cnn生成图像显著图_今日 Paper | CVPR 2020 论文推荐：Social-STGCNN；无偏场景图生成；深度人脸识别；4D 关联图等...

最新推荐文章于 2024-09-02 14:10:32 发布
最新推荐文章于 2024-09-02 14:10:32 发布
阅读量247 收藏
点赞数
文章标签： cnn生成图像显著图
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_39540018/article/details/111757058
版权
本文介绍了四篇CVPR 2020的论文，包括Social-STGCNN用于行人轨迹预测，提出社会时空图卷积神经网络；无偏场景图生成，解决训练偏见问题；面向深度人脸识别的通用表征学习框架，提升识别性能；以及4D关联图用于实时多人运动捕捉，实现高效准确的运动重建。
摘要由CSDN通过智能技术生成

目录

CVPR 2020 | Social-STGCNN：一种用于行人轨迹预测的社会时空图卷积神经网络

CVPR 2020 | 基于有偏训练的无偏场景图生成

CVPR 2020 | 面向深度人脸识别的通用表征学习

CVPR 2020 | 使用多个摄像机的实时多人运动捕捉的4D关联图

CVPR 2020 | 一种基于U-Net的生成性对抗网络判别器

CVPR 2020 | Social-STGCNN：一种用于行人轨迹预测的社会时空图卷积神经网络

论文名称：Social-STGCNN: A Social Spatio-Temporal Graph Convolutional Neural Network for Human Trajectory Prediction

作者：Mohamed Abduallah /Qian Kun /Elhoseiny Mohamed /Claudel Christian

发表时间：2020/2/27

论文链接：

推荐原因

这篇论文被CVPR 2020接收，考虑的是行人轨迹预测的问题。

行人轨迹不仅受行人本身影响，还与周围物体的相互作用有关。这篇论文提出了社会时空图卷积神经网络(Social Spatio-Temporal Graph Convolutional Neural Network，Social-STGCNN)，将行人与周围物体的交互行为建模为图模型，并通过一个核函数将行人之间的社交互动嵌入邻接矩阵中。实验结果表明，与先前方法相比，Social-STGCNN的最终位移误差较现有技术提高了20％，参数减少了8.5倍，而推理速度提高了48倍。

CVPR 2020 | 基于有偏训练的无偏场景图生成

论文名称：Unbiased Scene Graph Generation from Biased Training

作者：Tang Kaihua /Niu Yulei /Huang Jianqiang /Shi Jiaxin /Zhang Hanwang

发表时间：2020/2/27

论文链接：

推荐原因

这篇论文被CVPR 2020接收，要解决的是场景图生成的问题。

已有的场景图生成容易受有训练偏见的问题，例如将海滩上人类的步行、坐、躺等多样行为类型笼统分为海滩上的人类。这篇论文提出了一种新的基于因果推理的场景图生成的框架。首先建立因果图，然后使用该图进行传统的有偏训练，接着从训练图上得出反事实因果关系，以从不良偏置中推断出影响并将其消除。场景生成基准集Visual Genome上的实验表明这篇论文所提的方法与以前的最佳方法相比有显著改进。

CVPR 2020 | 面向深度人脸识别的通用表征学习

论文名称：Towards Universal Representation Learning for Deep Face Recognition

作者：Shi Yichun /Yu Xiang /Sohn Kihyuk /Chandraker Manmohan /Jain Anil K.

