CVPR2024 论文和代码合集(1)

最新推荐文章于 2024-07-26 17:36:26 发布
最新推荐文章于 2024-07-26 17:36:26 发布
阅读量418 收藏 3
点赞数 3
分类专栏： 程序员 文章标签： python 学习 面试
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_61408947/article/details/138901969
版权

如果你也是看准了Python，想自学Python，在这里为大家准备了丰厚的免费学习大礼包，带大家一起学习，给大家剖析Python兼职、就业行情前景的这些事儿。

一、Python所有方向的学习路线

Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、学习软件

工欲善其必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。

三、全套PDF电子书

书籍的好处就在于权威和体系健全，刚开始学习的时候你可以只看视频或者听某个人讲课，但等你学完之后，你觉得你掌握了，这时候建议还是得去看一下书籍，看权威技术书籍也是每个程序员必经之路。

四、入门学习视频

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。

四、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

五、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

成为一个Python程序员专家或许需要花费数年时间，但是打下坚实的基础只要几周就可以，如果你按照我提供的学习路线以及资料有意识地去实践，你就有很大可能成功！
最后祝你好运！！！

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

  • 代码：https://github.com/aim-uofa/AdelaiDet

Deep Snake for Real-Time Instance Segmentation

  • 论文：https://arxiv.org/abs/2001.01629

  • 代码：https://github.com/zju3dv/snake

Mask Encoding for Single Shot Instance Segmentation

  • 论文：https://arxiv.org/abs/2003.11712

  • 代码：https://github.com/aim-uofa/AdelaiDet

全景分割

===============================================================

Video Panoptic Segmentation

  • 论文：https://arxiv.org/abs/2006.11339

  • 代码：https://github.com/mcahny/vps

  • 数据集：https://www.dropbox.com/s/ecem4kq0fdkver4/cityscapes-vps-dataset-1.0.zip?dl=0

Pixel Consensus Voting for Panoptic Segmentation

  • 论文：https://arxiv.org/abs/2004.01849

  • 代码：还未公布

BANet: Bidirectional Aggregation Network with Occlusion Handling for Panoptic Segmentation

论文：https://arxiv.org/abs/2003.14031

代码：https://github.com/Mooonside/BANet

视频目标分割

=================================================================

A Transductive Approach for Video Object Segmentation

  • 论文：https://arxiv.org/abs/2004.07193

  • 代码：https://github.com/microsoft/transductive-vos.pytorch

State-Aware Tracker for Real-Time Video Object Segmentation

  • 论文：https://arxiv.org/abs/2003.00482

  • 代码：https://github.com/MegviiDetection/video_analyst

Learning Fast and Robust Target Models for Video Object Segmentation

  • 论文：https://arxiv.org/abs/2003.00908

  • 代码：https://github.com/andr345/frtm-vos

Learning Video Object Segmentation from Unlabeled Videos

  • 论文：https://arxiv.org/abs/2003.05020

  • 代码：https://github.com/carrierlxk/MuG

超像素分割

================================================================

Superpixel Segmentation with Fully Convolutional Networks

  • 论文：https://arxiv.org/abs/2003.12929

  • 代码：https://github.com/fuy34/superpixel_fcn

交互式图像分割

==================================================================

Interactive Object Segmentation with Inside-Outside Guidance

  • 论文下载链接：http://openaccess.thecvf.com/content_CVPR_2020/papers/Zhang_Interactive_Object_Segmentation_With_Inside-Outside_Guidance_CVPR_2020_paper.pdf

  • 代码：https://github.com/shiyinzhang/Inside-Outside-Guidance

  • 数据集：https://github.com/shiyinzhang/Pixel-ImageNet

NAS

==============================================================

AOWS: Adaptive and optimal network width search with latency constraints

  • 论文：https://arxiv.org/abs/2005.10481

  • 代码：https://github.com/bermanmaxim/AOWS

Densely Connected Search Space for More Flexible Neural Architecture Search

  • 论文：https://arxiv.org/abs/1906.09607

  • 代码：https://github.com/JaminFong/DenseNAS

MTL-NAS: Task-Agnostic Neural Architecture Search towards General-Purpose Multi-Task Learning

  • 论文：https://arxiv.org/abs/2003.14058

  • 代码：https://github.com/bhpfelix/MTLNAS

FBNetV2: Differentiable Neural Architecture Search for Spatial and Channel Dimensions

  • 论文下载链接：https://arxiv.org/abs/2004.05565

  • 代码：https://github.com/facebookresearch/mobile-vision

Neural Architecture Search for Lightweight Non-Local Networks

  • 论文：https://arxiv.org/abs/2004.01961

  • 代码：https://github.com/LiYingwei/AutoNL

Rethinking Performance Estimation in Neural Architecture Search

  • 论文：https://arxiv.org/abs/2005.09917

  • 代码：https://github.com/zhengxiawu/rethinking_performance_estimation_in_NAS

  • 解读1：https://www.zhihu.com/question/372070853/answer/1035234510

  • 解读2：https://zhuanlan.zhihu.com/p/111167409

CARS: Continuous Evolution for Efficient Neural Architecture Search

  • 论文：https://arxiv.org/abs/1909.04977

  • 代码（即将开源）：https://github.com/huawei-noah/CARS

GAN

==============================================================

SEAN: Image Synthesis with Semantic Region-Adaptive Normalization

  • 论文：https://arxiv.org/abs/1911.12861

  • 代码：https://github.com/ZPdesu/SEAN

Reusing Discriminators for Encoding: Towards Unsupervised Image-to-Image Translation

  • 论文地址：http://openaccess.thecvf.com/content_CVPR_2020/html/Chen_Reusing_Discriminators_for_Encoding_Towards_Unsupervised_Image-to-Image_Translation_CVPR_2020_paper.html

  • 代码地址：https://github.com/alpc91/NICE-GAN-pytorch

Distribution-induced Bidirectional Generative Adversarial Network for Graph Representation Learning

  • 论文：https://arxiv.org/abs/1912.01899

  • 代码：https://github.com/SsGood/DBGAN

PSGAN: Pose and Expression Robust Spatial-Aware GAN for Customizable Makeup Transfer

  • 论文：https://arxiv.org/abs/1909.06956

  • 代码：https://github.com/wtjiang98/PSGAN

Semantically Mutil-modal Image Synthesis

  • 主页：http://seanseattle.github.io/SMIS

  • 论文：https://arxiv.org/abs/2003.12697

  • 代码：https://github.com/Seanseattle/SMIS

Unpaired Portrait Drawing Generation via Asymmetric Cycle Mapping

  • 论文：https://yiranran.github.io/files/CVPR2020_Unpaired%20Portrait%20Drawing%20Generation%20via%20Asymmetric%20Cycle%20Mapping.pdf

  • 代码：https://github.com/yiranran/Unpaired-Portrait-Drawing

Learning to Cartoonize Using White-box Cartoon Representations

  • 论文：https://github.com/SystemErrorWang/White-box-Cartoonization/blob/master/paper/06791.pdf

  • 主页：https://systemerrorwang.github.io/White-box-Cartoonization/

  • 代码：https://github.com/SystemErrorWang/White-box-Cartoonization

  • 解读：https://zhuanlan.zhihu.com/p/117422157

  • Demo视频：https://www.bilibili.com/video/av56708333

GAN Compression: Efficient Architectures for Interactive Conditional GANs

  • 论文：https://arxiv.org/abs/2003.08936

  • 代码：https://github.com/mit-han-lab/gan-compression

Watch your Up-Convolution: CNN Based Generative Deep Neural Networks are Failing to Reproduce Spectral Distributions

  • 论文：https://arxiv.org/abs/2003.01826

  • 代码：https://github.com/cc-hpc-itwm/UpConv

Re-ID

================================================================

High-Order Information Matters: Learning Relation and Topology for Occluded Person Re-Identification

  • 论文：http://openaccess.thecvf.com/content_CVPR_2020/html/Wang_High-Order_Information_Matters_Learning_Relation_and_Topology_for_Occluded_Person_CVPR_2020_paper.html

