整理:AI算法与图像处理
CVPR2022论文和代码整理:https://github.com/DWCTOD/CVPR2022-Papers-with-Code-Demo
ECCV2022论文和代码整理:https://github.com/DWCTOD/ECCV2022-Papers-with-Code-Demo
Depth Map Decomposition for Monocular Depth Estimation
摘要:
我们提出了一种新的单目深度估计算法,该算法将度量深度图分解为归一化深度图和尺度特征。该网络由一个共享编码器和三个解码器组成,分别称为G-Net、N-Net和M-Net,它们分别估计梯度图、归一化深度图和度量深度图。M-Net学习使用G-Net和N-Net提取的相对深度特征更准确地估计度量深度。该算法的优点是可以使用没有度量深度标签的数据集来提高度量深度估计的性能。在各种数据集上的实验结果表明,所提出的算法不仅为最先进的算法提供了具有竞争力的性能,而且即使只有少量度量深度数据可用于训练,也能获得可接受的结果。
ExtrudeNet: Unsupervised Inverse Sketch-and-Extrude for Shape Parsing
Semi-Supervised Single-View 3D Reconstruction via Prototype Shape Priors
INT: Towards Infinite-frames 3D Detection with An Efficient Framework
Improving 3D-aware Image Synthesis with A Geometry-aware Discriminator
Your Out-of-Distribution Detection Method is Not Robust!
S2P: State-conditioned Image Synthesis for Data Augmentation in Offline Reinforcement Learning