CVPR2024 论文和代码合集

最新推荐文章于 2024-07-27 12:20:46 发布
最新推荐文章于 2024-07-27 12:20:46 发布
阅读量496 收藏 5
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/138902000
版权

最后

🍅 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

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/google/automl/tree/master/efficientdet

3D目标检测

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

SESS: Self-Ensembling Semi-Supervised 3D Object Detection

  • 论文： https://arxiv.org/abs/1912.11803

  • 代码：https://github.com/Na-Z/sess

Associate-3Ddet: Perceptual-to-Conceptual Association for 3D Point Cloud Object Detection

  • 论文： https://arxiv.org/abs/2006.04356

  • 代码：https://github.com/dleam/Associate-3Ddet

What You See is What You Get: Exploiting Visibility for 3D Object Detection

  • 主页：https://www.cs.cmu.edu/~peiyunh/wysiwyg/

  • 论文：https://arxiv.org/abs/1912.04986

  • 代码：https://github.com/peiyunh/wysiwyg

Learning Depth-Guided Convolutions for Monocular 3D Object Detection

  • 论文：https://arxiv.org/abs/1912.04799

  • 代码：https://github.com/dingmyu/D4LCN

Structure Aware Single-stage 3D Object Detection from Point Cloud

  • 论文：http://openaccess.thecvf.com/content_CVPR_2020/html/He_Structure_Aware_Single-Stage_3D_Object_Detection_From_Point_Cloud_CVPR_2020_paper.html

  • 代码：https://github.com/skyhehe123/SA-SSD

IDA-3D: Instance-Depth-Aware 3D Object Detection from Stereo Vision for Autonomous Driving

  • 论文：http://openaccess.thecvf.com/content_CVPR_2020/papers/Peng_IDA-3D_Instance-Depth-Aware_3D_Object_Detection_From_Stereo_Vision_for_Autonomous_CVPR_2020_paper.pdf

  • 代码：https://github.com/swords123/IDA-3D

Train in Germany, Test in The USA: Making 3D Object Detectors Generalize

  • 论文：https://arxiv.org/abs/2005.08139

  • 代码：https://github.com/cxy1997/3D_adapt_auto_driving

MLCVNet: Multi-Level Context VoteNet for 3D Object Detection

  • 论文：https://arxiv.org/abs/2004.05679

  • 代码：https://github.com/NUAAXQ/MLCVNet

3DSSD: Point-based 3D Single Stage Object Detector

  • CVPR 2020 Oral

  • 论文：https://arxiv.org/abs/2002.10187

  • 代码：https://github.com/tomztyang/3DSSD

Disp R-CNN: Stereo 3D Object Detection via Shape Prior Guided Instance Disparity Estimation

  • 论文：https://arxiv.org/abs/2004.03572

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

End-to-End Pseudo-LiDAR for Image-Based 3D Object Detection

  • 论文：https://arxiv.org/abs/2004.03080

  • 代码：https://github.com/mileyan/pseudo-LiDAR_e2e

DSGN: Deep Stereo Geometry Network for 3D Object Detection

  • 论文：https://arxiv.org/abs/2001.03398

  • 代码：https://github.com/chenyilun95/DSGN

LiDAR-based Online 3D Video Object Detection with Graph-based Message Passing and Spatiotemporal Transformer Attention

  • 论文：https://arxiv.org/abs/2004.01389

  • 代码：https://github.com/yinjunbo/3DVID

PV-RCNN: Point-Voxel Feature Set Abstraction for 3D Object Detection

  • 论文：https://arxiv.org/abs/1912.13192

  • 代码：https://github.com/sshaoshuai/PV-RCNN

Point-GNN: Graph Neural Network for 3D Object Detection in a Point Cloud

  • 论文：https://arxiv.org/abs/2003.01251

  • 代码：https://github.com/WeijingShi/Point-GNN

视频目标检测

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

Memory Enhanced Global-Local Aggregation for Video Object Detection

论文：https://arxiv.org/abs/2003.12063

代码：https://github.com/Scalsol/mega.pytorch

目标跟踪

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

SiamCAR: Siamese Fully Convolutional Classification and Regression for Visual Tracking