  • 代码：https://github.com/wangguanan/HOReID

COCAS: A Large-Scale Clothes Changing Person Dataset for Re-identification

  • 论文：https://arxiv.org/abs/2005.07862

  • 数据集：暂无

Transferable, Controllable, and Inconspicuous Adversarial Attacks on Person Re-identification With Deep Mis-Ranking

  • 论文：https://arxiv.org/abs/2004.04199

  • 代码：https://github.com/whj363636/Adversarial-attack-on-Person-ReID-With-Deep-Mis-Ranking

Pose-guided Visible Part Matching for Occluded Person ReID

  • 论文：https://arxiv.org/abs/2004.00230

  • 代码：https://github.com/hh23333/PVPM

Weakly supervised discriminative feature learning with state information for person identification

  • 论文：https://arxiv.org/abs/2002.11939

  • 代码：https://github.com/KovenYu/state-information

3D点云（分类/分割/配准等）

==========================================================================

3D点云卷积

PointASNL: Robust Point Clouds Processing using Nonlocal Neural Networks with Adaptive Sampling

  • 论文：https://arxiv.org/abs/2003.00492

  • 代码：https://github.com/yanx27/PointASNL

Global-Local Bidirectional Reasoning for Unsupervised Representation Learning of 3D Point Clouds

  • 论文下载链接：https://arxiv.org/abs/2003.12971

  • 代码：https://github.com/raoyongming/PointGLR

Grid-GCN for Fast and Scalable Point Cloud Learning

  • 论文：https://arxiv.org/abs/1912.02984

  • 代码：https://github.com/Xharlie/Grid-GCN

FPConv: Learning Local Flattening for Point Convolution

  • 论文：https://arxiv.org/abs/2002.10701

  • 代码：https://github.com/lyqun/FPConv

3D点云分类

PointAugment: an Auto-Augmentation Framework for Point Cloud Classification

  • 论文：https://arxiv.org/abs/2002.10876

  • 代码（即将开源）： https://github.com/liruihui/PointAugment/

3D点云语义分割

RandLA-Net: Efficient Semantic Segmentation of Large-Scale Point Clouds

  • 论文：https://arxiv.org/abs/1911.11236

  • 代码：https://github.com/QingyongHu/RandLA-Net

  • 解读：https://zhuanlan.zhihu.com/p/105433460

Weakly Supervised Semantic Point Cloud Segmentation:Towards 10X Fewer Labels

  • 论文：https://arxiv.org/abs/2004.04091

  • 代码：https://github.com/alex-xun-xu/WeakSupPointCloudSeg

PolarNet: An Improved Grid Representation for Online LiDAR Point Clouds Semantic Segmentation

  • 论文：https://arxiv.org/abs/2003.14032

  • 代码：https://github.com/edwardzhou130/PolarSeg

Learning to Segment 3D Point Clouds in 2D Image Space

  • 论文：https://arxiv.org/abs/2003.05593

  • 代码：https://github.com/WPI-VISLab/Learning-to-Segment-3D-Point-Clouds-in-2D-Image-Space

3D点云实例分割

PointGroup: Dual-Set Point Grouping for 3D Instance Segmentation

  • 论文：https://arxiv.org/abs/2004.01658

  • 代码：https://github.com/Jia-Research-Lab/PointGroup

3D点云配准

Feature-metric Registration: A Fast Semi-supervised Approach for Robust Point Cloud Registration without Correspondences

  • 论文：https://arxiv.org/abs/2005.01014

  • 代码：https://github.com/XiaoshuiHuang/fmr

D3Feat: Joint Learning of Dense Detection and Description of 3D Local Features

  • 论文：https://arxiv.org/abs/2003.03164

  • 代码：https://github.com/XuyangBai/D3Feat

RPM-Net: Robust Point Matching using Learned Features

  • 论文：https://arxiv.org/abs/2003.13479

  • 代码：https://github.com/yewzijian/RPMNet

3D点云补全

Cascaded Refinement Network for Point Cloud Completion

  • 论文：https://arxiv.org/abs/2004.03327

  • 代码：https://github.com/xiaogangw/cascaded-point-completion

3D点云目标跟踪

P2B: Point-to-Box Network for 3D Object Tracking in Point Clouds

  • 论文：https://arxiv.org/abs/2005.13888

  • 代码：https://github.com/HaozheQi/P2B

其他

An Efficient PointLSTM for Point Clouds Based Gesture Recognition

  • 论文：http://openaccess.thecvf.com/content_CVPR_2020/html/Min_An_Efficient_PointLSTM_for_Point_Clouds_Based_Gesture_Recognition_CVPR_2020_paper.html

  • 代码：https://github.com/Blueprintf/pointlstm-gesture-recognition-pytorch

人脸

=============================================================

人脸识别

CurricularFace: Adaptive Curriculum Learning Loss for Deep Face Recognition

  • 论文：https://arxiv.org/abs/2004.00288

  • 代码：https://github.com/HuangYG123/CurricularFace

Learning Meta Face Recognition in Unseen Domains

  • 论文：https://arxiv.org/abs/2003.07733

  • 代码：https://github.com/cleardusk/MFR

  • 解读：https://mp.weixin.qq.com/s/YZoEnjpnlvb90qSI3xdJqQ

人脸检测

人脸活体检测

Searching Central Difference Convolutional Networks for Face Anti-Spoofing

  • 论文：https://arxiv.org/abs/2003.04092

  • 代码：https://github.com/ZitongYu/CDCN

人脸表情识别

Suppressing Uncertainties for Large-Scale Facial Expression Recognition

  • 论文：https://arxiv.org/abs/2002.10392

  • 代码（即将开源）：https://github.com/kaiwang960112/Self-Cure-Network

人脸转正

Rotate-and-Render: Unsupervised Photorealistic Face Rotation from Single-View Images

  • 论文：https://arxiv.org/abs/2003.08124

  • 代码：https://github.com/Hangz-nju-cuhk/Rotate-and-Render

人脸3D重建

AvatarMe: Realistically Renderable 3D Facial Reconstruction “in-the-wild”

  • 论文：https://arxiv.org/abs/2003.13845

  • 数据集：https://github.com/lattas/AvatarMe

FaceScape: a Large-scale High Quality 3D Face Dataset and Detailed Riggable 3D Face Prediction

  • 论文：https://arxiv.org/abs/2003.13989

  • 代码：https://github.com/zhuhao-nju/facescape

人体姿态估计(2D/3D)

========================================================================

2D人体姿态估计

TransMoMo: Invariance-Driven Unsupervised Video Motion Retargeting

  • 主页：https://yzhq97.github.io/transmomo/

  • 论文：https://arxiv.org/abs/2003.14401

  • 代码：https://github.com/yzhq97/transmomo.pytorch

HigherHRNet: Scale-Aware Representation Learning for Bottom-Up Human Pose Estimation

  • 论文：https://arxiv.org/abs/1908.10357

  • 代码：https://github.com/HRNet/HigherHRNet-Human-Pose-Estimation

The Devil is in the Details: Delving into Unbiased Data Processing for Human Pose Estimation

  • 论文：https://arxiv.org/abs/1911.07524

  • 代码：https://github.com/HuangJunJie2017/UDP-Pose

  • 解读：https://zhuanlan.zhihu.com/p/92525039

Distribution-Aware Coordinate Representation for Human Pose Estimation

  • 主页：https://ilovepose.github.io/coco/

  • 论文：https://arxiv.org/abs/1910.06278

  • 代码：https://github.com/ilovepose/DarkPose

3D人体姿态估计

Cascaded Deep Monocular 3D Human Pose Estimation With Evolutionary Training Data

  • 论文：https://arxiv.org/abs/2006.07778

  • 代码：https://github.com/Nicholasli1995/EvoSkeleton

Fusing Wearable IMUs with Multi-View Images for Human Pose Estimation: A Geometric Approach

  • 主页：https://www.zhe-zhang.com/cvpr2020

  • 论文：https://arxiv.org/abs/2003.11163

  • 代码：https://github.com/CHUNYUWANG/imu-human-pose-pytorch

Bodies at Rest: 3D Human Pose and Shape Estimation from a Pressure Image using Synthetic Data

