【2020年3月】计算机视觉/图像处理方向最新论文速递

[检测分类相关]：

【1】 Supervised and Unsupervised Detections for Multiple Object Tracking in Traffic Scenes: A Comparative Study
交通场景中多目标跟踪的有监督和无监督检测的比较研究
作者：Hui-Lee Ooi, Nicolas Saunier
备注：Accepted for ICIAR 2020
链接：https://arxiv.org/abs/2003.13644

【2】 Squeezed Deep 6DoF Object Detection Using Knowledge Distillation
利用知识精馏的压缩深6DoF目标检测
作者：Heitor Felix, Cleber Zanchettin
备注：This paper was accepted by IJCNN 2020 and will have few changes from the version that will be published
链接：https://arxiv.org/abs/2003.13586

【3】 SiTGRU: Single-Tunnelled Gated Recurrent Unit for Abnormality Detection
SiTGRU：用于异常检测的单隧道门控循环单元
作者：Habtamu Fanta, Lizhuang Ma
链接：https://arxiv.org/abs/2003.13528

【4】 A Comparison of Data Augmentation Techniques in Training Deep Neural Networks for Satellite Image Classification
用于卫星图像分类的深度神经网络训练中数据增强技术的比较
作者：Mohamed Abdelhack
链接：https://arxiv.org/abs/2003.13502

【5】 Computer Aided Detection for Pulmonary Embolism Challenge (CAD-PE)
肺栓塞挑战的计算机辅助检测(CAD-PE)
作者：Germán González, Maria J. Ledesma-Carbayo
链接：https://arxiv.org/abs/2003.13440

【6】 Learning Memory-guided Normality for Anomaly Detection
用于异常检测的学习记忆引导的正规性
作者：Hyunjong Park, Bumsub Ham
备注：Accepted to CVPR 2020
链接：https://arxiv.org/abs/2003.13228

【7】 Cross-Domain Document Object Detection: Benchmark Suite and Method
跨域文档对象检测：Benchmark Suite和Method
作者：Kai Li, Yun Fu
备注：To appear in CVPR 2020
链接：https://arxiv.org/abs/2003.13197

【8】 Detection of 3D Bounding Boxes of Vehicles Using Perspective Transformation for Accurate Speed Measurement
基于透视变换精确测速的车辆三维包围盒检测
作者：Viktor Kocur, Milan Ftáčnik
链接：https://arxiv.org/abs/2003.13137

【9】 Attentive CutMix: An Enhanced Data Augmentation Approach for Deep Learning Based Image Classification
Attentive CutMix：一种用于深度学习图像分类的增强数据增强方法
作者：Devesh Walawalkar, Marios Savvides
备注：Accepted as conference paper in ICASSP 2020
链接：https://arxiv.org/abs/2003.13048

【10】 Noise Modeling, Synthesis and Classification for Generic Object Anti-Spoofing
通用对象防欺骗的噪声建模、合成和分类
作者：Joel Stehouwer, Xiaoming Liu
备注：In IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2020
链接：https://arxiv.org/abs/2003.13043

【11】 Adaptive Object Detection with Dual Multi-Label Prediction
基于双多标签预测的自适应目标检测
作者：Zhen Zhao, Jieping Ye
链接：https://arxiv.org/abs/2003.12943

【12】 Refined Plane Segmentation for Cuboid-Shaped Objects by Leveraging Edge Detection
利用边缘检测的长方体物体精细化平面分割
作者：Alexander Naumann, Kai Furmans
链接：https://arxiv.org/abs/2003.12870

【13】 OCmst: One-class Novelty Detection using Convolutional Neural Network and Minimum Spanning Trees
OCmst：基于卷积神经网络和最小生成树的一类新颖性检测
作者：Riccardo La Grassa, Nicola Landro
链接：https://arxiv.org/abs/2003.13524

[分割/语义相关]：

【1】 Vox2Vox: 3D-GAN for Brain Tumour Segmentation
Vox2Vox：3D-GaN用于脑肿瘤分割
作者：Marco Domenico Cirillo, Anders Eklund
链接：https://arxiv.org/abs/2003.13653

【2】 Predicting Semantic Map Representations from Images using Pyramid Occupancy Networks
使用金字塔占有率网络从图像预测语义地图表示
作者：Thomas Roddick, Roberto Cipolla
链接：https://arxiv.org/abs/2003.13402

【3】 TapLab: A Fast Framework for Semantic Video Segmentation Tapping into Compressed-Domain Knowledge
TapLab：一种利用压缩域知识的快速语义视频分割框架
作者：Junyi Feng, Haibin Ling
链接：https://arxiv.org/abs/2003.13260

【4】 Memory Aggregation Networks for Efficient Interactive Video Object Segmentation
用于高效交互式视频对象分割的存储器聚合网络
作者：Jiaxu Miao, Yi Yang
备注：Accepted to CVPR 2020. 10 pages, 9 figures
链接：https://arxiv.org/abs/2003.13246

【5】 Learning a Weakly-Supervised Video Actor-Action Segmentation Model with a Wise Selection
具有明智选择的弱监督视频演员-动作分割模型的学习
作者：Jie Chen, Chenliang Xu
备注：11 pages, 8 figures, cvpr-2020 supplementary video: this https URL
链接：https://arxiv.org/abs/2003.13141

