【今日CV 计算机视觉论文速览】Mon, 25 Mar 2019

379 篇文章 64 订阅
286 篇文章 53 订阅

今日CS.CV计算机视觉论文速览
Mon, 25 Mar 2019
Totally 21 papers

在这里插入图片描述

Interesting:

?图像超分辨的快速贝叶斯不确定性估计,在测试阶段,利用批均值和方差作为批归一化层的随机参数来实现后验概率的蒙特卡洛采样,并给予这些样本进行超分辨率重建和重建的置信度图,并实现了不确定性估计的快速方法。研究人员利用批归一化来实现蒙特卡洛参数的估计,并在测试时使用不同的参数采样出多张图像,由这些图像的均值得到重建结果,图像间的方差作为不确定度度量, (from IIT Kharagpur)
重建结果如下:
在这里插入图片描述
在这里插入图片描述
常用的数据集:
在这里插入图片描述
卫星数据集
细胞数据集
aupendukar@iitkgp.ac.in pkb@ece.iitkgp.ac.in

?利用3D打印件定量测评RGBD相机的参数, 分别利用了柱体、球和带角度的平面测量了RMSE和单位像素密度指标。(from root-ai)
在这里插入图片描述
code:https://github.com/Root-AI/depth-quality

?SkelNetOn 2019, cvpr2019几何外形理解挑战赛,数据集中包含了骨架像素、骨架点以及参数化轴和骨架分支结构(from DeepScale,Bergische Universitat Wuppertal, Occidental College, University of Toulouse,University of Basel, 6Dartmouth College, Universite Grenoble Alpes,Princeton University,Johns Hopkins University)
在这里插入图片描述
website:http://ubee.enseeiht.fr/skelneton/

?CityFlow, 城市尺度下的多相机、多目标车辆重识别(from 华盛顿大学)
城市相机分布:
在这里插入图片描述
标注实例:
在这里插入图片描述
坐标图和鸟瞰图配对:
在这里插入图片描述
相关重识别数据集:
在这里插入图片描述
AI-city Challenge:https://www.aicitychallenge.org/

?1D自编码器重建高角度分辨率散射图(HARDI), 主要用于脑部组织中水散射的方向分布检测,但相比散射张量图像需要更多的测量数据。研究人员利用低分辨数据恢复出高分辨数据来加速这一测试过程,利用压缩感知理论在q空间中采样并重建。(from 华中科技)
在这里插入图片描述
取向分布函数(orientation distribution function,ODF)
ODF计算结果:http://dsi-studio.labsolver.org/
ref:http://cmic.cs.ucl.ac.uk/cdmri10/invited_tournier.pdf

?基于解耦表示的多模态图像变形的匹配,利用解耦的图像表示来实现非配对图像的风格迁移Huang et al. [9] and Lee et al. [13],(from 帝国理工)
在这里插入图片描述 在这里插入图片描述
运动图像,变形场和雅克比测定矩阵:
在这里插入图片描述
数据集:COPDGene,BraTS’17


