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