ECCV 2018论文解读及资源集锦（8月20日更新）

本文为极市平台原创收集，转载请附原文链接：
https://blog.csdn.net/Extremevision/article/details/81875068

---

之前我们整理了CVPR 2018 论文解读集锦和历年VALSE 视觉资源汇总（两篇都仍在更新中），目前计算机视觉三大顶级会议之一的ECCV，European Conference on Computer Vision(欧洲计算机视觉国际会议) ，将于2018年9月8日在德国慕尼黑举行，目前已经逐渐公开接收论文名单，为了能够让大家更集中深刻地了解ECCV2018的优秀论文，极市为大家整理了一些ECCV2018论文解读集锦，同时还有ECCV2018的相关讨论和竞赛，后续还会持续更新，欢迎大家阅读和收藏。

 

论文解读
accepted papers to eccv18

 

15.ECCV2018论文Express | 单幅RGB图像整体三维场景解析与重建（附原文下载）

本文提出了一种计算框架，将视觉概念作为逆图形，使用随机语法模型（stochastic grammar model），联合解析（jointly parse）单幅RGB图像，重建出由一组CAD模型组成的整体3D结构。

 

14.ECCV18 Oral | MIT&谷歌视频运动放大让计算机辅助人眼“明察秋毫”

本文是第一个使用卷积神经网络在人工合成数据上学习运动放大滤波器的工作，实验证明经过学习得到的过滤器在真实视频上与之前的方法相比获得更高质量的视觉效果，明显减少了振铃伪像和噪声放大。

 

13.ECCV 2018 | 上海交通大学ECCV 2018四篇入选论文解读（附原文下载）

上海交通大学SJTU-UCLA机器感知与推理联合研究中心4篇ECCV论文解读，研究方向涉及自动驾驶、视频理解、视觉跟踪以及新型神经网络。

 

12.ECCV 2018 | CornerNet：目标检测算法新思路

密歇根大学Hei Law等人在发表ECCV2018的一篇论文，提出CornerNet模型预测目标边界框的左上角和右下角一对顶点，即使用单一卷积模型生成热点图和连接矢量。

 

11.ECCV 2018 | IBN-Net：打开Domain Generalization的新方式

本文由香港中文大学发表于ECCV2018，论文探索了IN和BN的优劣，据此提出的IBN-Net在语义分割的域适应任务上取得了十分显著的性能提升。
 

10.凭一张照片找到视频中你所有的镜头，包括背影丨商汤ECCV 2018论文

商汤最近发了一篇ECCV，搞了一个巨大的电影片段数据库。无论一位电影明星演的是青春少女还是白发老人，无论TA露出了正脸还是侧颜，无论影片的镜头明亮鲜丽还是灰黄暗淡，AI都能精确的找到TA，TA的正脸、身姿和背影。

 

9.杂乱环境下的显著性物体： 将显著性物体检测推向新高度

本文是ECCV2018接收论文《 Salient Objects in Clutter: Bringing Salient Object Detection to the Foreground》中文翻译版，作者范登平，该文针对现有显著性物体检测的数据集存在的设计偏差，构建并发布了目前世界上最大的instance level的显著物体检测数据集。

 

8.华科白翔老师团队ECCV2018 OCR论文：Mask TextSpotter

白翔老师团队ECCV2018 论文：提出了一种用于场景text spotting的可端到端训练的神经网络模型Mask TextSpotter，在处理不规则形状的文本实例（例如，弯曲文本）方面优于之前的方法。
 

7.ECCV 2018 | 美图云联合中科院提出基于交互感知注意力机制神经网络的行为分类技术

ECCV2018收录文章，来自美图云视觉技术部门和中科院自动化所的研发人员借鉴 PCA（主成分分析）思想，提出了一种引入局部特征交互感知的自注意机制模型，并将模型嵌入到 CNN 网络中，提出一个端到端的网络结构。

 

6.北大开源ECCV2018深度去雨算法：RESCAN

图像中雨水条纹会严重降低能见度，导致许多当前的计算机视觉算法无法工作，比如在自动驾驶场景下图像去雨就变得非常重要。本文提出了一种基于深度卷积和递归神经网络的新型深度网络体系结构，用于单图像去雨。

 

5.ECCV2018 | ELEGANT：基于交换隐层编码和残差学习的人脸属性迁移

本文提出的ELEGANT 模型克服了以往基于深度神经网络做人脸属性迁移方法的缺点，实现基于交换隐层编码和残差学习的人脸属性迁移。

 

4.[ECCV 2018] 用于时序动作提名生成的边界敏感网络

这篇论文主要针对时序动作提名生成(temporal action proposal generation)任务提出了一种新的方法-边界敏感网络(Boundary Sensitive Network, BSN)，该方法突破了原有的top-down方法的一些缺陷，能够简洁高效地生成高质量的时序动作提名。

3.ECCV 2018 | 旷视科技提出DetNet：一个为物体检测而生的Backbone

本文创新性地提出 DetNet——一个专为物体检测而设计的骨干网络，从底层技术的维度更新了计算机视觉网络，将会进一步推动其相关应用落地，优化产品服务。DetNet 将会更快更准地检测和分割一张给定图像之中的物体，完善在智慧城市、新零售、仓储物流、消费终端等诸多领域的技术应用。

 

2.MultiPoseNet:人体检测、姿态估计、语义分割一“网”打尽

文中提出了一种新的自底向上（Bottom-Up）模式的多人姿势估计架构，它将多任务模型(multi-task model)与新颖的分配算法（assignment method）相结合。MultiPoseNet方法是目前最快的实时姿态估计系统，在GTX1080TI显卡上速度是23帧/秒。

 

1.ECCV2018论文解读：用回归方法判断热度图中的人体姿态

本文提出一种积分回归的方法用于人体姿势估计任务，该途径结合了基于热度图的方法和回归方法的优点，可以方便地应用于并改进任何基于热度图的模型。本文通过综合性实验全面验证了该方法的有效性，并表明在2D和3D的人体姿势估计数据集MPII、COCO、Human3.6M中，本方法都取得当前最好的结果。