专栏首页CVer[计算机视觉论文速递] 2018-07-19 ECCV 2018专场1

[计算机视觉论文速递] 2018-07-19 ECCV 2018专场1

前戏

近些天,CVer推送了大家投票选出最喜爱推文系列,如免费资源系列:免费资源 |《解析卷积神经网络—深度学习实践手册》,大牛分析系列:大牛分享| NTIRE 2018 图像超分辨率 CVPR Workshop优胜方案、基础知识点系列:一文读懂卷积神经网络中的1x1卷积核

看到大家在后台给我留言,说"这篇文章对我很有用,感谢你"、"今天点了两次广告哦",很暖心。我也很开心,在写作的时候,和大家一起成长。微信群里的大佬很多,我也学习了很多;QQ群里资料很多,我只感叹时间太少了,真心一鼓作气多看点。

今天回顾初心,整理一下计算机视觉方向的最新论文。如果说在AI届或者CV圈,现在议论什么的最多,莫过于ICML 2018、IJCAI 2018和ACL 2018。但本文并不会介绍这里的文章,而是介绍将于2018年9月召开的ECCV 2018的部分paper。ECCV 2018是计算机视觉领域中的顶级会议,目前已经公开了部分已录用的paper。

Semantic Segmentation

《Effective Use of Synthetic Data for Urban Scene Semantic Segmentation》

ECCV 2018

Dealing with background classes

Dealing with foreground classes

Qualitative results on Cityscapes

Abstract:训练深度网络以执行语义分割需要大量标记数据。为了减轻注释真实图像的手动工作,研究人员研究了合成数据的使用,这些数据可以自动标记。不幸的是,在合成数据上训练的网络在真实图像上表现得相对较差。虽然这可以通过域适应(domain adaptation)来解决,但是现有方法都需要在训练期间访问真实图像。在本文中,我们介绍了一种截然不同的处理合成图像的方法,这种方法不需要在训练时看到任何真实的图像。Our approach builds on the observation that foreground and background classes are not affected in the same manner by the domain shift, and thus should be treated differently。特别是,前者应该以基于检测的方式处理,以更好地解释这样的事实:虽然它们在合成图像中的纹理不是照片般逼真的,但它们的形状看起来很自然。我们的实验证明了我们的方法对Cityscapes和CamVid的有效性,仅对合成数据进行了训练。

arXiv:https://arxiv.org/abs/1807.06132

注:domain adaptation这个概念最近很火!

Stereo

《ActiveStereoNet: End-to-End Self-Supervised Learning for Active Stereo Systems》

ECCV 2018

ActiveStereoNet (ASN) produces smooth, detailed, quantization free results using a pair of rectified IR images

ActiveStereoNet architecture

Abstract:在本文中,我们介绍ActiveStereoNet,这是active立体声系统的第一个深度学习解决方案。由于缺乏ground truth,我们的方法是完全自监督的,但它产生精确的深度,子像素精度为像素的1/30;它没有遭受常见的过度平滑问题;它保留了边缘;它明确地处理遮挡。我们引入了一种新的重建损失(reconstruction loss),它对噪声和无纹理patches更加稳健,并且对于光照变化是不变的。使用具有自适应支持权重方案的基于窗口的成本聚合来优化所提出的损失。这种成本聚合是边缘保留并使损失函数平滑,这是使网络达到令人信服的结果的关键。最后,我们展示了预测无效区域(如遮挡)的任务如何在没有ground truth的情况下进行端到端的训练。该component对于减少模糊至关重要,特别是改善了深度不连续性的预测。对真实和合成数据进行广泛的定量和定性评估,证明了在许多具有挑战性的场景中的最新技术成果。

arXiv:https://arxiv.org/abs/1807.06009

本文分享自微信公众号 - CVer(CVerNews)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2018-07-19

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。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • [计算机视觉论文速递] ECCV 2018 专场3

    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、for...

    Amusi
  • 计算机视觉杂志 | 10月刊

    还在国庆节假日,Amusi 尽量推送一些以阅读为主的文章。至于"实战"上手内容,还是等国庆黄金周结束后,再推送。

    Amusi
  • [计算机视觉论文速递] ECCV 2018 专场4

    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、for...

    Amusi
  • [计算机视觉论文速递] ECCV 2018 专场3

    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、for...

    Amusi
  • 盘点 2018 年自然语言处理 10 个激动人心的想法

    这篇文章翻译自 KDnuggets, 作者: Sebastian Ruder, 是 insight_centre 的 NLP PhD,aylien 的研究员

    杨熹
  • 2018年,你的生活将被这7大趋势改变

    2017年虽然过去了,但却为我们留下了许多重要的革新:人脸识别、自动驾驶、人工智能、新能源、共享经济.....在已经到来的2018年里,这些新技术、新模式将会有...

    企鹅号小编
  • [计算机视觉论文速递] ECCV 2018 专场4

    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、for...

    Amusi
  • 超分辨率技术如何发展?这6篇ECCV 18论文带你一次尽览

    在这篇文章中,亲历了ECCV 2018的机器学习研究员Tetianka Martyniuk挑选了6篇ECCV 2018接收论文,概述了超分辨率(Super-Re...

    量子位
  • Java解释器模式(Interpreter)

    用户4919348
  • NeurIPS 2018开锣,中国论文数全球第二!清华、中科院、北大排前三

    神经信息处理系统大会(原名 Neural Information Processing Systems,NeurIPS)是人工智能和机器学习领域最重要的盛会,自...

    新智元

扫码关注云+社区

领取腾讯云代金券