  • 论文：https://arxiv.org/abs/1911.07241

  • 代码：https://github.com/ohhhyeahhh/SiamCAR

D3S – A Discriminative Single Shot Segmentation Tracker

  • 论文：https://arxiv.org/abs/1911.08862

  • 代码：https://github.com/alanlukezic/d3s

ROAM: Recurrently Optimizing Tracking Model

  • 论文：https://arxiv.org/abs/1907.12006

  • 代码：https://github.com/skyoung/ROAM

Siam R-CNN: Visual Tracking by Re-Detection

  • 主页：https://www.vision.rwth-aachen.de/page/siamrcnn

  • 论文：https://arxiv.org/abs/1911.12836

  • 论文2：https://www.vision.rwth-aachen.de/media/papers/192/siamrcnn.pdf

  • 代码：https://github.com/VisualComputingInstitute/SiamR-CNN

Cooling-Shrinking Attack: Blinding the Tracker with Imperceptible Noises

  • 论文：https://arxiv.org/abs/2003.09595

  • 代码：https://github.com/MasterBin-IIAU/CSA

High-Performance Long-Term Tracking with Meta-Updater

  • 论文：https://arxiv.org/abs/2004.00305

  • 代码：https://github.com/Daikenan/LTMU

AutoTrack: Towards High-Performance Visual Tracking for UAV with Automatic Spatio-Temporal Regularization

  • 论文：https://arxiv.org/abs/2003.12949

  • 代码：https://github.com/vision4robotics/AutoTrack

Probabilistic Regression for Visual Tracking

  • 论文：https://arxiv.org/abs/2003.12565

  • 代码：https://github.com/visionml/pytracking

MAST: A Memory-Augmented Self-supervised Tracker

  • 论文：https://arxiv.org/abs/2002.07793

  • 代码：https://github.com/zlai0/MAST

Siamese Box Adaptive Network for Visual Tracking

  • 论文：https://arxiv.org/abs/2003.06761

  • 代码：https://github.com/hqucv/siamban

多目标跟踪

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

语义分割

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

FDA: Fourier Domain Adaptation for Semantic Segmentation

  • 论文：https://arxiv.org/abs/2004.05498

  • 代码：https://github.com/YanchaoYang/FDA

Super-BPD: Super Boundary-to-Pixel Direction for Fast Image Segmentation

  • 论文：暂无

  • 代码：https://github.com/JianqiangWan/Super-BPD

Single-Stage Semantic Segmentation from Image Labels

  • 论文：https://arxiv.org/abs/2005.08104

  • 代码：https://github.com/visinf/1-stage-wseg

Learning Texture Invariant Representation for Domain Adaptation of Semantic Segmentation

  • 论文：https://arxiv.org/abs/2003.00867

  • 代码：https://github.com/MyeongJin-Kim/Learning-Texture-Invariant-Representation

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

CascadePSP: Toward Class-Agnostic and Very High-Resolution Segmentation via Global and Local Refinement

  • 论文：https://arxiv.org/abs/2005.02551

  • 代码：https://github.com/hkchengrex/CascadePSP

Unsupervised Intra-domain Adaptation for Semantic Segmentation through Self-Supervision

  • Oral

  • 论文：https://arxiv.org/abs/2004.07703

  • 代码：https://github.com/feipan664/IntraDA

Self-supervised Equivariant Attention Mechanism for Weakly Supervised Semantic Segmentation

  • 论文：https://arxiv.org/abs/2004.04581

  • 代码：https://github.com/YudeWang/SEAM

Temporally Distributed Networks for Fast Video Segmentation

  • 论文：https://arxiv.org/abs/2004.01800

  • 代码：https://github.com/feinanshan/TDNet

Context Prior for Scene Segmentation

  • 论文：https://arxiv.org/abs/2004.01547

  • 代码：https://git.io/ContextPrior

Strip Pooling: Rethinking Spatial Pooling for Scene Parsing

  • 论文：https://arxiv.org/abs/2003.13328

  • 代码：https://github.com/Andrew-Qibin/SPNet

Cars Can’t Fly up in the Sky: Improving Urban-Scene Segmentation via Height-driven Attention Networks

  • 论文：https://arxiv.org/abs/2003.05128

  • 代码：https://github.com/shachoi/HANet

Learning Dynamic Routing for Semantic Segmentation

  • 论文：https://arxiv.org/abs/2003.10401

  • 代码：https://github.com/yanwei-li/DynamicRouting

实例分割

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

D2Det: Towards High Quality Object Detection and Instance Segmentation

  • 论文：http://openaccess.thecvf.com/content_CVPR_2020/papers/Cao_D2Det_Towards_High_Quality_Object_Detection_and_Instance_Segmentation_CVPR_2020_paper.pdf