发表时间：2020/2/26

论文链接：

推荐原因

这篇论文被CVPR 2020接收，提出了一种面向深度人脸识别的通用表征学习框架，可以处理给定训练数据中未发现的较大变化，而无需利用目标域知识。新框架首先将训练数据与一些有意义的语义变化(例如低分辨率、遮挡和头部姿势)一起合成。训练过程中将特征嵌入拆分为多个子嵌入，并为每个子嵌入关联不同的置信度值，以简化训练过程。通过对变化的分类损失和对抗性损失进行正则化，可进一步对子嵌入进行解相关。实验表明，新的框架在LFW和MegaFace等常规人脸识别数据集上均取得最佳性能，而在TinyFace和IJB-S等极端基准集上则明显优于对比算法。

CVPR 2020 | 使用多个摄像机的实时多人运动捕捉的4D关联图

论文名称：4D Association Graph for Realtime Multi-person Motion Capture Using Multiple Video Cameras

作者：Zhang Yuxiang /An Liang /Yu Tao /Li Xiu /Li Kun /Liu Yebin

发表时间：2020/2/28

论文链接：

推荐原因

这篇论文被CVPR 2020接收，提出了一种新的使用多视点视频输入的实时多人运动捕捉算法，首次将视图解析、跨视图匹配和时间跟踪整合到一个优化框架中，即得到一个4D关联图，该图可以同时平等地处理每个维度(图像空间、视点和时间)。为有效求解4D关联图，这篇论文进一步提出基于启发式搜索的4D肢束解析思想，然后通过提出束Kruskal算法对肢束进行组合。这个新算法可以在5人场景中使用5个摄像机，以30fps的速度运行实时在线运动捕捉系统。新算法不仅对噪声检测具有鲁棒性，还获得了高质量的在线姿态重建结果。在不使用高级外观信息的情况下，新算法优于当前最优方法。

CVPR 2020 | 一种基于U-Net的生成性对抗网络判别器

论文名称：A U-Net Based Discriminator for Generative Adversarial Networks

作者：Schönfeld Edgar /Schiele Bernt /Khoreva Anna

发表时间：2020/2/28

论文链接：

推荐原因

这篇论文被CVPR 2020接收，提出了一种基于U-Net的判别器架构，在保持合成图像的全局一致性的同时，向生成器提供详细的每像素反馈。在判别器的每像素响应支持下，这篇论文进一步提出一种基于CutMix数据增强的逐像素一致性正则化技术，鼓励U-Net判别器更多关注真实图像与伪图像之间的语义和结构变化，不仅改善了U-Net判别器的训练，还提高了生成样本的质量。新判别器在标准分布和图像质量指标方面改进了现有技术，使生成器能够合成具有变化结构、外观和详细程度的图像，并保持全局和局部真实感。与BigGAN基线模型相比，所提方法在FFHQ、CelebA和COCO-Animals数据集上平均提高了2.7个FID点。

