计算机视觉/图像处理方向最新论文速递

[检测分类相关]：

【1】 Supervised and Unsupervised Detections for Multiple Object Tracking in Traffic Scenes: A Comparative Study 交通场景中多目标跟踪的有监督和无监督检测的比较研究 作者：Hui-Lee Ooi, Nicolas Saunier 备注：Accepted for ICIAR 2020 链接：https://arxiv.org/abs/2003.13644

【2】 Squeezed Deep 6DoF Object Detection Using Knowledge Distillation 利用知识精馏的压缩深6DoF目标检测 作者：Heitor Felix, Cleber Zanchettin 备注：This paper was accepted by IJCNN 2020 and will have few changes from the version that will be published 链接：https://arxiv.org/abs/2003.13586

【3】 SiTGRU: Single-Tunnelled Gated Recurrent Unit for Abnormality Detection SiTGRU：用于异常检测的单隧道门控循环单元 作者：Habtamu Fanta, Lizhuang Ma 链接：https://arxiv.org/abs/2003.13528

【4】 A Comparison of Data Augmentation Techniques in Training Deep Neural Networks for Satellite Image Classification 用于卫星图像分类的深度神经网络训练中数据增强技术的比较 作者：Mohamed Abdelhack 链接：https://arxiv.org/abs/2003.13502

【5】 Computer Aided Detection for Pulmonary Embolism Challenge (CAD-PE) 肺栓塞挑战的计算机辅助检测(CAD-PE) 作者：Germán González, Maria J. Ledesma-Carbayo 链接：https://arxiv.org/abs/2003.13440

【6】 Learning Memory-guided Normality for Anomaly Detection 用于异常检测的学习记忆引导的正规性 作者：Hyunjong Park, Bumsub Ham 备注：Accepted to CVPR 2020 链接：https://arxiv.org/abs/2003.13228

【7】 Cross-Domain Document Object Detection: Benchmark Suite and Method 跨域文档对象检测：Benchmark Suite和Method 作者：Kai Li, Yun Fu 备注：To appear in CVPR 2020 链接：https://arxiv.org/abs/2003.13197

【8】 Detection of 3D Bounding Boxes of Vehicles Using Perspective Transformation for Accurate Speed Measurement 基于透视变换精确测速的车辆三维包围盒检测 作者：Viktor Kocur, Milan Ftáčnik 链接：https://arxiv.org/abs/2003.13137

【9】 Attentive CutMix: An Enhanced Data Augmentation Approach for Deep Learning Based Image Classification Attentive CutMix：一种用于深度学习图像分类的增强数据增强方法 作者：Devesh Walawalkar, Marios Savvides 备注：Accepted as conference paper in ICASSP 2020 链接：https://arxiv.org/abs/2003.13048

【10】 Noise Modeling, Synthesis and Classification for Generic Object Anti-Spoofing 通用对象防欺骗的噪声建模、合成和分类 作者：Joel Stehouwer, Xiaoming Liu 备注：In IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2020 链接：https://arxiv.org/abs/2003.13043

【11】 Adaptive Object Detection with Dual Multi-Label Prediction 基于双多标签预测的自适应目标检测 作者：Zhen Zhao, Jieping Ye 链接：https://arxiv.org/abs/2003.12943

【12】 Refined Plane Segmentation for Cuboid-Shaped Objects by Leveraging Edge Detection 利用边缘检测的长方体物体精细化平面分割 作者：Alexander Naumann, Kai Furmans 链接：https://arxiv.org/abs/2003.12870

【13】 OCmst: One-class Novelty Detection using Convolutional Neural Network and Minimum Spanning Trees OCmst：基于卷积神经网络和最小生成树的一类新颖性检测 作者：Riccardo La Grassa, Nicola Landro 链接：https://arxiv.org/abs/2003.13524

[分割/语义相关]：

【1】 Vox2Vox: 3D-GAN for Brain Tumour Segmentation Vox2Vox：3D-GaN用于脑肿瘤分割 作者：Marco Domenico Cirillo, Anders Eklund 链接：https://arxiv.org/abs/2003.13653

【2】 Predicting Semantic Map Representations from Images using Pyramid Occupancy Networks 使用金字塔占有率网络从图像预测语义地图表示 作者：Thomas Roddick, Roberto Cipolla 链接：https://arxiv.org/abs/2003.13402

【3】 TapLab: A Fast Framework for Semantic Video Segmentation Tapping into Compressed-Domain Knowledge TapLab：一种利用压缩域知识的快速语义视频分割框架 作者：Junyi Feng, Haibin Ling 链接：https://arxiv.org/abs/2003.13260

【4】 Memory Aggregation Networks for Efficient Interactive Video Object Segmentation 用于高效交互式视频对象分割的存储器聚合网络 作者：Jiaxu Miao, Yi Yang 备注：Accepted to CVPR 2020. 10 pages, 9 figures 链接：https://arxiv.org/abs/2003.13246