Daily Computer Vision Papers

1.Title: On the Importance of Video Action Recognition for Visual Lipreading
Authors:Xinshuo Weng
2.Title: Evaluation of a deep learning system for the joint automated detection of diabetic retinopathy and age-related macular degeneration
Authors:Cristina González-Gonzalo, Verónica Sánchez-Gutiérrez, Paula Hernández-Martínez, Inés Contreras, Yara T. Lechanteur, Artin Domanian, Bram van Ginneken, Clara I. Sánchez
3.Title: Aggregated Deep Local Features for Remote Sensing Image Retrieval
Authors:Raffaele Imbriaco, Clint Sebastian, Egor Bondarev, Peter H.N. de With
4.Title: Factorised Representation Learning in Cardiac Image Analysis
Authors:Agisilaos Chartsias, Thomas Joyce, Giorgos Papanastasiou, Michelle Williams, David Newby, Rohan Dharmakumar, Sotirios A. Tsaftaris
5.Title: Fast Bayesian Uncertainty Estimation of Batch Normalized Single Image Super-Resolution Network
Authors:Aupendu Kar, Prabir Kumar Biswas
6.Title: Few-shot Adaptive Faster R-CNN
Authors:Tao Wang, Xiaopeng Zhang, Li Yuan, Jiashi Feng
7.Title: Joint 3D Face Reconstruction and Dense Face Alignment from A Single Image with 2D-Assisted Self-Supervised Learning
Authors:Xiaoguang Tu, Jian Zhao, Zihang Jiang, Yao Luo, Mei Xie, Yang Zhao, Linxiao He, Zheng Ma, Jiashi Feng
8.Title: Overcoming Small Minirhizotron Datasets Using Transfer Learning
Authors:Weihuang Xu, Guohao Yu, Alina Zare, Brendan Zurweller, Diane Rowland, Joel Reyes-Cabrera, Felix B Fritschi, Roser Matamala, Thomas E. Juenger
9.Title: Pose Estimation of Periacetabular Osteotomy Fragments with Intraoperative X-Ray Navigation
Authors:Robert B. Grupp, Rachel A. Hegeman, Ryan J. Murphy, Clayton P. Alexander, Yoshito Otake, Benjamin A. McArthur, Mehran Armand, Russell H. Taylor
10.Title: Unsupervised Deformable Registration for Multi-Modal Images via Disentangled Representations
Authors:Chen Qin, Bibo Shi, Rui Liao, Tommaso Mansi, Daniel Rueckert, Ali Kamen
11.Title: A resnet-based universal method for speckle reduction in optical coherence tomography images
Authors:Cai Ning, Shi Fei, Hu Dianlin, Chen Yang
12.Title: Towards Optimal Structured CNN Pruning via Generative Adversarial Learning
Authors:Shaohui Lin, Rongrong Ji, Chenqian Yan, Baochang Zhang, Liujuan Cao, Qixiang Ye, Feiyue Huang, David Doermann
13.Title: Fast and accurate reconstruction of HARDI using a 1D encoder-decoder convolutional network
Authors:Shi Yin, Zhengqiang Zhang, Qinmu Peng, Xinge You
14.Title: Deep Learning with Anatomical Priors: Imitating Enhanced Autoencoders in Latent Space for Improved Pelvic Bone Segmentation in MRI
Authors:Duc Duy Pham, Gurbandurdy Dovletov, Sebastian Warwas, Stefan Landgraeber, Marcus Jäger, Josef Pauli
15.Title: CityFlow: A City-Scale Benchmark for Multi-Target Multi-Camera Vehicle Tracking and Re-Identification
Authors:Zheng Tang, Milind Naphade, Ming-Yu Liu, Xiaodong Yang, Stan Birchfield, Shuo Wang, Ratnesh Kumar, David Anastasiu, Jenq-Neng Hwang
16.Title: Deep Radiomics for Brain Tumor Detection and Classification from Multi-Sequence MRI
Authors:Subhashis Banerjee, Sushmita Mitra, Francesco Masulli, Stefano Rovetta
17.Title: SkelNetOn 2019 Dataset and Challenge on Deep Learning for Geometric Shape Understanding
Authors:Ilke Demir, Camilla Hahn, Kathryn Leonard, Geraldine Morin, Dana Rahbani, Athina Panotopoulou, Amelie Fondevilla, Elena Balashova, Bastien Durix, Adam Kortylewski
18.Title: Multi-person Articulated Tracking with Spatial and Temporal Embeddings
Authors:Sheng Jin, Wentao Liu, Wanli Ouyang, Chen Qian
19.Title: Semantic Comparison of State-of-the-Art Deep Learning Methods for Image Multi-Label Classification
Authors:Adam Kubany, Shimon Ben Ishay, Ruben-sacha Ohayon, Armin Shmilovici, Lior Rokach, Tomer Doitshman
20.Title: Quantitative Depth Quality Assessment of RGBD Cameras At Close Range Using 3D Printed Fixtures
Authors:Michele Pratusevich, Jason Chrisos, Shreyas Aditya
21.Title: Sparse2Dense: From direct sparse odometry to dense 3D reconstruction
Authors:Jiexiong Tang, John Folkesson, Patric Jensfelt

Papers from arxiv.org

更多精彩请移步主页


在这里插入图片描述
pic from pixels.com

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
该资源内项目源码是个人的课程设计,代码都测试ok,都是运行成功后才上传资源,答辩评审平均分达到96分,放心下载使用! ## 项目备注 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用! 2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载学习,也适合小白学习进阶,当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。 3、如果基础还行,也可在此代码基础上进行修改,以实现其他功能,也可用于毕设、课设、作业等。 下载后请首先打开README.md文件(如有),仅供学习参考, 切勿用于商业用途。 该资源内项目源码是个人的课程设计,代码都测试ok,都是运行成功后才上传资源,答辩评审平均分达到96分,放心下载使用! ## 项目备注 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用! 2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载学习,也适合小白学习进阶,当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。 3、如果基础还行,也可在此代码基础上进行修改,以实现其他功能,也可用于毕设、课设、作业等。 下载后请首先打开README.md文件(如有),仅供学习参考, 切勿用于商业用途。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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