ECCV 2020 谷歌论文盘点—Poster 篇

前文已经盘点了谷歌ECCV 2020 中Oral 和 Spotlight的论文:

ECCV 2020 Oral 中谷歌论文盘点,点云与3D方向工作居多

ECCV 2020 Spotlight 谷歌论文大盘点

今天盘点Poster中的谷歌论文,总计27篇,从这些论文中可看出,谷歌很重视自动驾驶,多篇论文为自动驾驶领域,目标检测、NAS、数据增广方法等也是研究的重点。

下载所有ECCV 2020 请点这里:

ECCV 2020 论文合集下载,分类盘点进行中

论文相关代码已列出,欢迎感兴趣的朋友参考。

[1].NASA: Neural Articulated Shape Approximation

作者 | Boyang Deng, JP Lewis, Timothy Jeruzalski, Gerard Pons-Moll, Geoffrey Hinton, Mohammad Norouzi, Andrea Tagliasacchi

单位 | 谷歌,萨尔信息学院,多伦多大学

论文 | https://arxiv.org/abs/1912.03207

代码 | https://github.com/tensorflow/graphics/tree/

master/tensorflow_graphics/projects/nasa

主页 | https://virtualhumans.mpi-inf.mpg.de/nasa/

解读 | https://zhuanlan.zhihu.com/p/98155806

备注 | ECCV 2020 

该文发明一种利用神经网络对有关节三维模型进行估计的方法NASA。

弱监督、视频理解

[2].Uncertainty-Aware Weakly Supervised Action Detection from Untrimmed Videos

作者 | Anurag Arnab, Chen Sun, Arsha Nagrani, Cordelia Schmid

单位 | 谷歌

论文 | https://arxiv.org/abs/2007.10703

备注 | ECCV 2020

针对未裁剪的视频提出一种不确定性感知的弱监督动作检测算法。

[3].Beyond Controlled Environments: 3D Camera Re-Localization in Changing Indoor Scenes

作者 | Johanna Wald, Torsten Sattler, Stuart Golodetz, Tommaso Cavallari, Federico Tombari

单位 | 慕尼黑工业大学;查尔姆斯理工大学;捷克理工大学;Five AI Ltd;谷歌

论文 | https://arxiv.org/abs/2008.02004

主页 | https://waldjohannau.github.io/RIO10/

备注 | ECCV 2020

该文提出一种超越受控环境的室内场景变化中的3D摄像机重定位方法。

[4].Consistency Guided Scene Flow Estimation

作者 | Yuhua Chen, Luc Van Gool, Cordelia Schmid, Cristian Sminchisescu

单位 | 谷歌,ETH Zurich

论文 | https://arxiv.org/abs/2006.11242

备注 | ECCV 2020

该文提出一种自监督学习框架,从立体视频中重建三维场景结构和运动。

[5].Continuous Adaptation for Interactive Object Segmentation by Learning from Corrections

作者 | Theodora Kontogianni, Michael Gygli, Jasper Uijlings, Vittorio Ferrari

单位 | 谷歌,亚琛工业大学

论文 | https://arxiv.org/abs/1911.12709

备注 | ECCV 2020

  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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