AI視野·今日CS.CV 計算機視覺論文速覽
Tue, 25 Feb 2020
Totally handcrafted papers
👉上期速覽✈更多精彩請移步主頁
Interesting:
📚****MonoLayout, 提出了一種用於自動駕駛的道路場景非模態結構推理方法，通過輸入單目圖像推理出鳥瞰視角下街道的結構圖以及交通工具的位置結果。(from IIIT IIT 蒙特利爾大學)
模型通過單目圖像輸入，並利用上下文編碼器將場景編碼，而後能通過解碼器解碼並針對道路等靜態場景和車輛等動態場景分別利用判別器進行處理。
算法得到的結果如下：
code：https://hbutsuak95.github.io/monolayout
📚***JRMOT大規模實時多目標三維追蹤數據集, 融合RGB圖像和3D點雲的多目標處理網絡，有效抽取二維和三維的描述子，並基於聯合概率數據結合框架來實現多模態的卡爾曼濾波架構，最終得到了3D多目標實時追蹤結果。(from 斯坦福)
📚****KaoKore日本古代藝術中的人物表情數據集, (from 谷歌大腦 日本人物藝術開放中心)
基於KaoKore訓練的styleGan的生成結果：
基於intrinsic style transfer模型訓練的繪畫筆順結果：
基於imagepantian結果：
dataset：https://github.com/rois- codh/kaokore
http://codh.rois.ac.jp/index.html.en
📚****POINTHOP++,輕量級的點雲分類模型,改進了基於非監督方法抽取特徵的分類模型PointHop，利用樹結構來排布特徵。（from 騰訊帕羅奧圖實驗室 南加州大學）
ref:PointHop
📚***利用對抗水印攻擊光學字符識別系統,在原始圖像中加入了對抗攻擊的水印，使得OCR系統的輸出被改變。 (from 清華大學)
通過對抗水印使得OCR系統的輸入被改變：
📚**VIFB可見光和紅外融合的數據集, (from 上海交大)
其中包含了：21對圖像，20種算法和13個評價指標。通過紅外的形狀信息和可見光的細節融合，實現更爲清晰的成像結果：
現有算法和評價指標，以及各種算法的融合結果：
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 基於圖像修復的人臉屬性遷移, 將人臉屬性遷移任務視爲圖像修復任務來進行處理。(from 夫琅和費研究所)
📚***端到端圖像壓縮綜述, (from 北大 )
📚**在線相機標定系統, 首先基於posenet估計每個相機幀間的運動參數，而後再估計相機間的位置關係。(from 廣島大學)
兩個步驟的算法如下圖所示：
📚****, 提出了一個包含十種癌症類型的細胞染色數據集(from Stony Brook University)
細胞分割的訓練流程：
分割結果如下圖所示：
dataset
ref：蘇木精 — 伊紅染色法 ( hematoxylin-eosin staining ) ，簡稱HE染色法 ，石蠟切片技術裏常用的染色法之一 。蘇木精染液爲鹼性 ，主要使細胞核內的染色質與胞質內的核酸着紫藍色 ；伊紅爲酸性染料 ，主要使細胞質和細胞外基質中的成分着紅色 。HE染色法是組織學、胚胎學、病理學教學與科研中最基本、使用最廣泛的技術方法。link：Stony Brook University
📚****基於強化學習的方法修正不同環境下采集的圖像結果, (from 斯坦福)
📚****從表示角度出發的幾何深度學習綜述, (from 中科院計算所)
📚****基於弱監督學習的遙感圖像地標覆蓋分割方法, (from TUM)
衛星圖像非常豐富但標記數據很少，全球地表覆蓋產品也很豐富但分辨率比起衛星圖像來說較低、噪聲也多。這篇文章提出了一種利用這些低分辨率弱監督標籤來實現大尺度高分辨率的地標覆蓋預測。
不同方法分割的結果對比：
ref：
code:https://github.com/lukasliebel/ dfc2020_baseline.
SEN12MS dataset,[DFC2020 data](https://ieee- dataport.org/competitions/ 2020-ieee-grss-data-fusion-contest)
📚****提出了一種大規模的分佈式貝葉斯矩陣分解模型DBMD,主要用於數據挖掘和聚類方法，其利用瞭如下三種策略來實現：加速的梯度下降(AGD)、乘數交替方向（ADMM）、通信高效精確的統計推斷方法(CEASE)。同時還利用了優化插件權重的平均方法來減少估計的方差。 (from 中科院)
code:https://github.com/zhanglabtools/dbmd
📚****協同硬件設計的可變形卷積, 提出了基於FPGA的目標檢測建構，提升內存利用率和計算效率(from 伯克利)
📚湖面分割及湖冰檢測模型, (from TUM，ETHz)
📚三種流特徵融合的第一人稱交互視頻處理方法,將外形特徵、目標光流和相機自身運動進行融合來處理第一人稱視頻/相關性融合。 (from 首爾大學 )
📚****自動放射報告生成, (from 約翰霍普金斯大學 )
📚**大規模衛星/航空圖像視覺搜索, 從衛星或航拍圖像中搜索特定的目標(from Descartes Labs）
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
超聲圖像的顯著性檢測
A Bayes-Optimal View on Adversarial Examples
從區塊鏈中安全刪除數據的方法