2017 计算机视觉论文推荐系列(一),附解读

1、TP-GAN 让图像生成再获突破,根据单一侧脸生成正面逼真人脸
根据侧面照片合成正面人脸一直是个难题,现在有一项研究终于首次解决了这个问题
论文地址: https://arxiv.org/pdf/1704.04086.pdf


2、谷歌新论文:让机器人依靠视觉识别抓取特定物体
谷歌团队在arXiv上发布了新论文《End-to-End Learning of Semantic Grasping》, 这篇文章选取论文关键信息,为大家解读。
论文地址:https://arxiv.org/abs/1707.01932


3、 视觉跟踪论文笔记(BCF:C-COT)
这篇C-COT是VOT2016的冠军, 这篇笔记是对论文简单的想法和解析
论文地址:https://arxiv.org/abs/1608.03773


4、计算机视觉-论文阅读笔记-基于高性能检测器与表观特征的多目标跟踪
这篇笔记主要是对今年ECCV2016上的论文:POI:Multiple Object Tracking with High Performance Detection and Appearance Feature进行整理.
论文地址:https://link.springer.com/chapter/10.1007/978-3-319-48881-3_3


5、UC伯克利联合谷歌推出无监督深度学习框架,模仿人眼实现视频中的自我运动认知
本文第一作者Tinghui Zhou是加州大学伯克利分校电气工程与计算机科学学院的博士生,师从Alexei (Alyosha) Efros教授。本文是他与谷歌的 Matthew Brown、Noah Snavely与 David Lowe一同合作,此论文入选 CVPR 2017 oral paper。
论文地址:https://people.eecs.berkeley.edu/~tinghuiz/projects/SfMLearner/


6、超少量数据训练神经网络:IEEE论文提出径向变换实现图像增强
一篇题为《Training Neural Networks with Very Little Data-A Draft》IEEE 论文提出了一种使用少量数据训练神经网络的新方法,即通过极坐标空间中的径向变换(radial transform) 实现图像增强。它并未改变数据的信息内容,而是改进了数据的多样性,并最终提升了神经网络的泛化表现。
论文地址:https://arxiv.org/pdf/1708.04347.pdf


7、Facebook新论文提出通用目标分割框架Mask R-CNN:更简单更灵活表现更好
Facebook 人工智能研究部门(FAIR)发布了一篇题为《Mask R-CNN》的新论文,描述了一种简单、灵活和高效的通用目标分割框架。另外该团队还在论文中表示将会发布该框架的代码。
论文地址:https://arxiv.org/abs/1703.06870


8、为视觉跟踪学习背景感知相关滤波器:BACF(ICCV 2017)
一篇对ICCV2017论文《Learning background-aware correlation filters for visual tracking》的解读.
论文地址:https://arxiv.org/abs/1703.04590


9、李飞飞团队新论文:让计算机同时识别多个事件并自动描述
斯坦福大学的李飞飞与与她的学生Ranjay Krishna、Kenji Hata、Frederic Ren,以及同事Juan Carlos Niebles向ICCV 2017提交论文,提出了一个新模型,可以识别视频中的事件,同时用自然语言描述出来。
论文地址:https://arxiv.org/pdf/1705.00754.pdf


10、OP算法论文《What makes for effective detection proposals?》解读
一篇关于object proposal的综述
论文地址:http://120.52.73.80/arxiv.org/pdf/1502.05082v3.pdf


推荐阅读:
2017 计算机视觉论文推荐系列(二)(附解读)

微信公众号: 极市平台(ID: extrememart )
每天推送最新CV干货