经典/最新计算机视觉论文及代码推荐

今日推荐几篇最新/经典计算机视觉方向的论文，涉及诸多方面，其中多篇都是CVPR2021录用的文章，具体内容详见论文原文和代码链接。

图像恢复

-  论文题目：Multi-Stage Progressive Image Restoration

- 论文链接：https://arxiv.org/abs/2102.02808

-  代码链接：https://github.com/swz30/MPRNet

      

图像恢复任务要求在恢复图像时，在空间细节和高级别上下文信息之间保持复杂的平衡。在本文中，作者提出了一种新的协同设计，可以最佳地平衡这些目标。作者主要提出了一种多阶段体系结构，它可以逐步学习降级输入的恢复功能，从而将整个恢复过程分解为更易于管理的步骤。具体来说，我们的模型首先使用编码器-解码器架构学习上下文特征，然后将其与保留局部信息的高分辨率分支相结合。在每个阶段，我们都引入了一种新的per-pixel自适应设计，该设计利用in-situ监督的注意来重新加权局部特征。这种多阶段体系结构的一个关键要素是不同阶段之间的信息交换。主要模型结构如下：

视频压缩

• 论文题目：MetaSCI: Scalable and Adaptive Reconstruction for Video Compressive Sensing

• 论文链接：https://arxiv.org/pdf/2103.01786.pdf

• 代码链接：https://github.com/xyvirtualgroup/MetaSCI-CVPR2021

    为了使用二维检测器捕获高速视频，视频快照压缩成像（SCI）是一种很有前途的系统，其中视频帧通过不同的掩码进行编码，然后压缩为快照测量值。本文作者通过开发用于SCI重建的元调制卷积网络（称为MetaSCI）来解决这些挑战。MetaSCI由用于不同掩码的共享主干和用于演化为每个掩码的不同调制参数的轻型元调制参数组成，因此具有快速适应新掩码（或系统）和准备扩展到大数据的特性。大量的仿真和实际数据结果表明了该方法的优越性能。具体结构如下图所示：

一种用于航空目标检测的旋转检测器

• 论文题目：ReDet: A Rotation-equivariant Detector for Aerial Object Detection

• 论文链接：https://arxiv.org/abs/2103.07733

• 代码链接：https://github.com/csuhan/ReDet

与自然图像中的目标不同，航空目标往往以任意方向分布。因此，检测器需要更多的参数来编码方向信息，这通常是高度冗余和低效的。此外，由于普通的CNN没有明确建模方向变化，因此需要大量的旋转增强数据来训练精确的目标检测器。在本文中，作者提出了一种旋转等变检测器（ReDet）来解决这些问题，它显式地对旋转等变和旋转不变性进行编码。更准确地说，我们在检测器中加入旋转等变网络来提取旋转等变特征，这可以准确地预测方向，并导致模型尺寸的大幅减小。基于旋转等变特征，还提出了旋转不变RoI对齐（RiRoI Align），它根据RoI的方向自适应地从等变特征中提取旋转不变特征。主要结构如下所示：

相关检测结果如图：

后续

下一期最新/经典视觉论文敬请期待！