【5】 Learning a Weakly-Supervised Video Actor-Action Segmentation Model with a Wise Selection 具有明智选择的弱监督视频演员-动作分割模型的学习 作者：Jie Chen, Chenliang Xu 备注：11 pages, 8 figures, cvpr-2020 supplementary video: this https URL 链接：https://arxiv.org/abs/2003.13141

【6】 Defect segmentation: Mapping tunnel lining internal defects with ground penetrating radar data using a convolutional neural network 缺陷分割：使用卷积神经网络将隧道衬砌内部缺陷与探地雷达数据映射 作者：Senlin Yang, Qingmei Sui 链接：https://arxiv.org/abs/2003.13120

【7】 Multi-Path Region Mining For Weakly Supervised 3D Semantic Segmentation on Point Clouds 点云上弱监督三维语义分割的多路径区域挖掘 作者：Jiacheng Wei, Lihua Xie 备注：Accepted by CVPR2020 链接：https://arxiv.org/abs/2003.13035

[NAS相关]：

【1】 NPENAS: Neural Predictor Guided Evolution for Neural Architecture Search NPENAS：神经结构搜索的神经预测器引导进化 作者：Chen Wei, Jimin Liang 链接：https://arxiv.org/abs/2003.12857

[人脸相关]：

【1】 Deep Face Super-Resolution with Iterative Collaboration between Attentive Recovery and Landmark Estimation 基于注意恢复和界标估计迭代协作的深脸超分辨率 作者：Cheng Ma, Jie Zhou 备注：Accepted to CVPR 2020 链接：https://arxiv.org/abs/2003.13063

【2】 Realistic Face Reenactment via Self-Supervised Disentangling of Identity and Pose 通过自我监督解开身份和姿势再现逼真的人脸 作者：Xianfang Zeng, Yong Liu 链接：https://arxiv.org/abs/2003.12957

【3】 One-Shot Domain Adaptation For Face Generation 一次区域自适应人脸生成算法 作者：Chao Yang, Ser-Nam Lim 备注：Accepted to CVPR 2020 链接：https://arxiv.org/abs/2003.12869

[GAN/对抗式/生成式相关]：

【1】 Improved Gradient based Adversarial Attacks for Quantized Networks 一种改进的基于梯度的量化网络对抗攻击 作者：Kartik Gupta, Thalaiyasingam Ajanthan 链接：https://arxiv.org/abs/2003.13511

【2】 Adversarial Feature Hallucination Networks for Few-Shot Learning 面向少发学习的对抗性特征幻觉网络 作者：Kai Li, Yun Fu 备注：To appear in CVPR 2020 链接：https://arxiv.org/abs/2003.13193

【3】 Gradually Vanishing Bridge for Adversarial Domain Adaptation 逐渐消失的对抗性领域适应之桥 作者：Shuhao Cui, Qi Tian 备注：CVPR2020 链接：https://arxiv.org/abs/2003.13183

【4】 Adversarial Robustness: From Self-Supervised Pre-Training to Fine-Tuning 对抗鲁棒性：从自我监督预训练到微调 作者：Tianlong Chen, Zhangyang Wang 备注：CVPR 2020 链接：https://arxiv.org/abs/2003.12862

【5】 Adversarial Imitation Attack 对抗性模仿攻击 作者：Mingyi Zhou, Ce Zhu 链接：https://arxiv.org/abs/2003.12760

【6】 DaST: Data-free Substitute Training for Adversarial Attacks DAST：对抗攻击的无数据替代训练 作者：Mingyi Zhou, Ce Zhu 备注：Accepted by CVPR2020 链接：https://arxiv.org/abs/2003.12703

[行为/时空/光流/姿态/运动]：

【1】 Speech2Action: Cross-modal Supervision for Action Recognition Speech2Action：用于动作识别的跨模式监督 作者：Arsha Nagrani, Andrew Zisserman 备注：Accepted to CVPR 2020 链接：https://arxiv.org/abs/2003.13594

【2】 Context Based Emotion Recognition using EMOTIC Dataset 使用EMOTIC数据集的基于上下文的情感识别 作者：Ronak Kosti, Agata Lapedriza 链接：https://arxiv.org/abs/2003.13401

【3】 MetaFuse: A Pre-trained Fusion Model for Human Pose Estimation MetaFuse：一种用于人体姿态估计的预训练融合模型 作者：Rongchang Xie, Yizhou Wang 备注：Accepted to CVPR2020 链接：https://arxiv.org/abs/2003.13239

【4】 Learning by Analogy: Reliable Supervision from Transformations for Unsupervised Optical Flow Estimation 类比学习：无监督光流估计变换的可靠监督 作者：Liang Liu, Feiyue Huang 备注：Accepted to CVPR 2020 链接：https://arxiv.org/abs/2003.13045

