AI速递

简 要 目 录这是一本面向人工智能，特别是深度学习初学者的书，本书旨在帮助更多的读者朋友了解、喜欢并进入到人工智能行业中来，因此作者试图从分析人工智能中的简单问题入手，一步步地提出设想、分析方案以及实现方案，重温当年科研工作者的发现之路，让读者身临其境式的感受算法设计思想，从而掌握分析问题、解决问题的能力。这种方式也是对读者的基础要求较少的，读者在学习本书的过程中会自然而然地了解算法的相关背景知识，体会到知识是为了解决问题而生的，避免出现为了学习而学习的窘境。尽管作者试图将读

【1-66】移步到公众号：AI速递[67] Classifying Video based on Automatic Content Detection Overview作者 | Yilin Wang, Jiayi Ye链接 | https://arxiv.org/abs/2103.15323[68] TFPose: Direct Human Pose Estimation with Transformers作者 | Weian Mao, Yongtao Ge, Chunhua Shen, Zh

编辑 | | AI速递计算机视觉 3月28日【1】 USB: Universal-Scale Object Detection Benchmark标题：USB：万能物体检测基准链接：https://arxiv.org/abs/2103.14027【2】 Multi-Target Domain Adaptation via Unsupervised Domain Classification for Weather Invariant Object Detection标题：天气不变目标检测中基

[31] Multimodal Motion Prediction with Stacked Transformers标题 |堆叠式变压器的多模态运动预测链接 | https://arxiv.org/abs/2103.11624[32] Progressive and Aligned Pose Attention Transfer for Person Image Generation标题 | 用于人图像生成的渐进式和对齐式姿势注意转移链接 | https://arxiv.org/abs/2103

[1] Anti-Adversarially Manipulated Attributions for Weakly and Semi-Supervised Semantic Segmentation标题 | 弱和半监督语义分割的反专业操作归因链接 | https://arxiv.org/abs/2103.08896[2] Spatial Dependency Networks: Neural Layers for Improved Generative Image Modeling标题 | 空间依

[1] Temporal Cluster Matching for Change Detection of Structures from Satellite Imagery标题 | 时态聚类匹配用于卫星影像结构变化检测链接 | https://arxiv.org/abs/2103.09787[2] ALADIN: All Layer Adaptive Instance Normalization for Fine-grained Style Similarity标题 | 细粒度样式相似的全层自适.

编辑 | | AI速递计算机视觉 3月19日[1] Learning to Recommend Frame for Interactive Video Object Segmentation in the Wild标题：野外交互式视频对象分割中推荐帧的学习链接：https://arxiv.org/abs/2103.10391[2] Investigate Indistinguishable Points in Semantic Segmentation of 3D Point Cloud标题：

随着深度学习的迅速发展并广泛应用到语义分割领域，语义分割效果得到了显著的提升。本文主要对基于深度神经网络的图像语义分割方法和研究现状进行了详细的综述。根据网络训练方式的不同，将现有的方法分为全监督学习图像语义分割方法和弱监督学习图像语义分割方法，对每类方法中代表性算法的效果以及优缺点进行分析介绍，并系统地阐述了深度神经网络对语义分割领域的贡献。然后，归纳了当前主流的公共数据集和遥感数据集，并在此基础对比主流图像语义分割方法的实验结果。最后，对语义分割技术面临的挑战以及未来工作的发展方向进行了展望