Shape Searching, CVPR, 2015.