  • 论文下载链接：https://arxiv.org/abs/2004.01166

  • 代码：https://github.com/Healthcare-Robotics/bodies-at-rest

  • 数据集：https://dataverse.harvard.edu/dataset.xhtml?persistentId=doi:10.7910/DVN/KOA4ML

Self-Supervised 3D Human Pose Estimation via Part Guided Novel Image Synthesis

  • 主页：http://val.cds.iisc.ac.in/pgp-human/

  • 论文：https://arxiv.org/abs/2004.04400

Compressed Volumetric Heatmaps for Multi-Person 3D Pose Estimation

  • 论文：https://arxiv.org/abs/2004.00329

  • 代码：https://github.com/fabbrimatteo/LoCO

VIBE: Video Inference for Human Body Pose and Shape Estimation

  • 论文：https://arxiv.org/abs/1912.05656

  • 代码：https://github.com/mkocabas/VIBE

Back to the Future: Joint Aware Temporal Deep Learning 3D Human Pose Estimation

  • 论文：https://arxiv.org/abs/2002.11251

  • 代码：https://github.com/vnmr/JointVideoPose3D

Cross-View Tracking for Multi-Human 3D Pose Estimation at over 100 FPS

  • 论文：https://arxiv.org/abs/2003.03972

  • 数据集：暂无

人体解析

===============================================================

Correlating Edge, Pose with Parsing

  • 论文：https://arxiv.org/abs/2005.01431

  • 代码：https://github.com/ziwei-zh/CorrPM

场景文本检测

=================================================================

STEFANN: Scene Text Editor using Font Adaptive Neural Network

  • 主页：https://prasunroy.github.io/stefann/

  • 论文：http://openaccess.thecvf.com/content_CVPR_2020/html/Roy_STEFANN_Scene_Text_Editor_Using_Font_Adaptive_Neural_Network_CVPR_2020_paper.html

  • 代码：https://github.com/prasunroy/stefann

  • 数据集：https://drive.google.com/open?id=1sEDiX_jORh2X-HSzUnjIyZr-G9LJIw1k

ContourNet: Taking a Further Step Toward Accurate Arbitrary-Shaped Scene Text Detection

  • 论文：http://openaccess.thecvf.com/content_CVPR_2020/papers/Wang_ContourNet_Taking_a_Further_Step_Toward_Accurate_Arbitrary-Shaped_Scene_Text_CVPR_2020_paper.pdf

  • 代码：https://github.com/wangyuxin87/ContourNet

UnrealText: Synthesizing Realistic Scene Text Images from the Unreal World

  • 论文：https://arxiv.org/abs/2003.10608

  • 代码和数据集：https://github.com/Jyouhou/UnrealText/

ABCNet: Real-time Scene Text Spotting with Adaptive Bezier-Curve Network

  • 论文：https://arxiv.org/abs/2002.10200

  • 代码（即将开源）：https://github.com/Yuliang-Liu/bezier_curve_text_spotting

  • 代码（即将开源）：https://github.com/aim-uofa/adet

Deep Relational Reasoning Graph Network for Arbitrary Shape Text Detection

  • 论文：https://arxiv.org/abs/2003.07493

  • 代码：https://github.com/GXYM/DRRG

场景文本识别

=================================================================

SEED: Semantics Enhanced Encoder-Decoder Framework for Scene Text Recognition

  • 论文：https://arxiv.org/abs/2005.10977

  • 代码：https://github.com/Pay20Y/SEED

UnrealText: Synthesizing Realistic Scene Text Images from the Unreal World

  • 论文：https://arxiv.org/abs/2003.10608

  • 代码和数据集：https://github.com/Jyouhou/UnrealText/

ABCNet: Real-time Scene Text Spotting with Adaptive Bezier-Curve Network

  • 论文：https://arxiv.org/abs/2002.10200

  • 代码（即将开源）：https://github.com/aim-uofa/adet

Learn to Augment: Joint Data Augmentation and Network Optimization for Text Recognition

  • 论文：https://arxiv.org/abs/2003.06606

  • 代码：https://github.com/Canjie-Luo/Text-Image-Augmentation

特征(点)检测和描述

=====================================================================

SuperGlue: Learning Feature Matching with Graph Neural Networks

  • 论文：https://arxiv.org/abs/1911.11763

  • 代码：https://github.com/magicleap/SuperGluePretrainedNetwork

超分辨率

===============================================================

图像超分辨率

Closed-Loop Matters: Dual Regression Networks for Single Image Super-Resolution

  • 论文：http://openaccess.thecvf.com/content_CVPR_2020/html/Guo_Closed-Loop_Matters_Dual_Regression_Networks_for_Single_Image_Super-Resolution_CVPR_2020_paper.html

  • 代码：https://github.com/guoyongcs/DRN

Learning Texture Transformer Network for Image Super-Resolution

  • 论文：https://arxiv.org/abs/2006.04139

  • 代码：https://github.com/FuzhiYang/TTSR

Image Super-Resolution with Cross-Scale Non-Local Attention and Exhaustive Self-Exemplars Mining

  • 论文：https://arxiv.org/abs/2006.01424

  • 代码：https://github.com/SHI-Labs/Cross-Scale-Non-Local-Attention

Structure-Preserving Super Resolution with Gradient Guidance

  • 论文：https://arxiv.org/abs/2003.13081

  • 代码：https://github.com/Maclory/SPSR

Rethinking Data Augmentation for Image Super-resolution: A Comprehensive Analysis and a New Strategy

论文：https://arxiv.org/abs/2004.00448

代码：https://github.com/clovaai/cutblur

视频超分辨率

TDAN: Temporally-Deformable Alignment Network for Video Super-Resolution

  • 论文：https://arxiv.org/abs/1812.02898

  • 代码：https://github.com/YapengTian/TDAN-VSR-CVPR-2020

Space-Time-Aware Multi-Resolution Video Enhancement

  • 主页：https://alterzero.github.io/projects/STAR.html

  • 论文：http://arxiv.org/abs/2003.13170

  • 代码：https://github.com/alterzero/STARnet

Zooming Slow-Mo: Fast and Accurate One-Stage Space-Time Video Super-Resolution

  • 论文：https://arxiv.org/abs/2002.11616

  • 代码：https://github.com/Mukosame/Zooming-Slow-Mo-CVPR-2020

模型压缩/剪枝

==================================================================

DMCP: Differentiable Markov Channel Pruning for Neural Networks

  • 论文：https://arxiv.org/abs/2005.03354

  • 代码：https://github.com/zx55/dmcp

Forward and Backward Information Retention for Accurate Binary Neural Networks

  • 论文：https://arxiv.org/abs/1909.10788

  • 代码：https://github.com/htqin/IR-Net

Towards Efficient Model Compression via Learned Global Ranking

  • 论文：https://arxiv.org/abs/1904.12368

  • 代码：https://github.com/cmu-enyac/LeGR

HRank: Filter Pruning using High-Rank Feature Map

  • 论文：http://arxiv.org/abs/2002.10179

  • 代码：https://github.com/lmbxmu/HRank

GAN Compression: Efficient Architectures for Interactive Conditional GANs

  • 论文：https://arxiv.org/abs/2003.08936

  • 代码：https://github.com/mit-han-lab/gan-compression

Group Sparsity: The Hinge Between Filter Pruning and Decomposition for Network Compression