雷锋网雷锋网雷锋网

weixin_39540018
关注
Deep_White_Balance:论文参考代码：Deep White-Balance Editing, CVPR 2020 (Oral)。-matlab开发
05-31
论文 Deep White-Balance Editing 的参考代码。 Mahmoud Afifi 和 Michael S. Brown，CVPR 2020。 ** 先决条件 ** 1. Matlab 2019b 或更高版本2. 深度学习工具箱3. 图像处理工具箱 ** 开始 ** 1. 运行 install_.m ...
23个CVPR 2020收录的新数据集，都在这里了！
喜欢打酱油的老鸟
08-07 3463
编辑：Amusi Date：2020-06-20 来源：CVer微信公众号 链接：23个CVPR 2020收录的新数据集，都在这里了！ 前言 Amusi 之前整理了1467篇CVPR 2020所有论文PDF下载资源，以及300篇+CVPR 2020代码开源论文项目，详见：300+篇CVPR 2020代码开源的论文，全在这里了！ 本文旨在从数据集的角度，对CVPR 2020部分论文进行整理，相信很多同学并不知道这些新数据集，也许能给你的科研带来一点帮助。数据集方向涵盖：目标检测、分割、目标跟踪、场景文本
CVPR 2020——RandLA-Net: Efficient Semantic Segmentation of Large-Scale Point Clouds （已开源）
Dujing2019的博客
03-17 7763
CVPR 2020 | RandLA-Net:大场景三维点云语义分割新框架（已开源）(一) Authors(二) Abstract（三）Introduction（三）Related Work（四）RandLA-Net4.1. Overview4.2. The quest for efficient sampling4.3. Local Feature Aggregation 论文链接: https...
CVPR2020 论文和代码合集
AI浩
07-07 4558
CVPR2020-Code CVPR 2020 论文开源项目合集，同时欢迎各位大佬提交issue，分享CVPR 2020开源项目 【推荐阅读】 CVPR 2020 virtual ECCV 2020 论文开源项目合集来了：https://github.com/amusi/ECCV2020-Code 关于往年CV顶会论文（如ECCV 2020、CVPR 2019、ICCV 2019）以及其他优质CV论文和大盘点，详见： https://github.com/amusi/daily-paper-co
2020-无偏见的场景图生成:Unbiased Scene Graph Generation from Biased Training
weixin_42653320的博客
06-25 1852
这里##写自定## 标题义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用Markdown编辑器 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习
Cascade-MVSNet CVPR-2020 学习笔记总结 译文 深度学习三维重建
程序员，他们想的是什么?他们想的永远都是技术，他们崇尚的也永远都是技术。
09-11 532
基于深度学习的多视图立体，例如经典的MVSNet网络架构，通常会构造一个三维的代价体去回归场景的深度值，但MVSNet常受限于显存限制而无法对高分辨率的影像进行深度估计。在MVSNet框架的基础上，多种方法对显存增长问题提出了改进方案，上一篇文章我们介绍了R-MVSNet，该方法利用循环神经网络GRU，对三维代价体进行切片，这样不仅保留了靠前的深度和纹理信息，也减少了GPU的消耗，深度估计精度和深度估计范围要优于MVSNet，不同方法的比较结果可通过图1体现。图1 效果比较图。
CVPR2021-Paper-Code-Interpretation:cvpr2021cvpr2020cvpr2019cvpr2018cvpr2017 论文代码解读直播合集，极市团队整理
05-12
cvpr2021/cvpr2020/cvpr2019/cvpr2018/cvpr2017（Papers/Codes/Project/Paper reading） 论文解读汇总： 论文分类汇总： 2000~2020年历届CVPR最佳论文代码，解读等汇总： 目录 7.CVPR2021最新论文分类汇总(持续更新...
cvpr_clvision_challenge:CVPR 2020持续学习挑战赛-立即提交您的CL算法！
03-08
CVPR 2020 CL​​Vision挑战赛 这是CVPR 2020 CL​​Vision挑战赛的正式开始资料库。 在这里，我们提供： 设置环境和生成zip提交文件的两个脚本。 一个完整的工作示例包括：1）加载数据并设置持续学习协议； 2）在...
CVPR2020-代码：CVPR 2020论文开放项目合集
02-04
【CVPR2020-代码：CVPR 2020论文开放项目合集】是一个集合了2020年计算机视觉与模式识别大会（Computer Vision and Pattern Recognition, CVPR）上优秀论文的开源代码资源。这个压缩包旨在为研究者、开发者以及对...
GhostNet(CVPR2020)
weixin_62848630的博客
04-12 3122
