【AI视野·今日CV 计算机视觉论文速览 第179期】Tue, 25 Feb 2020

90 篇文章 9 订阅
29 篇文章 1 订阅

AI视野·今日CS.CV 计算机视觉论文速览
Tue, 25 Feb 2020
Totally handcrafted papers
👉上期速览更多精彩请移步主页

Interesting:

📚****MonoLayout, 提出了一种用于自动驾驶的道路场景非模态结构推理方法,通过输入单目图像推理出鸟瞰视角下街道的结构图以及交通工具的位置结果。(from IIIT IIT 蒙特利尔大学)
在这里插入图片描述
模型通过单目图像输入,并利用上下文编码器将场景编码,而后能通过解码器解码并针对道路等静态场景和车辆等动态场景分别利用判别器进行处理。
在这里插入图片描述
算法得到的结果如下:
在这里插入图片描述

code:https://hbutsuak95.github.io/monolayout

📚***JRMOT大规模实时多目标三维追踪数据集, 融合RGB图像和3D点云的多目标处理网络,有效抽取二维和三维的描述子,并基于联合概率数据结合框架来实现多模态的卡尔曼滤波架构,最终得到了3D多目标实时追踪结果。(from 斯坦福)
在这里插入图片描述
在这里插入图片描述

📚****KaoKore日本古代艺术中的人物表情数据集, (from 谷歌大脑 日本人物艺术开放中心)
在这里插入图片描述
基于KaoKore训练的styleGan的生成结果:
在这里插入图片描述
基于intrinsic style transfer模型训练的绘画笔顺结果:
在这里插入图片描述
基于imagepantian结果:
在这里插入图片描述
dataset:https://github.com/rois- codh/kaokore
http://codh.rois.ac.jp/index.html.en

📚****POINTHOP++,轻量级的点云分类模型,改进了基于非监督方法抽取特征的分类模型PointHop,利用树结构来排布特征。(from 腾讯帕罗奥图实验室 南加州大学)
在这里插入图片描述
ref:PointHop

📚***利用对抗水印攻击光学字符识别系统,在原始图像中加入了对抗攻击的水印,使得OCR系统的输出被改变。 (from 清华大学)
在这里插入图片描述
通过对抗水印使得OCR系统的输入被改变:
在这里插入图片描述在这里插入图片描述

📚**VIFB可见光和红外融合的数据集, (from 上海交大)
其中包含了:21对图像,20种算法和13个评价指标。通过红外的形状信息和可见光的细节融合,实现更为清晰的成像结果:
在这里插入图片描述 在这里插入图片描述
现有算法和评价指标,以及各种算法的融合结果:
在这里插入图片描述

ref dataset
http://vcipl-okstate.org/pbvs/bench/
https://figshare.com/articles/TN Image Fusion Dataset/1008029
http://www02.smt.ufrj.br/ fusion/
https://www.ino.ca/en/solutions/video-analytics-dataset/

📚****ATI- GAN 基于图像修复的人脸属性迁移, 将人脸属性迁移任务视为图像修复任务来进行处理。(from 夫琅和费研究所)
在这里插入图片描述

📚***端到端图像压缩综述, (from 北大 )
在这里插入图片描述


📚**在线相机标定系统, 首先基于posenet估计每个相机帧间的运动参数,而后再估计相机间的位置关系。(from 广岛大学)
在这里插入图片描述
两个步骤的算法如下图所示:
在这里插入图片描述

📚****, 提出了一个包含十种癌症类型的细胞染色数据集(from Stony Brook University)
在这里插入图片描述
细胞分割的训练流程:
在这里插入图片描述
分割结果如下图所示:
在这里插入图片描述
dataset
ref:苏木精 — 伊红染色法 ( hematoxylin-eosin staining ) ,简称HE染色法 ,石蜡切片技术里常用的染色法之一 。苏木精染液为碱性 ,主要使细胞核内的染色质与胞质内的核酸着紫蓝色 ;伊红为酸性染料 ,主要使细胞质和细胞外基质中的成分着红色 。HE染色法是组织学、胚胎学、病理学教学与科研中最基本、使用最广泛的技术方法。link:Stony Brook University

📚****基于强化学习的方法修正不同环境下采集的图像结果, (from 斯坦福)
在这里插入图片描述
在这里插入图片描述

📚****从表示角度出发的几何深度学习综述, (from 中科院计算所)
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

📚****基于弱监督学习的遥感图像地标覆盖分割方法, (from TUM)
卫星图像非常丰富但标记数据很少,全球地表覆盖产品也很丰富但分辨率比起卫星图像来说较低、噪声也多。这篇文章提出了一种利用这些低分辨率弱监督标签来实现大尺度高分辨率的地标覆盖预测。
在这里插入图片描述
不同方法分割的结果对比:
在这里插入图片描述在这里插入图片描述在这里插入图片描述
ref:
code:https://github.com/lukasliebel/ dfc2020_baseline.
SEN12MS dataset,[DFC2020 data](https://ieee- dataport.org/competitions/ 2020-ieee-grss-data-fusion-contest)

📚****提出了一种大规模的分布式贝叶斯矩阵分解模型DBMD,主要用于数据挖掘和聚类方法,其利用了如下三种策略来实现:加速的梯度下降(AGD)、乘数交替方向(ADMM)、通信高效精确的统计推断方法(CEASE)。同时还利用了优化插件权重的平均方法来减少估计的方差。 (from 中科院)
在这里插入图片描述
code:https://github.com/zhanglabtools/dbmd


📚****协同硬件设计的可变形卷积, 提出了基于FPGA的目标检测建构,提升内存利用率和计算效率(from 伯克利)
在这里插入图片描述



📚湖面分割及湖冰检测模型, (from TUM,ETHz)
在这里插入图片描述


📚三种流特征融合的第一人称交互视频处理方法,将外形特征、目标光流和相机自身运动进行融合来处理第一人称视频/相关性融合。 (from 首尔大学 )
在这里插入图片描述在这里插入图片描述


📚****自动放射报告生成, (from 约翰霍普金斯大学 )
在这里插入图片描述在这里插入图片描述

📚**大规模卫星/航空图像视觉搜索, 从卫星或航拍图像中搜索特定的目标(from Descartes Labs)
在这里插入图片描述
http://www.terrapattern.com
https://descarteslabs.com
https://earthengine.google.com
https://www.sentinel-hub.com/
https://search.descarteslabs.com

TO READ LIST:
Universal Domain Adaptation through Self Supervision
超声图像的显著性检测
A Bayes-Optimal View on Adversarial Examples
从区块链中安全删除数据的方法

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
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