  • 论文：https://arxiv.org/abs/2003.08935

  • 代码：https://github.com/ofsoundof/group_sparsity

视频理解/行为识别

====================================================================

Oops! Predicting Unintentional Action in Video

  • 主页：https://oops.cs.columbia.edu/

  • 论文：https://arxiv.org/abs/1911.11206

  • 代码：https://github.com/cvlab-columbia/oops

  • 数据集：https://oops.cs.columbia.edu/data

PREDICT & CLUSTER: Unsupervised Skeleton Based Action Recognition

  • 论文：https://arxiv.org/abs/1911.12409

  • 代码：https://github.com/shlizee/Predict-Cluster

Intra- and Inter-Action Understanding via Temporal Action Parsing

  • 论文：https://arxiv.org/abs/2005.10229

  • 主页和数据集：https://sdolivia.github.io/TAPOS/

3DV: 3D Dynamic Voxel for Action Recognition in Depth Video

  • 论文：https://arxiv.org/abs/2005.05501

  • 代码：https://github.com/3huo/3DV-Action

FineGym: A Hierarchical Video Dataset for Fine-grained Action Understanding

  • 主页：https://sdolivia.github.io/FineGym/

  • 论文：https://arxiv.org/abs/2004.06704

TEA: Temporal Excitation and Aggregation for Action Recognition

  • 论文：https://arxiv.org/abs/2004.01398

  • 代码：https://github.com/Phoenix1327/tea-action-recognition

X3D: Expanding Architectures for Efficient Video Recognition

  • 论文：https://arxiv.org/abs/2004.04730

  • 代码：https://github.com/facebookresearch/SlowFast

Temporal Pyramid Network for Action Recognition

  • 主页：https://decisionforce.github.io/TPN

  • 论文：https://arxiv.org/abs/2004.03548

  • 代码：https://github.com/decisionforce/TPN

基于骨架的动作识别

Disentangling and Unifying Graph Convolutions for Skeleton-Based Action Recognition

  • 论文：https://arxiv.org/abs/2003.14111

  • 代码：https://github.com/kenziyuliu/ms-g3d

人群计数

===============================================================

深度估计

===============================================================

BiFuse: Monocular 360◦ Depth Estimation via Bi-Projection Fusion

  • 论文：http://openaccess.thecvf.com/content_CVPR_2020/papers/Wang_BiFuse_Monocular_360_Depth_Estimation_via_Bi-Projection_Fusion_CVPR_2020_paper.pdf

  • 代码：https://github.com/Yeh-yu-hsuan/BiFuse

Focus on defocus: bridging the synthetic to real domain gap for depth estimation

  • 论文：https://arxiv.org/abs/2005.09623

  • 代码：https://github.com/dvl-tum/defocus-net

Bi3D: Stereo Depth Estimation via Binary Classifications

  • 论文：https://arxiv.org/abs/2005.07274

  • 代码：https://github.com/NVlabs/Bi3D

AANet: Adaptive Aggregation Network for Efficient Stereo Matching

  • 论文：https://arxiv.org/abs/2004.09548

  • 代码：https://github.com/haofeixu/aanet

Towards Better Generalization: Joint Depth-Pose Learning without PoseNet

  • 论文：https://github.com/B1ueber2y/TrianFlow

  • 代码：https://github.com/B1ueber2y/TrianFlow

单目深度估计

On the uncertainty of self-supervised monocular depth estimation

  • 论文：https://arxiv.org/abs/2005.06209

  • 代码：https://github.com/mattpoggi/mono-uncertainty

3D Packing for Self-Supervised Monocular Depth Estimation

  • 论文：https://arxiv.org/abs/1905.02693

  • 代码：https://github.com/TRI-ML/packnet-sfm

  • Demo视频：https://www.bilibili.com/video/av70562892/

Domain Decluttering: Simplifying Images to Mitigate Synthetic-Real Domain Shift and Improve Depth Estimation

  • 论文：https://arxiv.org/abs/2002.12114

  • 代码：https://github.com/yzhao520/ARC

6D目标姿态估计

===================================================================

PVN3D: A Deep Point-wise 3D Keypoints Voting Network for 6DoF Pose Estimation

  • 论文：http://openaccess.thecvf.com/content_CVPR_2020/papers/He_PVN3D_A_Deep_Point-Wise_3D_Keypoints_Voting_Network_for_6DoF_CVPR_2020_paper.pdf

  • 代码：https://github.com/ethnhe/PVN3D

MoreFusion: Multi-object Reasoning for 6D Pose Estimation from Volumetric Fusion

  • 论文：https://arxiv.org/abs/2004.04336

  • 代码：https://github.com/wkentaro/morefusion

EPOS: Estimating 6D Pose of Objects with Symmetries

主页：http://cmp.felk.cvut.cz/epos

论文：https://arxiv.org/abs/2004.00605

G2L-Net: Global to Local Network for Real-time 6D Pose Estimation with Embedding Vector Features

  • 论文：https://arxiv.org/abs/2003.11089

  • 代码：https://github.com/DC1991/G2L_Net

手势估计

===============================================================

HOPE-Net: A Graph-based Model for Hand-Object Pose Estimation

  • 论文：https://arxiv.org/abs/2004.00060

  • 主页：http://vision.sice.indiana.edu/projects/hopenet

Monocular Real-time Hand Shape and Motion Capture using Multi-modal Data

  • 论文：https://arxiv.org/abs/2003.09572

  • 代码：https://github.com/CalciferZh/minimal-hand

显著性检测

================================================================

JL-DCF: Joint Learning and Densely-Cooperative Fusion Framework for RGB-D Salient Object Detection

  • 论文：https://arxiv.org/abs/2004.08515

  • 代码：https://github.com/kerenfu/JLDCF/

UC-Net: Uncertainty Inspired RGB-D Saliency Detection via Conditional Variational Autoencoders

  • 主页：http://dpfan.net/d3netbenchmark/

  • 论文：https://arxiv.org/abs/2004.05763

  • 代码：https://github.com/JingZhang617/UCNet

去噪

=============================================================

A Physics-based Noise Formation Model for Extreme Low-light Raw Denoising

  • 论文：https://arxiv.org/abs/2003.12751

  • 代码：https://github.com/Vandermode/NoiseModel

CycleISP: Real Image Restoration via Improved Data Synthesis

  • 论文：https://arxiv.org/abs/2003.07761

  • 代码：https://github.com/swz30/CycleISP

去雨

=============================================================

Multi-Scale Progressive Fusion Network for Single Image Deraining

  • 论文：https://arxiv.org/abs/2003.10985

  • 代码：https://github.com/kuihua/MSPFN

Detail-recovery Image Deraining via Context Aggregation Networks

  • 论文：https://openaccess.thecvf.com/content_CVPR_2020/html/Deng_Detail-recovery_Image_Deraining_via_Context_Aggregation_Networks_CVPR_2020_paper.html

  • 代码：https://github.com/Dengsgithub/DRD-Net

去模糊

==============================================================

视频去模糊

Cascaded Deep Video Deblurring Using Temporal Sharpness Prior

  • 主页：https://csbhr.github.io/projects/cdvd-tsp/index.html

  • 论文：https://arxiv.org/abs/2004.02501

  • 代码：https://github.com/csbhr/CDVD-TSP

去雾

=============================================================

Domain Adaptation for Image Dehazing

  • 论文：https://arxiv.org/abs/2005.04668

  • 代码：https://github.com/HUSTSYJ/DA_dahazing

Multi-Scale Boosted Dehazing Network with Dense Feature Fusion

  • 论文：https://arxiv.org/abs/2004.13388

  • 代码：https://github.com/BookerDeWitt/MSBDN-DFF

特征点检测与描述

===================================================================

ASLFeat: Learning Local Features of Accurate Shape and Localization

  • 论文：https://arxiv.org/abs/2003.10071

  • 代码：https://github.com/lzx551402/aslfeat

视觉问答(VQA)

====================================================================

VC R-CNN：Visual Commonsense R-CNN

  • 论文：https://arxiv.org/abs/2002.12204

  • 代码：https://github.com/Wangt-CN/VC-R-CNN

视频问答(VideoQA)

========================================================================

Hierarchical Conditional Relation Networks for Video Question Answering

  • 论文：https://arxiv.org/abs/2002.10698

  • 代码：https://github.com/thaolmk54/hcrn-videoqa

视觉语言导航

=================================================================

Towards Learning a Generic Agent for Vision-and-Language Navigation via Pre-training

  • 论文：https://arxiv.org/abs/2002.10638

  • 代码（即将开源）：https://github.com/weituo12321/PREVALENT

视频压缩

===============================================================

Learning for Video Compression with Hierarchical Quality and Recurrent Enhancement

