[计算机视觉论文速递] 2018-07-10 CVPR GAN专场1

导言

这篇文章有 2篇论文速递,都是生成对抗网络GAN方向(CVPR 2018),一篇解决为前景目标找到逼真的几何校正的问题,使得它在合成到背景图像中时看起来很自然,另一篇是预测人体运动行为。注意,两篇都是CVPR 2018文章。

编辑: Amusi

校稿: Amusi

时间: 2018-07-10

前戏

Amusi 将日常整理的论文都会同步发布到 daily-paper-computer-vision 上。名字有点露骨,还请见谅。喜欢的童鞋,欢迎star、fork和pull。

直接点击“阅读全文”即可访问daily-paper-computer-vision

link: https://github.com/amusi/daily-paper-computer-vision

生成对抗网络(GAN)

《ST-GAN: Spatial Transformer Generative Adversarial Networks for Image Compositing》

CVPR 2018

Background

Qualitative evaluation on the indoor rendering test set

Abstract:我们解决了为前景目标找到逼真的几何校正的问题,使得它在合成到背景图像中时看起来很自然。为实现这一目标,我们提出了一种新颖的生成对抗网络(GAN)架构,该架构利用空间变换器网络(STN)作为生成器,我们将其称为空间变换器GAN(ST-GAN)。 ST-GAN通过在几何扭曲参数空间中操作来寻求图像真实感。特别地,我们利用迭代STN变形方案并提出顺序训练策略(sequential training strategy),与单个生成器的简单训练相比,该策略实现更好的结果。 ST-GAN的关键优势之一是其间接适用于高分辨率图像,因为预测的扭曲参数可在参考帧之间转移。我们在两个应用中展示了我们的方法:(1)可视化室内家具(例如来自产品图像)在房间中的感知方式,(2)与真实肖像相匹配时,幻觉眼镜等附件的外观。

arXiv:https://arxiv.org/abs/1803.01837

code:https://chenhsuanlin.bitbucket.io/spatial-transformer-GAN/

《Social GAN: Socially Acceptable Trajectories with Generative Adversarial Networks》

CVPR 2018

System overview

Examples of diverse predictions from our model

Abstract:了解人体运动行为对于自动移动平台(如自动驾驶汽车和社交机器人)来说至关重要,如果他们要驾驭以人为中心的环境。 这具有挑战性,因为人体运动本质上是多模态的:考虑到人类运动路径的历史,人们可以在未来采取许多社会合理的方式。我们通过组合序列预测和生成对抗网络的工具来解决这个问题:循环序列到序列模型观察运动历史并预测未来行为,使用新的汇集机制来汇总人们的信息。我们通过对抗 recurrent 的鉴别器来对抗,从而预测社会可信的未来,并通过新的多样性损失鼓励多样化的预测。通过对几个数据集的实验,我们证明了我们的方法在准确性,多样性,碰撞避免和计算复杂性方面优于先前的工作。

arXiv:https://arxiv.org/abs/1803.10892

注:李飞飞团队大作

原文发布于微信公众号 - CVer(CVerNews)

原文发表时间:2018-07-10

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏大数据文摘

在等吴恩达深度学习第5课的时候,你可以先看看第4课的笔记

1823
来自专栏专知

【干货】Google GAN之父Ian Goodfellow ICCV2017演讲:解读生成对抗网络的原理与应用

【导读】当地时间 10月 22 日到10月29日,两年一度的计算机视觉国际顶级会议 International Conference on Computer V...

4835
来自专栏技术随笔

机器学习分类算法中怎样处理非平衡数据问题 (更新中)

3519
来自专栏AI研习社

NVIDIA 论文:用 GAN 生成高清图像 | ICLR 2018

虽然 ICLR 2018 将公开评审改成了评审人和作者相互不知道双方信息的双盲评审,但论文的投稿者仍然可以通过其他公开渠道对其论文进行推广。尤其对于大公司研究院...

4696
来自专栏目标检测和深度学习

学界 | 结合主动学习与迁移学习:让医学图像标注工作量减少一半

选自arXiv 作者:Zongwei Zhou, Jae Y. Shin, Suryakanth R. Gurudu, Michael B. Gotway, 梁...

3365
来自专栏量子位

看图猜口袋妖怪属性,这个神经网络可能比你强!(教程)

△ Who’s that Pokémon王新民 编译自 博客Journal of Geek Studies 量子位·QbitAI 出品 还记得去年异常火爆,然而...

3856
来自专栏算法channel

深度学习|对隐含层的感性认识

《实例》阐述算法,通俗易懂,助您对算法的理解达到一个新高度。包含但不限于:经典算法,机器学习,深度学习,LeetCode 题解,Kaggle 实战。期待您的到来...

3786
来自专栏CVer

[计算机视觉论文速递] 2018-03-14

通知:这篇推文有18篇论文速递信息,涉及图像分割、目标检测、图像分类、显著性检测、姿态估计和GAN等方向 前文回顾: [计算机视觉] 入门学习资料 [计算机视...

46215
来自专栏AI科技评论

学界丨生成对抗网络(GANs )为什么这么火?盘点它自 2014 年以来的主要技术进展

两年前,蒙特利尔大学 Ian Goodfellow 等学者提出“生成对抗网络”(Generative Adversarial Networks,GANs)的概念...

41110
来自专栏机器之心

深入浅出:GAN原理与应用入门介绍

选自StatsBot 作者:Anton Karazeev 机器之心编译 参与:乾树、黄小天 生成对抗网络(GAN)是一类在无监督学习中使用的神经网络,其有助于解...

3346

扫码关注云+社区

领取腾讯云代金券