AIWalker是个什么样的号？为什么要推荐呢？聚焦low-level，关注AI最前沿

今天给大家推荐一个好朋友Happy运营的公众号【AIWalker】，该公众号重点致力于low-level领域(比如超分、降噪、增强等)知识的分享，同时也会对最前沿的Transformer、网络架构、目标检测等方法进行解读。

与此同时，【AIWalker】也希望在AI前行道路上像个Walker一样结识各位朋友，大家在AI前行之路上聚散随缘，携手走向更远的前方...

在这里列出一部分【AIWalker】往期原创文章，涉猎网络架构、Transformer、Object Detection以及low-level的方方面面，当然少不了的还有独家经验分享。

Network

1. 南开大学程明明团队新作 | ResNet的又一改进：SCNet

2. Facebook最新力作FBNetV3来了！相比ResNeSt提速5倍，精度不输EfficientNet

3. 动态卷积｜CondConv

4. 网络架构｜MixNet

5. 网络架构设计新体系|SpineNet

6. DyReLU = SE + Maxout?

7. 动态滤波器卷积｜DynamicConv

8. 动态滤波器卷积｜DyNet

9. 新一代移动端模型MobileNeXt来了！打破常规，逆残差模块超强改进，精度速度双超MobileNetV2

10. RepVGG|让你的ConVNet一卷到底，plain网络首次超过80%top1精度

11. 将位置信息嵌入通道注意力！NUS提出新机制，显著提升卷积特征表达｜CVPR2021

12. “重参数宇宙”再添新成员：RepMLP，清华大学&旷视科技提出将重参数卷积嵌入到全连接层

13. CVPR2021 | 动态滤波器卷积新高度！DDF：同时解决内容不可知与计算量两大缺陷

14. 突破置换模块计算瓶颈，MSRA开源轻量版HRNet，超越主流轻量化网络！｜CVPR2021

15. EfficientNet v2来了！更快，更小，更强！

16. CVPR2021|“无痛涨点”的ACNet再进化，清华大学&旷视科技提出Inception类型的DBB

17. 动态卷积超进化！通道融合替换注意力，减少75%参数量且性能显著提升 ICLR 2021

Transformer

1. 新坑！谷歌提出MLP-Mixer：一种无卷积、无注意力，纯MLP构成的视觉架构

2. TNT|为充分利用局部与全局结构信息，华为诺亚提出全新Transformer：TNT

3. 金字塔Transformer，更适合稠密预测任务的Transformer骨干架构

4. 来自Transformer的降维打击：ReID各项任务全面领先，阿里&浙大提出TransReID

5. ResNet被全面超越了，是Transformer干的：依图科技开源“可大可小”T2T-ViT，轻量版优于MobileNet

6. CNN与Transformer的强强联合！谷歌最新开源BoTNet，ImageNet达84.7%准确率

7. Transformer再下一城！low-level多个任务榜首被占领，北大华为等联合提出预训练模型IPT

8. PVT重磅升级：三点改进，性能大幅提升

Object Detection

1. PP-YOLOv2开源，你的目标检测器又该升级了！性能超越YOLOv5且推理耗时保持不变

2. 我扔掉FPN来做目标检测，效果竟然这么强！YOLOF开源：你只需要看一层特征｜CVPR2021

3. YOLOv4团队开源最新力作！1774fps、COCO最高精度，分别适合高低端GPU的YOLO

4. 45.2mAP+155FPS! PP-YOLO来了， 精度速度双超YOLOv4

5. ACFD｜非对称卡通人脸检测，推理速度仅50ms

6. 谷歌又放大招：终端目标检测新标杆

7. SWideRNet：全景分割新标杆！

Low-level

退化模型

1. 真正实用的退化模型：ETH开源业内首个广义盲图像超分退化模型，性能效果绝佳

2. CVPR2021|将无监督对比学习与超分相结合，国防科大提出了用于盲图像超分的无监督退化表达学习DASR

3. CMDSR | 为解决多退化盲图像超分问题，浙江大学&字节跳动提出了具有退化信息提取功能的CMDSR

4. RealSR|缩小合成数据与真实数据差异，南京大学&腾讯优图提出频率一致自适应模型