  • 论文：https://arxiv.org/abs/2003.01966

  • 代码：https://github.com/RenYang-home/HLVC

视频插帧

===============================================================

AdaCoF: Adaptive Collaboration of Flows for Video Frame Interpolation

  • 论文：https://arxiv.org/abs/1907.10244

  • 代码：https://github.com/HyeongminLEE/AdaCoF-pytorch

FeatureFlow: Robust Video Interpolation via Structure-to-Texture Generation

  • 论文：http://openaccess.thecvf.com/content_CVPR_2020/html/Gui_FeatureFlow_Robust_Video_Interpolation_via_Structure-to-Texture_Generation_CVPR_2020_paper.html

  • 代码：https://github.com/CM-BF/FeatureFlow

Zooming Slow-Mo: Fast and Accurate One-Stage Space-Time Video Super-Resolution

  • 论文：https://arxiv.org/abs/2002.11616

  • 代码：https://github.com/Mukosame/Zooming-Slow-Mo-CVPR-2020

Space-Time-Aware Multi-Resolution Video Enhancement

  • 主页：https://alterzero.github.io/projects/STAR.html

  • 论文：http://arxiv.org/abs/2003.13170

  • 代码：https://github.com/alterzero/STARnet

Scene-Adaptive Video Frame Interpolation via Meta-Learning

  • 论文：https://arxiv.org/abs/2004.00779

  • 代码：https://github.com/myungsub/meta-interpolation

Softmax Splatting for Video Frame Interpolation

  • 主页：http://sniklaus.com/papers/softsplat

  • 论文：https://arxiv.org/abs/2003.05534

  • 代码：https://github.com/sniklaus/softmax-splatting

风格迁移

===============================================================

Diversified Arbitrary Style Transfer via Deep Feature Perturbation

  • 论文：https://arxiv.org/abs/1909.08223

  • 代码：https://github.com/EndyWon/Deep-Feature-Perturbation

Collaborative Distillation for Ultra-Resolution Universal Style Transfer

  • 论文：https://arxiv.org/abs/2003.08436

  • 代码：https://github.com/mingsun-tse/collaborative-distillation

车道线检测

================================================================

Inter-Region Affinity Distillation for Road Marking Segmentation

  • 论文：https://arxiv.org/abs/2004.05304

  • 代码：https://github.com/cardwing/Codes-for-IntRA-KD

"人-物"交互(HOT)检测

=========================================================================

PPDM: Parallel Point Detection and Matching for Real-time Human-Object Interaction Detection

  • 论文：https://arxiv.org/abs/1912.12898

  • 代码：https://github.com/YueLiao/PPDM

Detailed 2D-3D Joint Representation for Human-Object Interaction

  • 论文：https://arxiv.org/abs/2004.08154

  • 代码：https://github.com/DirtyHarryLYL/DJ-RN

Cascaded Human-Object Interaction Recognition

  • 论文：https://arxiv.org/abs/2003.04262

  • 代码：https://github.com/tfzhou/C-HOI

VSGNet: Spatial Attention Network for Detecting Human Object Interactions Using Graph Convolutions

  • 论文：https://arxiv.org/abs/2003.05541

  • 代码：https://github.com/ASMIftekhar/VSGNet

轨迹预测

===============================================================

The Garden of Forking Paths: Towards Multi-Future Trajectory Prediction

  • 论文：https://arxiv.org/abs/1912.06445

  • 代码：https://github.com/JunweiLiang/Multiverse

  • 数据集：https://next.cs.cmu.edu/multiverse/

Social-STGCNN: A Social Spatio-Temporal Graph Convolutional Neural Network for Human Trajectory Prediction

  • 论文：https://arxiv.org/abs/2002.11927

  • 代码：https://github.com/abduallahmohamed/Social-STGCNN

运动预测

===============================================================

Collaborative Motion Prediction via Neural Motion Message Passing

  • 论文：https://arxiv.org/abs/2003.06594

  • 代码：https://github.com/PhyllisH/NMMP

MotionNet: Joint Perception and Motion Prediction for Autonomous Driving Based on Bird’s Eye View Maps

  • 论文：https://arxiv.org/abs/2003.06754

  • 代码：https://github.com/pxiangwu/MotionNet

光流估计

===============================================================

Learning by Analogy: Reliable Supervision from Transformations for Unsupervised Optical Flow Estimation

  • 论文：https://arxiv.org/abs/2003.13045

  • 代码：https://github.com/lliuz/ARFlow

图像检索

===============================================================

Evade Deep Image Retrieval by Stashing Private Images in the Hash Space

  • 论文：http://openaccess.thecvf.com/content_CVPR_2020/html/Xiao_Evade_Deep_Image_Retrieval_by_Stashing_Private_Images_in_the_CVPR_2020_paper.html

  • 代码：https://github.com/sugarruy/hashstash

虚拟试衣

===============================================================

Towards Photo-Realistic Virtual Try-On by Adaptively Generating↔Preserving Image Content

  • 论文：https://arxiv.org/abs/2003.05863

  • 代码：https://github.com/switchablenorms/DeepFashion_Try_On

HDR

==============================================================

Single-Image HDR Reconstruction by Learning to Reverse the Camera Pipeline

  • 主页：https://www.cmlab.csie.ntu.edu.tw/~yulunliu/SingleHDR

  • 论文下载链接：https://www.cmlab.csie.ntu.edu.tw/~yulunliu/SingleHDR_/00942.pdf

  • 代码：https://github.com/alex04072000/SingleHDR

对抗样本

===============================================================

Enhancing Cross-Task Black-Box Transferability of Adversarial Examples With Dispersion Reduction

  • 论文：https://openaccess.thecvf.com/content_CVPR_2020/papers/Lu_Enhancing_Cross-Task_Black-Box_Transferability_of_Adversarial_Examples_With_Dispersion_Reduction_CVPR_2020_paper.pdf

  • 代码：https://github.com/erbloo/dr_cvpr20

Towards Large yet Imperceptible Adversarial Image Perturbations with Perceptual Color Distance

  • 论文：https://arxiv.org/abs/1911.02466

  • 代码：https://github.com/ZhengyuZhao/PerC-Adversarial

三维重建

===============================================================

Unsupervised Learning of Probably Symmetric Deformable 3D Objects from Images in the Wild

  • CVPR 2020 Best Paper

  • 主页：https://elliottwu.com/projects/unsup3d/

  • 论文：https://arxiv.org/abs/1911.11130

  • 代码：https://github.com/elliottwu/unsup3d

Multi-Level Pixel-Aligned Implicit Function for High-Resolution 3D Human Digitization

  • 主页：https://shunsukesaito.github.io/PIFuHD/

  • 论文：https://arxiv.org/abs/2004.00452

  • 代码：https://github.com/facebookresearch/pifuhd

  • 论文：http://openaccess.thecvf.com/content_CVPR_2020/papers/Patel_TailorNet_Predicting_Clothing_in_3D_as_a_Function_of_Human_CVPR_2020_paper.pdf

  • 代码：https://github.com/chaitanya100100/TailorNet

  • 数据集：https://github.com/zycliao/TailorNet_dataset

Implicit Functions in Feature Space for 3D Shape Reconstruction and Completion

  • 论文：http://openaccess.thecvf.com/content_CVPR_2020/papers/Chibane_Implicit_Functions_in_Feature_Space_for_3D_Shape_Reconstruction_and_CVPR_2020_paper.pdf

  • 代码：https://github.com/jchibane/if-net

  • 论文：http://openaccess.thecvf.com/content_CVPR_2020/papers/Mir_Learning_to_Transfer_Texture_From_Clothing_Images_to_3D_Humans_CVPR_2020_paper.pdf

  • 代码：https://github.com/aymenmir1/pix2surf

深度补全

===============================================================

Uncertainty-Aware CNNs for Depth Completion: Uncertainty from Beginning to End

论文：https://arxiv.org/abs/2006.03349

代码：https://github.com/abdo-eldesokey/pncnn

语义场景补全

=================================================================

3D Sketch-aware Semantic Scene Completion via Semi-supervised Structure Prior

  • 论文：https://arxiv.org/abs/2003.14052

  • 代码：https://github.com/charlesCXK/TorchSSC

图像/视频描述

==================================================================

Syntax-Aware Action Targeting for Video Captioning

  • 论文：http://openaccess.thecvf.com/content_CVPR_2020/papers/Zheng_Syntax-Aware_Action_Targeting_for_Video_Captioning_CVPR_2020_paper.pdf