【6】 Defect segmentation: Mapping tunnel lining internal defects with ground penetrating radar data using a convolutional neural network
缺陷分割：使用卷积神经网络将隧道衬砌内部缺陷与探地雷达数据映射
作者：Senlin Yang, Qingmei Sui
链接：https://arxiv.org/abs/2003.13120

【7】 Multi-Path Region Mining For Weakly Supervised 3D Semantic Segmentation on Point Clouds
点云上弱监督三维语义分割的多路径区域挖掘
作者：Jiacheng Wei, Lihua Xie
备注：Accepted by CVPR2020
链接：https://arxiv.org/abs/2003.13035

[NAS相关]：

【1】 NPENAS: Neural Predictor Guided Evolution for Neural Architecture Search
NPENAS：神经结构搜索的神经预测器引导进化
作者：Chen Wei, Jimin Liang
链接：https://arxiv.org/abs/2003.12857

[人脸相关]：

【1】 Deep Face Super-Resolution with Iterative Collaboration between Attentive Recovery and Landmark Estimation
基于注意恢复和界标估计迭代协作的深脸超分辨率
作者：Cheng Ma, Jie Zhou
备注：Accepted to CVPR 2020
链接：https://arxiv.org/abs/2003.13063

【2】 Realistic Face Reenactment via Self-Supervised Disentangling of Identity and Pose
通过自我监督解开身份和姿势再现逼真的人脸
作者：Xianfang Zeng, Yong Liu
链接：https://arxiv.org/abs/2003.12957

【3】 One-Shot Domain Adaptation For Face Generation
一次区域自适应人脸生成算法
作者：Chao Yang, Ser-Nam Lim
备注：Accepted to CVPR 2020
链接：https://arxiv.org/abs/2003.12869

[GAN/对抗式/生成式相关]：

【1】 Improved Gradient based Adversarial Attacks for Quantized Networks
一种改进的基于梯度的量化网络对抗攻击
作者：Kartik Gupta, Thalaiyasingam Ajanthan
链接：https://arxiv.org/abs/2003.13511

【2】 Adversarial Feature Hallucination Networks for Few-Shot Learning
面向少发学习的对抗性特征幻觉网络
作者：Kai Li, Yun Fu
备注：To appear in CVPR 2020
链接：https://arxiv.org/abs/2003.13193

【3】 Gradually Vanishing Bridge for Adversarial Domain Adaptation
逐渐消失的对抗性领域适应之桥
作者：Shuhao Cui, Qi Tian
备注：CVPR2020
链接：https://arxiv.org/abs/2003.13183

【4】 Adversarial Robustness: From Self-Supervised Pre-Training to Fine-Tuning
对抗鲁棒性：从自我监督预训练到微调
作者：Tianlong Chen, Zhangyang Wang
备注：CVPR 2020
链接：https://arxiv.org/abs/2003.12862

【5】 Adversarial Imitation Attack
对抗性模仿攻击
作者：Mingyi Zhou, Ce Zhu
链接：https://arxiv.org/abs/2003.12760

【6】 DaST: Data-free Substitute Training for Adversarial Attacks
DAST：对抗攻击的无数据替代训练
作者：Mingyi Zhou, Ce Zhu
备注：Accepted by CVPR2020
链接：https://arxiv.org/abs/2003.12703

[行为/时空/光流/姿态/运动]：

【1】 Speech2Action: Cross-modal Supervision for Action Recognition
Speech2Action：用于动作识别的跨模式监督
作者：Arsha Nagrani, Andrew Zisserman
备注：Accepted to CVPR 2020
链接：https://arxiv.org/abs/2003.13594

【2】 Context Based Emotion Recognition using EMOTIC Dataset
使用EMOTIC数据集的基于上下文的情感识别
作者：Ronak Kosti, Agata Lapedriza
链接：https://arxiv.org/abs/2003.13401

【3】 MetaFuse: A Pre-trained Fusion Model for Human Pose Estimation
MetaFuse：一种用于人体姿态估计的预训练融合模型
作者：Rongchang Xie, Yizhou Wang
备注：Accepted to CVPR2020
链接：https://arxiv.org/abs/2003.13239

【4】 Learning by Analogy: Reliable Supervision from Transformations for Unsupervised Optical Flow Estimation
类比学习：无监督光流估计变换的可靠监督
作者：Liang Liu, Feiyue Huang
备注：Accepted to CVPR 2020
链接：https://arxiv.org/abs/2003.13045

【5】 AutoTrack: Towards High-Performance Visual Tracking for UAV with Automatic Spatio-Temporal Regularization
自动跟踪：实现自动时空正则化的无人机高性能视觉跟踪
作者：Yiming Li, Geng Lu
备注：2020 IEEE Conference on Computer Vision and Pattern Recognition (CVPR)
链接：https://arxiv.org/abs/2003.12949