5. FDRNet｜混合降质图像复原

6. AIM2019 图像超分竞赛冠军方案｜DSGAN

图像超分

1. VSR-Transformer | 超越BasicVSR，Transformer拿下视频超分

2. CUGAN=CResMD+GAN | 为进一步提升调制图像复原视觉质量，先进院董超团队提出集成CResMD与GAN的CUGAN

3. ACNet|增强局部显著特征，哈工大左旺孟老师团队提出非对称卷积用于图像超分

4. 46FPS+1080Px2超分+手机NPU，arm提出基于重参数化思想的超高效图像超分方案

5. CVPR2021|超分性能不变，计算量降低50%，董超等人提出用于low-level加速的ClassSR

6. RealSR新突破|中科大提出全频带区域自适应图像超分|ORNet

7. 真正的无极放大！30x插值效果惊艳，英伟达等开源LIIF：巧妙的图像超分新思路

8. 图像超分最新记录！南洋理工提出图神经网络嵌入新思路，复原效果惊艳

9. 超越RCAN，图像超分又一峰：RFANet

10. 图像超分：RealSR

11. CVPR2020：USRNet

12. UDVD：适用于可变降质类型的通用图像超分，附参考代码

视频超分

1. CVPR2021 | NTIRE2021竞赛"三冠一亚"方案BasicVSR++，Vid4新巅峰29.04dB

2. 刷新视频超分新记录28.41dB！同时利用过去和未来隐状态的全局视频超分方案OVSR

3. 视频超分新标杆 | BasicVSR&IconVSR

4. 深入理解视频超分中的形变对齐

5. 计算高效，时序一致，超清还原！清华&NYU 提出 RRN：视频超分新型递归网络

6. 传统图像处理与深度学习又一结合：时空多尺度非局部自相似集成视频超分

7. RSDN｜性能&速度双超EDVR

8. 视频超分｜SOF-VSR

9. CVPR2020｜时序分组注意力视频超分

增强&去模糊

1. HINet | 性能炸裂，旷视科技提出适用于low-level问题的Half Instance Normalization

2. NTIRE2021图像去模糊竞赛冠军方案: EDPN

3. NTIRE2020图像去模糊冠军方案分享，首次解决跨设备部署问题

4. 视频去模糊｜STFAN

5. CVPR20201|港理工&达摩院张磊团队提出支持实时4K超高分辨率Image2Image的拉普拉斯金字塔变换网络

6. 浙大&微软联合提出实时视频增强|RT-VENet

7. 图像增强领域大突破！以1.66ms的速度处理4K图像，港理工提出图像自适应的3DLUT

8. 图像增强新思路：DeepLPF

风格迁移

1. 南京大学&港中文提出首个支持超高分辨率(10000x10000)图像风格迁移方案

2. 你的感知损失可能用错了，沈春华团队提出随机权值广义感知损失

3. 谷歌又放大招：视觉效果完胜其他SOTA的风格迁移网络，手机端可达实时4K

低光图像增强

1. CVPR2021|单个网络支持sRGB渲染与RAW数据重建，港科大陈启峰团队提出可逆ISP

2. 深度学习替代手机ISP可行吗？

3. 旷视科技|商用端侧Raw图像降噪方案

4. CVPR2020 ｜ 低光图像降噪

5. 重磅干货｜低光图像处理方案

6. 旷视科技|商用端侧Raw图像降噪方案

7. 【综述】系统综述深度学习时代的低光图像增强，南开大学程明明团队还构建了大尺度数据与在线评估平台

独家经验分享

1. Pytorch量化入门之超分量化（一）

2. Pytorch量化入门之超分量化（二）

3. 图像/视频超分之数据集

4. 图像/视频超分之BackProjection

5. 图像/视频超分之降质过程

6. PixelShuffle面面观（附不同框架的pytorch等价实现）

7. 强烈推荐：IQA在图像处理中应用

8. 基于深度学习的数据增广技术一览

9. 高性能涨点的动态卷积 DyNet 与 CondConv、DynamicConv 有什么区别联系？

最后，欢迎更多的小伙伴关注【AIWalker】，期待你的关注，携手前行！

【AIWalker】公众号添加邀请函 

△长按添加AIWalker官方微信号 

© THE END 

转载请联系本公众号获得授权

投稿或寻求报道：AIWalker-Happy