  • 代码：https://github.com/SydCaption/SAAT

线框解析

===============================================================

Holistically-Attracted Wireframe Parser

  • 论文：http://openaccess.thecvf.com/content_CVPR_2020/html/Xue_Holistically-Attracted_Wireframe_Parsing_CVPR_2020_paper.html

  • 代码：https://github.com/cherubicXN/hawp

数据集

==============================================================

OASIS: A Large-Scale Dataset for Single Image 3D in the Wild

  • 论文：https://arxiv.org/abs/2007.13215

  • 数据集：https://oasis.cs.princeton.edu/

STEFANN: Scene Text Editor using Font Adaptive Neural Network

  • 主页：https://prasunroy.github.io/stefann/

  • 论文：http://openaccess.thecvf.com/content_CVPR_2020/html/Roy_STEFANN_Scene_Text_Editor_Using_Font_Adaptive_Neural_Network_CVPR_2020_paper.html

  • 代码：https://github.com/prasunroy/stefann

  • 数据集：https://drive.google.com/open?id=1sEDiX_jORh2X-HSzUnjIyZr-G9LJIw1k

Interactive Object Segmentation with Inside-Outside Guidance

  • 论文下载链接：http://openaccess.thecvf.com/content_CVPR_2020/papers/Zhang_Interactive_Object_Segmentation_With_Inside-Outside_Guidance_CVPR_2020_paper.pdf

  • 代码：https://github.com/shiyinzhang/Inside-Outside-Guidance

  • 数据集：https://github.com/shiyinzhang/Pixel-ImageNet

Video Panoptic Segmentation

  • 论文：https://arxiv.org/abs/2006.11339

  • 代码：https://github.com/mcahny/vps

  • 数据集：https://www.dropbox.com/s/ecem4kq0fdkver4/cityscapes-vps-dataset-1.0.zip?dl=0

FSS-1000: A 1000-Class Dataset for Few-Shot Segmentation

  • 论文：http://openaccess.thecvf.com/content_CVPR_2020/html/Li_FSS-1000_A_1000-Class_Dataset_for_Few-Shot_Segmentation_CVPR_2020_paper.html

  • 代码：https://github.com/HKUSTCV/FSS-1000

  • 数据集：https://github.com/HKUSTCV/FSS-1000

3D-ZeF: A 3D Zebrafish Tracking Benchmark Dataset

  • 主页：https://vap.aau.dk/3d-zef/

  • 论文：https://arxiv.org/abs/2006.08466

  • 代码：https://bitbucket.org/aauvap/3d-zef/src/master/

  • 数据集：https://motchallenge.net/data/3D-ZeF20

TailorNet: Predicting Clothing in 3D as a Function of Human Pose, Shape and Garment Style

  • 论文：http://openaccess.thecvf.com/content_CVPR_2020/papers/Patel_TailorNet_Predicting_Clothing_in_3D_as_a_Function_of_Human_CVPR_2020_paper.pdf

  • 代码：https://github.com/chaitanya100100/TailorNet

  • 数据集：https://github.com/zycliao/TailorNet_dataset

Oops! Predicting Unintentional Action in Video

  • 主页：https://oops.cs.columbia.edu/

  • 论文：https://arxiv.org/abs/1911.11206

  • 代码：https://github.com/cvlab-columbia/oops

  • 数据集：https://oops.cs.columbia.edu/data

The Garden of Forking Paths: Towards Multi-Future Trajectory Prediction

  • 论文：https://arxiv.org/abs/1912.06445

  • 代码：https://github.com/JunweiLiang/Multiverse

  • 数据集：https://next.cs.cmu.edu/multiverse/

Open Compound Domain Adaptation

  • 主页：https://liuziwei7.github.io/projects/CompoundDomain.html

  • 数据集：https://drive.google.com/drive/folders/1_uNTF8RdvhS_sqVTnYx17hEOQpefmE2r?usp=sharing

  • 论文：https://arxiv.org/abs/1909.03403

  • 代码：https://github.com/zhmiao/OpenCompoundDomainAdaptation-OCDA

Intra- and Inter-Action Understanding via Temporal Action Parsing

  • 论文：https://arxiv.org/abs/2005.10229

  • 主页和数据集：https://sdolivia.github.io/TAPOS/

Dynamic Refinement Network for Oriented and Densely Packed Object Detection

  • 论文下载链接：https://arxiv.org/abs/2005.09973

  • 代码和数据集：https://github.com/Anymake/DRN_CVPR2020

COCAS: A Large-Scale Clothes Changing Person Dataset for Re-identification

  • 论文：https://arxiv.org/abs/2005.07862

  • 数据集：暂无

KeypointNet: A Large-scale 3D Keypoint Dataset Aggregated from Numerous Human Annotations

  • 论文：https://arxiv.org/abs/2002.12687

  • 数据集：https://github.com/qq456cvb/KeypointNet

MSeg: A Composite Dataset for Multi-domain Semantic Segmentation

  • 论文：http://vladlen.info/papers/MSeg.pdf

  • 代码：https://github.com/mseg-dataset/mseg-api

  • 数据集：https://github.com/mseg-dataset/mseg-semantic

AvatarMe: Realistically Renderable 3D Facial Reconstruction “in-the-wild”

  • 论文：https://arxiv.org/abs/2003.13845

  • 数据集：https://github.com/lattas/AvatarMe

Learning to Autofocus

  • 论文：https://arxiv.org/abs/2004.12260

  • 数据集：暂无

FaceScape: a Large-scale High Quality 3D Face Dataset and Detailed Riggable 3D Face Prediction

  • 论文：https://arxiv.org/abs/2003.13989

  • 代码：https://github.com/zhuhao-nju/facescape

Bodies at Rest: 3D Human Pose and Shape Estimation from a Pressure Image using Synthetic Data

  • 论文下载链接：https://arxiv.org/abs/2004.01166

  • 代码：https://github.com/Healthcare-Robotics/bodies-at-rest

  • 数据集：https://dataverse.harvard.edu/dataset.xhtml?persistentId=doi:10.7910/DVN/KOA4ML

FineGym: A Hierarchical Video Dataset for Fine-grained Action Understanding

  • 主页：https://sdolivia.github.io/FineGym/

  • 论文：https://arxiv.org/abs/2004.06704

A Local-to-Global Approach to Multi-modal Movie Scene Segmentation

  • 主页：https://anyirao.com/projects/SceneSeg.html

  • 论文下载链接：https://arxiv.org/abs/2004.02678

  • 代码：https://github.com/AnyiRao/SceneSeg

Deep Homography Estimation for Dynamic Scenes

  • 论文：https://arxiv.org/abs/2004.02132

  • 数据集：https://github.com/lcmhoang/hmg-dynamics

Assessing Image Quality Issues for Real-World Problems

  • 主页：https://vizwiz.org/tasks-and-datasets/image-quality-issues/

  • 论文：https://arxiv.org/abs/2003.12511

UnrealText: Synthesizing Realistic Scene Text Images from the Unreal World

  • 论文：https://arxiv.org/abs/2003.10608

  • 代码和数据集：https://github.com/Jyouhou/UnrealText/

PANDA: A Gigapixel-level Human-centric Video Dataset

  • 论文：https://arxiv.org/abs/2003.04852

  • 数据集：http://www.panda-dataset.com/

IntrA: 3D Intracranial Aneurysm Dataset for Deep Learning

  • 论文：https://arxiv.org/abs/2003.02920

  • 数据集：https://github.com/intra3d2019/IntrA

Cross-View Tracking for Multi-Human 3D Pose Estimation at over 100 FPS

  • 论文：https://arxiv.org/abs/2003.03972

  • 数据集：暂无

其他

=============================================================

CONSAC: Robust Multi-Model Fitting by Conditional Sample Consensus

  • 论文：http://openaccess.thecvf.com/content_CVPR_2020/html/Kluger_CONSAC_Robust_Multi-Model_Fitting_by_Conditional_Sample_Consensus_CVPR_2020_paper.html

