arxiv每周速报第二期

感觉每天看文章还是很有帮助的，arXiv上的Computer Vision and Pattern Recognition每天都有文章更新。我每周会找几篇文章分享给大家（主要是语义分割和目标检测这一块的），既培养自己读文章的兴趣，也可以和大家多交流。

1.GMS: Grid-based Motion Statistics for Fast, Ultra-robust Feature Correspondence
这一篇不是本周的论文，但在很多微信公众号上都推送这篇文章，CVPR今年的论文，拿来和大家分享一下。
特征匹配时很多计算机视觉算法的基础，因此速度、准确率和鲁棒性都是很重要的因素，目前在速度和鲁棒性上还存在很大的gap。主要问题在于使用在更强大的特征一致技术的一致性约束（相邻的像素运动是相似的）。一致性约束是强大的限制但是稀疏的特征缺乏定义良好的邻居，这就导致基于一致性的技术计算代价昂贵并且很难执行。这篇论文提出了GMS（Grid-based Motion Statistics, 基于网格的运动估计)，一种能够封装运动平滑作为统计在两个region pair中有一定数量特征匹配的方法。GMS能够快速而准确的区别真假匹配，有高度的一致性。

文章的灵感来自于BF，而BF强调说缺少特征匹配不是由于太少的正确匹配而在于很难分辨真假，加入一致性检测能够work well但是速度上很慢。BF和其他相关技术使用的复杂的平滑限制可以总结为：运动平滑表示一致性的聚集不大可能是随机出现的，因此真假的判别可以通过周围匹配点的简单计数来实现。

原先的特征匹配论文假定匹配质量主要在于尺寸上不变特征的提升，本文发现原始的特征数量也会影响质量。

本文贡献在于：
1. 把运动平滑限制问题转变成了统计测量来去掉错误匹配；
2. 提出一种有效率的基于网格的分数估计器，能够提供real time的特征匹配；
3. 展现了GSM系统比传统的SIFT, SURF和CNN训练的LIFT好很多

2.Salient Object Detection with Semantic Priors
本文提出了一种基于语义先验知识的显著性对象检测算法。算法包括三个基本步骤。首先，基于语义分割在数据上学习得到的先验显着性上获得明确的显着图。接着，使用训练模型计算隐含的显著图将隐含的显著先验嵌入到区域特征的显着性值中。最后将语义特征图和隐含的显著图自适应融合形成一个像素精确的显着图，均匀地覆盖了感兴趣的对象。大量的实验结果表明，该方法优于其他最先进的方法。

本文的贡献在于：
1. 对语义先验如何影响显著目标检测进行全面研究。
2. 提出了显式显着图和隐式显着图，来自语义先验，它可以发现的显着对象。
3. 在两个具有挑战性的数据集上评估了所提出的方法，以验证本文的先进性。

这是第一篇看到的将语义分割和显著性检测结合起来的文章，很有新意，本文是结合语义做显著，不知道会不会有结合显著做语义的。

3.Weakly Supervised Semantic Segmentation Based on Co-segmentation
训练一个完全卷积网络（FCN）的语义分割需要大量的像素级的标签，这涉及到大量的人力和时间去标注。与此相反，图像级别的标签更容易获得。本文提出了一种新的弱监督语义分割的方法，只有图像级别的标签。该方法依赖于一个大型的共分割框架，可以产生对象标签的包含相同的语义类对象的一组图像。我们首先从搜索引擎中检索图像，如Flickr和Google，使用语义类的名称进行查询，例如在PASCAL VOC 2012数据集中的类名。然后，我们使用由共分割框架在检索图像中的得到的高品质的标签以及目标数据集图像与其图像级标签训练进行训练。

本文的贡献在于：
1. 提出了一种新的基于共分割的弱监督方法。除了图像级别的标签之外，没有额外的标签。本文这两个步骤的框架是简单而有效的。
2. 本文使用最流行的基准数据集，pascal-voc12以证明所提出框架的性能，并且达到了最先进的水平。

共分割框架：共分割的目的是从一对图像或一组图像中分割出类似的对象。一些方法都集中在小规模的分割，其中只有少量的图像参与分割。这些自底向上的方法使用低像素特征去寻找图像之间的相似性，并建立优化问题来寻找共分割对象。
还有一些方法，针对使用大量的图像进行大规模的共分割，包括有噪声的数据。有人定义共分割为一个组成问题，好的共分割可以很容易地组成，反之亦然。该方法适用于大规模的数据或是一个单一的图像。还有人提出了一种结合由视觉子类学习到的自顶向下分割先验知识和自下而上的提示的方法，该方法从噪声Web数据中产生良好的共分割。我们的框架是基于上面这种技术，它可以为我们的检索图像提供良好的训练标签。