ECCV 2020 放榜！一文看尽10篇论文的开源项目（检测/GAN/SR等方向）

重磅干货，第一时间送达

前言

ECCV 2020 刚刚公布获奖结果！先恭喜各位论文被收录的同学。ECCV 2020 有效投稿数为5025，最终收录1361篇论文，录取率是27%。其中104篇 Oral、161篇 Spotlights，剩下皆为Poster。

"不开源，就是耍流氓"，"开源，就是生产力"，这是我们经常调侃的话术。因为我们经常看到一些所谓重磅或者心仪的论文后，会赶紧看看有没有开源。所以 Amusi 专门快速整理了 10多篇 ECCV 2020代码开源的论文。链接如下，欢迎大家提交issue，分享你的ECCV 2020开源工作。

https://github.com/amusi/ECCV2020-Code

ECCV 2020 代码开源论文目录

• 2D目标检测
• 3D目标检测
• GAN
• 3D点云（分类/分割/配准/补全等）
• 超分辨率
• 显著性检测
• 轨迹预测

2D目标检测

Dynamic R-CNN: Towards High Quality Object Detection via Dynamic Training

• 论文：https://arxiv.org/abs/2004.06002
• 代码：https://github.com/hkzhang95/DynamicRCNN

在COCO上50.1 AP！表现SOTA！性能优于TridentNet、Libra R-CNN等网络，代码刚刚开源！

作者团队：中科院&国科大&图森未来（王乃岩）

遥感旋转目标检测

Arbitrary-Oriented Object Detection with Circular Smooth Label

• 论文：https://arxiv.org/abs/2003.05597
• 代码：https://github.com/Thinklab-SJTU/CSL_RetinaNet_Tensorflow

在DOTA数据集上，表现SOTA！性能优于R3Det、APE、Mask OBB等网络，代码即将开源！

作者团队：上海交通大学（杨学等）

3D目标检测

EPNet: Enhancing Point Features with Image Semantics for 3D Object Detection

• 论文：暂无
• 代码：https://github.com/happinesslz/EPNet

GAN

XingGAN for Person Image Generation

• 论文：暂无
• 代码：https://github.com/Ha0Tang/XingGAN

3D点云（分类/分割/配准/补全等）

3D点云补全

GRNet: Gridding Residual Network for Dense Point Cloud Completion

• 论文：https://arxiv.org/abs/2006.03761
• 代码：https://github.com/hzxie/GRNet

表现SOTA！性能优于MSN、TopNet和FoldingNet等网络

作者团队：哈工大&商汤&南洋理工大学&港中文&鹏城实验室

超分辨率

图像超分辨率

Spatial-Angular Interaction for Light Field Image Super-Resolution

• 论文：https://arxiv.org/abs/1912.07849
• 代码：https://github.com/YingqianWang/LF-InterNet

Invertible Image Rescaling

• 论文：https://arxiv.org/abs/2005.05650
• 代码：https://github.com/pkuxmq/Invertible-Image-Rescaling

显著性检测

BBS-Net: RGB-D Salient Object Detection with a Bifurcated Backbone Strategy Network

• 论文：暂无
• 代码：https://github.com/DengPingFan/BBS-Net

Highly Efficient Salient Object Detection with 100K Parameters

• 论文：https://arxiv.org/abs/2003.05643
• 代码：https://github.com/MCG-NKU/Sal100K

超轻量级显著性目标检测网络，参数量仅100K左右！表现SOTA！性能优于PoolNet、PiCANet等网络。

作者团队：南开大学(程明明组)&依图科技(颜水成)

轨迹预测

SimAug: Learning Robust Representations from 3D Simulation for Pedestrian Trajectory Prediction in Unseen Cameras

• 论文：https://arxiv.org/abs/2004.02022
• 代码：https://github.com/JunweiLiang/Multiverse