五月第四周,推荐本周新出的几篇不错的CV论文,其中包含5篇最新综述,希望对大家有帮助。
图像检索
#CVPRW2020##衣服检索#
[1].An Effective Pipeline for a Real-world Clothes Retrieval System
真实世界服装拍照检索
本文为DeepFashion2 Clothes Retrieval 2020挑战赛第二名方案。
其方法主要分三个部分:检测、检索和后处理。首先对目标服装进行检测,然后对找到的感兴趣的目标部分进行精确的检索,然后用基于度量学习的模型检索出相应的物品。为了提高检索的鲁棒性,应用了加权框融合和特征聚合等后处理方法来提高检索的鲁棒性。
作者 | Yang-Ho Ji, HeeJae Jun, Insik Kim, Jongtack Kim, Youngjoon Kim, Byungsoo Ko, Hyong-Keun Kook, Jingeun Lee, Sangwon Lee, Sanghyuk Park
单位 | NAVER/LINE Vision
论文 | https://arxiv.org/abs/2005.12739
水下图像增强
#CVPRW 2020#
[2].L^2UWE: A Framework for the Efficient Enhancement of Low-Light Underwater Images Using Local Contrast and Multi-Scale Fusion
L^2UWE:基于局部对比度和多尺度融合的高效低光照水下图像增强框架
该算法分为两个模型,一个突出细节,一个消除黑暗。在 7 个评价指标上与 7 个SOTA算法比较取得了明显的有效性。
作者 | Tunai Porto Marques, Alexandra Branzan Albu
单位 | 维多利亚大学
论文 | https://arxiv.org/abs/2005.13736
3D目标重建
#实例分割##三维重建#
[3].AutoSweep: Recovering 3D Editable Objects from a Single Photograph
AutoSweep: 从一张照片中恢复可编辑的3D目标
本文提出了一个全自动的框架,可以直接从一张照片中提取可编辑的3D对象。与以往的方法不同,我们的目标是恢复具有语义部分的三维物体,并且可以直接编辑。
我们的工作基于这样的假设,即大多数人类制造的物体都是由部分组成的,而这些部分可以用广义基元来很好地表示。我们的工作试图恢复两种类型的原形对象,即广义立方体和广义圆柱体。
定性和定量实验表明,我们的算法可以恢复高质量的三维模型,在实例分割和三维重建方面都优于现有的方法。
IEEE transactions on visualization and computer graphics 论文
作者 | Xin Chen, Yuwei Li, Xi Luo, Tianjia Shao, Jingyi Yu, Kun Zhou, Youyi Zheng
单位 | 上海科技大学;利兹大学;浙大
论文 | https://arxiv.org/abs/2005.13312
网站 | https://chenxin.tech/files/Paper/TVCG2018_
AutoSweep/AutoSweep.html
GAN
#CVPRW 2020#
[4].SegAttnGAN: Text to Image Generation with Segmentation Attention
文本到图像生成
该文将目标的mask引入到文本到图像生成中(SegAttnGAN),发现提升了文本生成的质量。为进一步自动化获取mask,作者引入self-attention SegAttnGAN,使得mask也是系统自动生成,同样获得了高质量的图像合成效果。
摘要:在本文中,我们提出了一种新型的生成器网络(SegAttnGAN),利用额外的分割信息来完成文本到图像合成任务。由于引入到模型中的分割数据为生成器训