【5】 AutoTrack: Towards High-Performance Visual Tracking for UAV with Automatic Spatio-Temporal Regularization 自动跟踪：实现自动时空正则化的无人机高性能视觉跟踪 作者：Yiming Li, Geng Lu 备注：2020 IEEE Conference on Computer Vision and Pattern Recognition (CVPR) 链接：https://arxiv.org/abs/2003.12949

[迁移学习/domain/主动学习/自适应]：

【1】 Domain-aware Visual Bias Eliminating for Generalized Zero-Shot Learning 用于广义零发射学习的领域感知视觉偏差消除 作者：Shaobo Min, Yongdong Zhang 备注：Accepted by CVPR2020 链接：https://arxiv.org/abs/2003.13261

【2】 Learning to Learn Single Domain Generalization 学会学习单域概括 作者：Fengchun Qiao, Xi Peng 备注：In CVPR 2020 (13 pages including supplementary material). The source code and pre-trained models are publicly available at: this https URL 链接：https://arxiv.org/abs/2003.13216

【3】 Diagnosis of Breast Cancer using Hybrid Transfer Learning 混合转移学习在乳腺癌诊断中的应用 作者：Subrato Bharati, Prajoy Podder 链接：https://arxiv.org/abs/2003.13503

【4】 Mutual Learning Network for Multi-Source Domain Adaptation 用于多源域自适应的互学习网络 作者：Zhenpeng Li, Jieping Ye 链接：https://arxiv.org/abs/2003.12944

[压缩/量化/剪枝加速相关]：

【1】 DHP: Differentiable Meta Pruning via HyperNetworks DHP：通过超网络的可微分元剪枝 作者：Yawei Li, Radu Timofte 链接：https://arxiv.org/abs/2003.13683

【2】 Plug-and-Play Algorithms for Large-scale Snapshot Compressive Imaging 大规模快照压缩成像的即插即用算法 作者：Xin Yuan, Qionghai Dai 备注：CVPR 2020 链接：https://arxiv.org/abs/2003.13654

【3】 Faster than FAST: GPU-Accelerated Frontend for High-Speed VIO 比快速更快：GPU加速的高速VIO前端 作者：Balazs Nagy, Davide Scaramuzza 备注：Submitted to IEEE International Conference on Intelligent Robots and Systems (IROS), 2020. Open-source implementation available at this https URL 链接：https://arxiv.org/abs/2003.13493

【4】 Acceleration of Convolutional Neural Network Using FFT-Based Split Convolutions 用基于FFT的分裂卷积加速卷积神经网络 作者：Kamran Chitsaz, Shahram Shirani 链接：https://arxiv.org/abs/2003.12621

【5】 How Not to Give a FLOP: Combining Regularization and Pruning for Efficient Inference 如何避免失败：结合正则化和修剪以实现有效的推理 作者：Tai Vu, Roy Nehoran 链接：https://arxiv.org/abs/2003.13593

【6】 BVI-DVC: A Training Database for Deep Video Compression BVI-DVC：一个深度视频压缩训练数据库 作者：Di Ma, David R. Bull 链接：https://arxiv.org/abs/2003.13552

【7】 Optimizing Geometry Compression using Quantum Annealing 利用量子退火优化几何压缩 作者：Sebastian Feld, Claudia Linnhoff-Popien 链接：https://arxiv.org/abs/2003.13253

【8】 Image compression optimized for 3D reconstruction by utilizing deep neural networks 利用深层神经网络优化三维重建的图像压缩 作者：Alex Golts, Yoav Y. Schechner 链接：https://arxiv.org/abs/2003.12618

[超分辨率]：

【1】 Super Resolution for Root Imaging 根成像的超分辨率 作者：Jose F. Ruiz-Munoz, James E. Baciak 链接：https://arxiv.org/abs/2003.13537

【2】 High-Order Residual Network for Light Field Super-Resolution 用于光场超分辨的高阶残差网络 作者：Nan Meng, Edmund Y. Lam 链接：https://arxiv.org/abs/2003.13094

【3】 Structure-Preserving Super Resolution with Gradient Guidance 梯度导向的结构保持超分辨率 作者：Cheng Ma, Jie Zhou 备注：Accepted to CVPR 2020 链接：https://arxiv.org/abs/2003.13081

[点云]：

【1】 PointGMM: a Neural GMM Network for Point Clouds PointGMM：一种用于点云的神经GMM网络 作者：Amir Hertz, Daniel Cohen-Or 备注：CVPR 2020 -- final version 链接：https://arxiv.org/abs/2003.13326

【2】 A Benchmark for Point Clouds Registration Algorithms 点云配准算法的基准 作者：Simone Fontana, Domenico Giorgio Sorrenti 链接：https://arxiv.org/abs/2003.12841

[深度depth相关]：

【1】 Rethinking Depthwise Separable Convolutions: How Intra-Kernel Correlations Lead to Improved MobileNets 重新思考深度可分卷积：核内相关如何导致改进的MobileNets 作者：Daniel Haase, Manuel Amthor 备注：Accepted by CVPR 2020 链接：https://arxiv.org/abs/2003.13549