[迁移学习/domain/主动学习/自适应]：

【1】 Domain-aware Visual Bias Eliminating for Generalized Zero-Shot Learning
用于广义零发射学习的领域感知视觉偏差消除
作者：Shaobo Min, Yongdong Zhang
备注：Accepted by CVPR2020
链接：https://arxiv.org/abs/2003.13261

【2】 Learning to Learn Single Domain Generalization
学会学习单域概括
作者：Fengchun Qiao, Xi Peng
备注：In CVPR 2020 (13 pages including supplementary material). The source code and pre-trained models are publicly available at: this https URL
链接：https://arxiv.org/abs/2003.13216

【3】 Diagnosis of Breast Cancer using Hybrid Transfer Learning
混合转移学习在乳腺癌诊断中的应用
作者：Subrato Bharati, Prajoy Podder
链接：https://arxiv.org/abs/2003.13503

【4】 Mutual Learning Network for Multi-Source Domain Adaptation
用于多源域自适应的互学习网络
作者：Zhenpeng Li, Jieping Ye
链接：https://arxiv.org/abs/2003.12944

[压缩/量化/剪枝加速相关]：

【1】 DHP: Differentiable Meta Pruning via HyperNetworks
DHP：通过超网络的可微分元剪枝
作者：Yawei Li, Radu Timofte
链接：https://arxiv.org/abs/2003.13683

【2】 Plug-and-Play Algorithms for Large-scale Snapshot Compressive Imaging
大规模快照压缩成像的即插即用算法
作者：Xin Yuan, Qionghai Dai
备注：CVPR 2020
链接：https://arxiv.org/abs/2003.13654

【3】 Faster than FAST: GPU-Accelerated Frontend for High-Speed VIO
比快速更快：GPU加速的高速VIO前端
作者：Balazs Nagy, Davide Scaramuzza
备注：Submitted to IEEE International Conference on Intelligent Robots and Systems (IROS), 2020. Open-source implementation available at this https URL
链接：https://arxiv.org/abs/2003.13493

【4】 Acceleration of Convolutional Neural Network Using FFT-Based Split Convolutions
用基于FFT的分裂卷积加速卷积神经网络
作者：Kamran Chitsaz, Shahram Shirani
链接：https://arxiv.org/abs/2003.12621

【5】 How Not to Give a FLOP: Combining Regularization and Pruning for Efficient Inference
如何避免失败：结合正则化和修剪以实现有效的推理
作者：Tai Vu, Roy Nehoran
链接：https://arxiv.org/abs/2003.13593

【6】 BVI-DVC: A Training Database for Deep Video Compression
BVI-DVC：一个深度视频压缩训练数据库
作者：Di Ma, David R. Bull
链接：https://arxiv.org/abs/2003.13552

【7】 Optimizing Geometry Compression using Quantum Annealing
利用量子退火优化几何压缩
作者：Sebastian Feld, Claudia Linnhoff-Popien
链接：https://arxiv.org/abs/2003.13253

【8】 Image compression optimized for 3D reconstruction by utilizing deep neural networks
利用深层神经网络优化三维重建的图像压缩
作者：Alex Golts, Yoav Y. Schechner
链接：https://arxiv.org/abs/2003.12618

[超分辨率]：

【1】 Super Resolution for Root Imaging
根成像的超分辨率
作者：Jose F. Ruiz-Munoz, James E. Baciak
链接：https://arxiv.org/abs/2003.13537

【2】 High-Order Residual Network for Light Field Super-Resolution
用于光场超分辨的高阶残差网络
作者：Nan Meng, Edmund Y. Lam
链接：https://arxiv.org/abs/2003.13094

【3】 Structure-Preserving Super Resolution with Gradient Guidance
梯度导向的结构保持超分辨率
作者：Cheng Ma, Jie Zhou
备注：Accepted to CVPR 2020
链接：https://arxiv.org/abs/2003.13081

[点云]：

【1】 PointGMM: a Neural GMM Network for Point Clouds
PointGMM：一种用于点云的神经GMM网络
作者：Amir Hertz, Daniel Cohen-Or
备注：CVPR 2020 – final version
链接：https://arxiv.org/abs/2003.13326

【2】 A Benchmark for Point Clouds Registration Algorithms
点云配准算法的基准
作者：Simone Fontana, Domenico Giorgio Sorrenti
链接：https://arxiv.org/abs/2003.12841

[深度depth相关]：

【1】 Rethinking Depthwise Separable Convolutions: How Intra-Kernel Correlations Lead to Improved MobileNets
重新思考深度可分卷积：核内相关如何导致改进的MobileNets
作者：Daniel Haase, Manuel Amthor
备注：Accepted by CVPR 2020
链接：https://arxiv.org/abs/2003.13549

重磅！计算机视觉交流群已成立！

欢迎各位Cver加入计算机视觉微信交流大群，本群旨在交流图像分类、目标检测、点云/语义分割、目标跟踪、机器视觉、GAN、超分辨率、人脸检测与识别、动作行为/时空/光流/姿态/运动、模型压缩/量化/剪枝、NAS、迁移学习、人体姿态估计等内容。

进群请备注： 研究方向+地点+学校/公司+昵称 （如图像分类+上海+上交+小明)

广告商、博主请绕道！