  • 代码：https://github.com/fkluger/consac

Learning to Learn Single Domain Generalization

  • 论文：https://arxiv.org/abs/2003.13216

  • 代码：https://github.com/joffery/M-ADA

Open Compound Domain Adaptation

  • 主页：https://liuziwei7.github.io/projects/CompoundDomain.html

  • 数据集：https://drive.google.com/drive/folders/1_uNTF8RdvhS_sqVTnYx17hEOQpefmE2r?usp=sharing

  • 论文：https://arxiv.org/abs/1909.03403

  • 代码：https://github.com/zhmiao/OpenCompoundDomainAdaptation-OCDA

Differentiable Volumetric Rendering: Learning Implicit 3D Representations without 3D Supervision

  • 论文：http://www.cvlibs.net/publications/Niemeyer2020CVPR.pdf

  • 代码：https://github.com/autonomousvision/differentiable_volumetric_rendering

QEBA: Query-Efficient Boundary-Based Blackbox Attack

  • 论文：https://arxiv.org/abs/2005.14137

  • 代码：https://github.com/AI-secure/QEBA

Equalization Loss for Long-Tailed Object Recognition

  • 论文：https://arxiv.org/abs/2003.05176

  • 代码：https://github.com/tztztztztz/eql.detectron2

Instance-aware Image Colorization

  • 主页：https://ericsujw.github.io/InstColorization/

  • 论文：https://arxiv.org/abs/2005.10825

  • 代码：https://github.com/ericsujw/InstColorization

Contextual Residual Aggregation for Ultra High-Resolution Image Inpainting

  • 论文：https://arxiv.org/abs/2005.09704

  • 代码：https://github.com/Atlas200dk/sample-imageinpainting-HiFill

Where am I looking at? Joint Location and Orientation Estimation by Cross-View Matching

  • 论文：https://arxiv.org/abs/2005.03860

  • 代码：https://github.com/shiyujiao/cross_view_localization_DSM

Epipolar Transformers

  • 论文：https://arxiv.org/abs/2005.04551

  • 代码：https://github.com/yihui-he/epipolar-transformers

Bringing Old Photos Back to Life

  • 主页：http://raywzy.com/Old_Photo/

  • 论文：https://arxiv.org/abs/2004.09484

MaskFlownet: Asymmetric Feature Matching with Learnable Occlusion Mask

  • 论文：https://arxiv.org/abs/2003.10955

  • 代码：https://github.com/microsoft/MaskFlownet

Self-Supervised Viewpoint Learning from Image Collections

  • 论文：https://arxiv.org/abs/2004.01793

  • 论文2：https://research.nvidia.com/sites/default/files/pubs/2020-03_Self-Supervised-Viewpoint-Learning/SSV-CVPR2020.pdf

  • 代码：https://github.com/NVlabs/SSV

Towards Discriminability and Diversity: Batch Nuclear-norm Maximization under Label Insufficient Situations

  • Oral

  • 论文：https://arxiv.org/abs/2003.12237

  • 代码：https://github.com/cuishuhao/BNM

Towards Learning Structure via Consensus for Face Segmentation and Parsing

  • 论文：https://arxiv.org/abs/1911.00957

  • 代码：https://github.com/isi-vista/structure_via_consensus

Plug-and-Play Algorithms for Large-scale Snapshot Compressive Imaging

  • Oral

  • 论文：https://arxiv.org/abs/2003.13654

  • 代码：https://github.com/liuyang12/PnP-SCI

Lightweight Photometric Stereo for Facial Details Recovery

  • 论文：https://arxiv.org/abs/2003.12307

  • 代码：https://github.com/Juyong/FacePSNet

Footprints and Free Space from a Single Color Image

  • 论文：https://arxiv.org/abs/2004.06376

  • 代码：https://github.com/nianticlabs/footprints

Self-Supervised Monocular Scene Flow Estimation

  • 论文：https://arxiv.org/abs/2004.04143

  • 代码：https://github.com/visinf/self-mono-sf

Quasi-Newton Solver for Robust Non-Rigid Registration

  • 论文：https://arxiv.org/abs/2004.04322

  • 代码：https://github.com/Juyong/Fast_RNRR

A Local-to-Global Approach to Multi-modal Movie Scene Segmentation

  • 主页：https://anyirao.com/projects/SceneSeg.html

  • 论文下载链接：https://arxiv.org/abs/2004.02678

  • 代码：https://github.com/AnyiRao/SceneSeg

DeepFLASH: An Efficient Network for Learning-based Medical Image Registration

  • 论文：https://arxiv.org/abs/2004.02097

  • 代码：https://github.com/jw4hv/deepflash

Self-Supervised Scene De-occlusion

  • 主页：https://xiaohangzhan.github.io/projects/deocclusion/

  • 论文：https://arxiv.org/abs/2004.02788

  • 代码：https://github.com/XiaohangZhan/deocclusion

Polarized Reflection Removal with Perfect Alignment in the Wild

  • 主页：https://leichenyang.weebly.com/project-polarized.html

  • 代码：https://github.com/ChenyangLEI/CVPR2020-Polarized-Reflection-Removal-with-Perfect-Alignment

Background Matting: The World is Your Green Screen

  • 论文：https://arxiv.org/abs/2004.00626

  • 代码：http://github.com/senguptaumd/Background-Matting

What Deep CNNs Benefit from Global Covariance Pooling: An Optimization Perspective

  • 论文：https://arxiv.org/abs/2003.11241

  • 代码：https://github.com/ZhangLi-CS/GCP_Optimization

Look-into-Object: Self-supervised Structure Modeling for Object Recognition

  • 论文：暂无

  • 代码：https://github.com/JDAI-CV/LIO

Video Object Grounding using Semantic Roles in Language Description

  • 论文：https://arxiv.org/abs/2003.10606

  • 代码：https://github.com/TheShadow29/vognet-pytorch

Dynamic Hierarchical Mimicking Towards Consistent Optimization Objectives

  • 论文：https://arxiv.org/abs/2003.10739

  • 代码：https://github.com/d-li14/DHM

SDFDiff: Differentiable Rendering of Signed Distance Fields for 3D Shape Optimization

  • 论文：http://www.cs.umd.edu/~yuejiang/papers/SDFDiff.pdf

  • 代码：https://github.com/YueJiang-nj/CVPR2020-SDFDiff

最后

Python崛起并且风靡，因为优点多、应用领域广、被大牛们认可。学习 Python 门槛很低，但它的晋级路线很多，通过它你能进入机器学习、数据挖掘、大数据，CS等更加高级的领域。Python可以做网络应用，可以做科学计算，数据分析，可以做网络爬虫，可以做机器学习、自然语言处理、可以写游戏、可以做桌面应用…Python可以做的很多，你需要学好基础，再选择明确的方向。这里给大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