参考：https://www.wanglichun.tech/2020/03/08/ghostnet/ 论文链接：https://arxiv.org/abs/1911.11907 作者解读：https://zhuanlan.zhihu.com/p/109325275 开源代码：pytorch :https://github.com/iamhankai/ghostnet.pytorch/blob/master/ghost_net.py 本篇论文是发表于CVPR2020的一篇轻量级网络的论...
六篇cvpr2020的segmentation文章
04-08
CVPR 2020中选论文放榜后，最新开源项目合集也来了。 本届CPVR共接收6656篇论文，中选1470篇，“中标率”只有22%，堪称十年来最难的一届。 FCOS本质上是一种FCN的dense prediction的检测框架，可以在性能上不输anchor based的目标检测方法。 贡献在于，把更复杂的实例分割问题，转化成在网络设计和计算量复杂度上和物体检测一样复杂的任务，把对实例分割的建模变得简单和高效。
CVPR2020 论文(1).zip
03-09
CVPR2020 论文(1),CVPR是IEEE Conference on Computer Vision and Pattern Recognition的缩写，即IEEE国际计算机视觉与模式识别会议。该会议是由IEEE举办的计算机视觉和模式识别领域的顶级会议。
近期必读的5篇顶会CVPR 2020【图神经网络（GNN）】相关论文-Part2.zip
03-17
计算机视觉顶会CVPR 2020在不久前公布了论文接收列表。本届CVPR共收到了6656篇有效投稿，接收1470篇，其接受率在逐年下降，今年接受率仅为22%。整理了CVPR 2020 图神经网络(GNN)相关的比较有意思的值得阅读的，主要涉及视频文本检索、人体解析、图像描述生成、人脸重构、Human-Object Interaction。
近期必读的5篇AI顶会CVPR 2020（图神经网络GNN) 相关论文.zip
03-04
近期，一些Paper放出来，以下整理了CVPR 2020 图神经网络(GNN)相关的比较有意思的值得阅读的五篇论文，供大家参考—点云分析、视频描述生成、轨迹预测、场景图生成、视频理解等。
【论文笔记】基于有偏训练的无偏场景图生成
weixin_43939542的博客
06-24 1240
本文是作者阅读2020年CVPR《Unbiased Scene Graph Generation from Biased Training》所做的笔记，保证原创，加入了自己的一些思考
大合集！CVPR2020论文分方向整理: 目标检测/图像分割/姿态估计等，附打包下载（持续更新）
热门推荐
极市平台的技术博客
03-11 3万+
CVPR2020在2月24日公布了所有接受论文ID，相关报道：1470篇！CVPR2020结果出炉，你中了吗？（附部分论文链接/开源代码/解读）。自论文ID公布以来，许多开发者都分享了自己的优秀工作。 从论文ID公布以来，极市一直在对CVPR进行实时跟进，本文是对80篇CVPR2020论文整理和分类，均有论文链接，部分含开源代码，涵盖的方向有：目标检测、目标跟踪、图像分割、人脸识别、姿态估计、三维...
从3D人脸到自动驾驶，CVPR2020十个顶级开源数据集
3D视觉工坊
11-12 718
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达CVPR2020数据集CVPR2020上开源的十个最有用的数据集，用数据来构建更好的人工智能，数据搬运工从来不应该缺席！下面就是十个...
【CVPR 2020】论文解读 Uncertainty-Aware CNNs for Depth Completion_ Uncertainty from Beginning to End
最新发布
2401_87064292的博客
09-02 252
近年来，深度学习研究的重点主要集中在提高预测精度。然而，这往往是以增加复杂性为代价的，从而引发了关于深度网络可解释性和可靠性的担忧。最近，人们越来越关注解开深度网络的复杂性并量化其在不同计算机视觉任务中的不确定性。然而，深度补全任务并未受到足够的关注，尽管深度传感器本身具有固有的噪声特性。在本研究中，我们从稀疏且噪声的输入开始，一直到最终预测，专注于深度数据的不确定性建模。我们提出了一种新颖的方法，通过基于归一化卷积神经网络（NCNN）的自监督学习方式，学习输入置信度估计器来识别输入中的干扰测量值。
对Social-STGCNN模型进行可视化
EmithFla的博客
04-19 1514
之前发布了一篇关于复现了论文《Social-STGCNN:A Social Spatio-Temporal Graph Convolutional Neural Network for Human Trajectory Prediction》的博客 后来有小伙伴问到了可视化，最近这两天刚好在回顾这个模型，因此顺便把它可视化出来，具体操作如下: 对test.py文件进行以下修改： import os import math import sys import torch import numpy as np
PULSE图像生成模型：CVPR2020原论文深度解读
PULSE_Self-Supervised_Photo_Upsampling_via_Latent_Space_Exploration_of_Generative_CVPR_2020_paper.pdf'，表明这份文件是论文的PDF版本，由作者Menon撰写，发表在2020年的计算机视觉和模式识别会议（CVPR）上。...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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