  • 代码：https://github.com/JialeCao001/D2Det

PolarMask: Single Shot Instance Segmentation with Polar Representation

  • 论文：https://arxiv.org/abs/1909.13226

  • 代码：https://github.com/xieenze/PolarMask

  • 解读：https://zhuanlan.zhihu.com/p/84890413

CenterMask : Real-Time Anchor-Free Instance Segmentation

  • 论文：https://arxiv.org/abs/1911.06667

  • 代码：https://github.com/youngwanLEE/CenterMask

BlendMask: Top-Down Meets Bottom-Up for Instance Segmentation

  • 论文：https://arxiv.org/abs/2001.00309

  • 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

做了那么多年开发，自学了很多门编程语言，我很明白学习资源对于学一门新语言的重要性，这些年也收藏了不少的Python干货，对我来说这些东西确实已经用不到了，但对于准备自学Python的人来说，或许它就是一个宝藏，可以给你省去很多的时间和精力。

别在网上瞎学了，我最近也做了一些资源的更新，只要你是我的粉丝，这期福利你都可拿走。

我先来介绍一下这些东西怎么用，文末抱走。

（1）Python所有方向的学习路线（新版）

这是我花了几天的时间去把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。

最近我才对这些路线做了一下新的更新，知识体系更全面了。

在这里插入图片描述

（2）Python学习视频

包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。

在这里插入图片描述

（3）100多个练手项目

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，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。

在这里插入图片描述

（4）200多本电子书

这些年我也收藏了很多电子书，大概200多本，有时候带实体书不方便的话，我就会去打开电子书看看，书籍可不一定比视频教程差，尤其是权威的技术书籍。

基本上主流的和经典的都有，这里我就不放图了，版权问题，个人看看是没有问题的。

（5）Python知识点汇总

知识点汇总有点像学习路线，但与学习路线不同的点就在于，知识点汇总更为细致，里面包含了对具体知识点的简单说明，而我们的学习路线则更为抽象和简单，只是为了方便大家只是某个领域你应该学习哪些技术栈。

在这里插入图片描述

（6）其他资料

还有其他的一些东西，比如说我自己出的Python入门图文类教程，没有电脑的时候用手机也可以学习知识，学会了理论之后再去敲代码实践验证，还有Python中文版的库资料、MySQL和HTML标签大全等等，这些都是可以送给粉丝们的东西。

在这里插入图片描述

这些都不是什么非常值钱的东西，但对于没有资源或者资源不是很好的学习者来说确实很不错，你要是用得到的话都可以直接抱走，关注过我的人都知道，这些都是可以拿到的。

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！

PDD工程师
关注
  • 3
    点赞
  • 踩
  • 5
    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 1148
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 5112
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。
CVPR2024 论文和代码合集(1)
m0_61408947的博客
05-15 420
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！
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。
python开发界面程序，CVPR2024 论文和代码合集，作为一名程序员我不忘初心
2401_83947194的博客
04-07 951
论文：http://openaccess.thecvf.com/content_CVPR_2020/papers/Peng_IDA-3D_Instance-Depth-Aware_3D_Object_Detection_From_Stereo_Vision_for_Autonomous_CVPR_2020_paper.pdf。当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。
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：
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
【附代码】CVPR 2024论文及其附件批量获取下载
m0_52684476的博客
07-12 840
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。
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 4924
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) ...
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...
快醒醒，别睡了!...讲《数据分析pandas库》了—/—＜4＞
最新发布
qq_64603703的博客
07-27 663
详细解说数据分析pandas库中的常用方法
随机数种子的作用
帆的博客
07-23 1310
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。
全网最详细Gradio教程系列5——Gradio Client: python
shao918516的博客
07-26 772
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
CVPR2024神经网络
06-15
CVPR（Computer Vision and Pattern Recognition）是计算机视觉领域的一年一度的重要国际会议，它汇聚了最新的研究和技术成果。CVPR2024尚未举行，因为CVPR通常在每年的6月份举行，最近一届是2023年的CVPR。对于未来的会议，我们可能会看到关于深度学习、卷积神经网络（CNN）、生成对抗网络（GAN）、注意力机制、自监督学习、迁移学习以及计算机视觉中的前沿技术，比如目标检测、图像分割、语义理解等领域的最新进展。 在CVPR这样的会议上，研究人员可能会提交论文探讨如何改进神经网络架构，例如设计更高效、更深度的残差网络（ResNet）、变分自编码器（VAE）、Transformer结构在图像处理中的应用，以及如何利用元学习或可微分编程进行模型优化。 如果你对某一年份的CVPR或者某个特定类型的神经网络模型感兴趣，比如深度强化学习在CV中的应用，或是新型的混合模型如MAML（Model-Agnostic Meta-Learning），请告诉我，我会提供更具体的信息。
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