👉Python所有方向的学习路线👈

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

👉Python必备开发工具👈

工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。

👉Python全套学习视频👈

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。

👉实战案例👈

学python就与学数学一样，是不能只看书不做题的，直接看步骤和答案会让人误以为自己全都掌握了，但是碰到生题的时候还是会一筹莫展。

因此在学习python的过程中一定要记得多动手写代码，教程只需要看一两遍即可。

👉大厂面试真题👈

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

PDD工程师
关注
  • 3
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
CVPR2024 论文和代码合集，系统学Python从零开始
m0_61331491的博客
03-30 1145
论文：https://arxiv.org/abs/1912.13192代码：https://github.com/sshaoshuai/PV-RCNN。
CVPR 2021 论文和开源代码合集.docx
05-28
《CVPR 2021 论文和开源代码合集》是计算机视觉领域的一份重要资源，汇聚了当年CVPR会议的顶尖研究成果及其对应的开源实现。CVPR（Conference on Computer Vision and Pattern Recognition）作为全球最权威的计算机...
CVPR2024 论文和代码合集
m0_61408947的博客
05-15 495
🍅 硬核资料：关注即可领取PPT模板、简历模板、行业经典书籍PDF。🍅 技术互助：技术群大佬指点迷津，你的问题可能不是问题，求资源在群里喊一声。🍅 面试题库：由技术群里的小伙伴们共同投稿，热乎的大厂面试真题，持续更新中。🍅 知识体系：含编程语言、算法、大数据生态圈组件（Mysql、Hive、Spark、Flink）、数据仓库、Python、前端等等。网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。需要这份系统化学习资料的朋友，可以戳这里获取。
CVPR2024论文盘点（10篇）：包括多模态大模型，目标检测，图像分割
SmartLab307的博客
05-29 5075
通过这种方法，在PASCAL VOC 2012和MS COCO 2014两个标准数据集上的实验不仅验证了CPAL的有效性，还展示了它在提升模型性能方面的显著优势，推动了该领域的进步至新的高度。随着深度学习的快速发展，模型可用训练数据规模呈指数级上升，大规模语言模型和多模态模型的通用理解能力得到了巨大的提高，出现了一批能解决多种任务的统一模型。在推理阶段，通过将先前帧中预测的物体掩码作为它们的视觉提示，UniVS 将不同的视频分割任务转化为以提示为导向的目标分割，消除了启发式的帧间匹配过程。
CVPR2023论文及代码合集来啦~
04-04 1万+
80、半监督学习、弱监督学习/无监督学习/自监督学习。36、行为识别/动作识别/检测/分割/定位。46、场景重建/视图合成/新视角合成。74、迁移学习/domain/自适应。23、图像复原/图像增强/图像重建。26、图像去噪/去模糊/去雨去雾。32、人脸生成/合成/重建/编辑。35、图像&视频检索/视频理解。41、GAN/生成式/对抗式。68、小样本学习/零样本学习。40、文本检测/识别/理解。17、视频生成/视频合成。27、图像编辑/图像修复。​31、人脸识别/检测。42、图像生成/图像合成。
CCF_A 计算机视觉顶会CVPR2024投稿指南以及论文模板
热门推荐
qq_35831906的博客
11-01 1万+
CVPR2024官网：CVPR2024投稿链接：CVPR2024 重要时间节点：CVPR2024投稿模板:WORD:LATEX :CVPR2024_AuthorGuidelinesCVPR2024投稿Topics：
【附代码】CVPR 2024论文及其附件批量获取下载
m0_52684476的博客
07-12 837
为学习CVPR 2024的论文，希望能够将论文电子版保存到本地阅读。然而逐个点击下载着实费时费力，因此想到通过网络爬虫的方法对论文的PDF文件和相关附件批量获取下载，遂以此篇笔记记录方法和心得总结。内容仅作学习用，如有侵权不妥之处恳请及时告知，如遇学习问题，欢迎讨论。
CVPR2020 论文和代码合集
AI浩
07-07 4489
CVPR2020-Code CVPR 2020 论文开源项目合集，同时欢迎各位大佬提交issue，分享CVPR 2020开源项目 【推荐阅读】 CVPR 2020 virtual ECCV 2020 论文开源项目合集来了：https://github.com/amusi/ECCV2020-Code 关于往年CV顶会论文（如ECCV 2020、CVPR 2019、ICCV 2019）以及其他优质CV论文和大盘点，详见： https://github.com/amusi/daily-paper-co
[论文阅读]CVPR2024 《Rewrite the Stars》
weixin_58875151的博客
05-25 1607
传统的深度学习学习范式以混合线性投影（即卷积和线性层）和非线性激活构成。在做将输入特征从低维到高维映射时的解决办法为：增加网络的深度（其实也就是提高通道数），这样带来的直接影响就是大大增加了模型的复杂度、计算量（这是一种显示高维特征映射的方法）；那对于这个问题呢，在Transformer中也提出了一种高维特征映射的方法：自注意力机制最显著的特征是将特征映射到不同的空间，然后通过点积运算构建一个注意力矩阵。然而，这种实现并不高效，随着标记数量的增加，注意力复杂度呈二次增长。
CVPR 2024最佳论文，又选中了自动驾驶？
CV_Autobot的博客
05-28 459
顶会CVPR 2023将最佳论文颁给了，上海AI实验室、商汤等共同提出的《Planning-oriented Autonomous Driving》，并创下了多个历史记录，不禁让人猜想，今年6月开幕的CVPR 2024，自动驾驶能否从1W+篇有效投稿中脱颖而出，再次摘得最佳论文殊荣，以下几篇大牛论文，更是被视为本届有力候补：为了帮助大家高效找idea，我们特为大家整理了自动驾驶方向顶会最新论文，包...
不容错过的 CVPR 2024 论文，研究方向一网打尽，代码链接一键获取！
我爱计算机视觉
03-06 4907
关注公众号，发现CV技术之美CVPR（Conference on Computer Vision and Pattern Recognition）是计算机视觉领域的顶级会议之一，每年吸引着全球学者的瞩目。为了帮助研究者更好地追踪这一顶会的论文动态，52CV特别推出了 CVPR 论文分类汇总项目。CVPR 2024 项目已更新：https://github.com/52CV/CVPR-2024-Pa...
历年CVPR的论文及代码.rar
06-09
总结了历年CVPR的论文及相应的代码，包含400篇CVPR2020论文及代码...CVPR2019全部论文和开源代码合集；CVPR2019所有论文下载，56篇精选解读；官方CVPR2019大会现场报告所有视频；CVPR2018论文及代码等等等等等等等等。
历年的CVPR论文及代码
08-17
历年CVPR的论文及相应的代码 包含400篇CVPR2020论文及代码；48篇CVPR2020论文解读；CVPR2019全部论文和开源代码合集；CVPR2019所有论文下载，56篇精选解读；官方CVPR2019大会现场报告所有视频；CVPR2018论文及代码等
CVPR 2022 最新论文分类整理及开源代码合集.docx
04-01
1. 检测 2. 分割(Segmentation) 3. 图像处理(Image Processing) 4. 视频处理(Video Processing) 5. 估计(Estimation) 6. 图像&视频检索/视频理解(Image&Video Retrieval/Video Understanding) 7. 人脸(Face) 8. 三维...
CVPR2020-代码：CVPR 2020论文开放项目合集
02-04
【CVPR2020-代码：CVPR 2020论文开放项目合集】是一个集合了2020年计算机视觉与模式识别大会（Computer Vision and Pattern Recognition, CVPR）上优秀论文的开源代码资源。这个压缩包旨在为研究者、开发者以及对...
全网最详细Gradio教程系列5——Gradio Client: python
最新发布
shao918516的博客
07-26 750
程序部署完成后，如何将Gradio App作为API访问使用呢，这就用到Gradio Client。本章讲解Gradio Client的三种使用方式：python、javascript和curl，受字数限制，所以分三篇博客发布。 使用Gradio Python Client非常易于将Gradio应用程序作为API使用，本节讲述gradio_client安装、如何连接Gradio应用程序、查看可用API及其使用方式、job及session等用法。 通过Gradio Python Cli
随机数种子的作用
帆的博客
07-23 1275
设置随机数种子（random seed）的目的是为了确保随机数生成器在每次运行时产生相同的随机数序列，从而保证实验结果的一致性。随机数种子通过初始化随机数生成器的内部状态，使得在相同的种子值下，随机数生成器每次调用时生成的序列是相同的。
安卓手机部署大模型实战
奇舞周刊
07-25 541
本文作者系360奇舞团前端开发工程师前言自ChatGPT发布以来，大语言模型（Large language model, LLM)就成了AI乃至整个计算机科学的话题中心。学术界，工业界围绕大语言模型本身及其应用展开了广泛的讨论，大量的新的实践层出不穷。由于LLM对计算资源的需求极大，有能力部署大语言模型的公司和实验室一般通过搭建集群，然后开放API或者网页demo的方式让用户可以使用模型。在人们纷...
2023cvpr分割代码浮现
07-25
你好！很抱歉，我目前无法提供关于2023cvpr分割代码的具体信息。我是一个基于CSDN开发的AI助手，无法访问实时的外部信息。但你可以在CVPR（计算机视觉与模式识别）会议的官方网站上查找相关论文和代码，或者尝试在GitHub等代码托管平台上搜索。希望你能找到你需要的内容！如果你有其他问题，我会尽力帮助你。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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