ECCV 2018 论文解读及资源集锦（10月17日更新，含全部论文下载链接）
source link: https://bbs.cvmart.net/articles/57
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
ECCV 2018 论文解读及资源集锦（10月17日更新，含全部论文下载链接）
2年前 ⋅ 7680 ⋅ 1 ⋅ 0
之前我们整理了CVPR 2018 论文解读集锦和历年VALSE 视觉资源汇总（两篇都仍在更新中），目前计算机视觉三大顶级会议之一的ECCV，European Conference on Computer Vision(欧洲计算机视觉国际会议) ，将于2018年9月8日在德国慕尼黑举行，目前已经逐渐公开接收论文名单，为了能够让大家更集中深刻地了解ECCV2018的优秀论文，极市为大家整理了一些ECCV2018论文解读集锦，同时还有ECCV2018的相关讨论和竞赛，后续还会持续更新，欢迎大家阅读和收藏。
ECCV2018所有收录论文已开放并支持下载，感谢极市cv交流群小伙伴的整理，全部论文pdf下载链接如下
链接：https://pan.baidu.com/s/1oEEgEdnYsPUiqdAJEHZpdQ
密码：hdpm
新加坡国立大学，FAIR 和 360AI 实验室合作发表的ECCV2018论文，在保持网络效果的同时（主要对标 I3D-RGBmodel），大幅度降低网络的 FLOPs，从而大大提高 3D 卷积网络的效率。
36.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-Resolution, SR）技术的未来发展趋势。
35.ECCV 2018 | OR-CNN行人检测：为‘遮挡’而生
本文是ECCV2018行人检测的一篇力作，基于Faster R-CNN的检测框架，为自遮挡情况下的行人检测问题贡献了两种全新的策略。
34.ECCV2018 |百度视觉团队斩获 ECCV Google AI 目标检测竞赛冠军，获奖方案全解读
近日，百度视觉团队在 Google AI Open Images-Object Detection Track 目标检测任务中斩获第一，本文为冠军技术方案详解。
33.ECCV 2018 | ALFNet：向高效行人检测迈进（附代码）
本文由中科院自动化所和国防科大合作发表于ECCV2018，面向行人检测实时应用，提出了一种基于渐近定位拟合的行人检测器，在获得速度优势的同时具有更高的定位精度。
32.ECCV18|人脸对齐与跟踪如何克服遮挡、姿态变化带来的特征点跳变？
人脸对齐与特征点跟踪的过程中，遮挡和大的姿态变化是无可避免的，在跟踪过程中这往往带来特征点的跳变，影响用户体验。来自ECCV2018的论文《A Deeply-initialized Coarse-to-fine Ensemble of Regression Trees for Face Alignment》试图去解决这样的问题。
来自美国马萨诸塞大学的研究人员发明了一种无需人工干预的简单有效的难分样本挖掘方法，使得通过视频低成本获取难分样本成为可能。
30.ECCV 2018奖项公布：德国团队获最佳论文，吴育昕、何恺明上榜
今日，ECCV 2018 获奖论文公布，来自德国航空航天中心、慕尼黑工业大学的研究者获得最佳论文奖项；吴育昕与何恺明合作的《Group Normalization》、Albert Pumarola 等人合作的《GANimation: Anatomically-aware Facial Animation from a Single Image》获得了最佳论文荣誉提名奖。
29.计算机视觉三大会议之——ECCV 2018 观看指南（含大量剧透+传送门
ECCV 2018已于9月8号在德国慕尼黑召开，在四天的会议日程中将会有59个orals报告覆盖了从视觉学习、图形摄影、人类感知、立体三维以及识别等各个领域。我们来远程一探究竟吧！
28.ECCV 2018 | 腾讯AI Lab提出正交深度特征分解算法：在多个跨年龄人脸识别任务中创造新记录
这项工作由腾讯 AI Lab 独立完成，其目的是通过研发新的深度学习模型以提高跨年龄人脸识别的精度。
27.NVIDIA ECCV18论文:超像素采样网络助力语义分割与光流估计（代码将开源）
来自NVIDIA的研究人员开发了一种新的可微的超像素采样模型，可以直接使用深度神经网络学习超像素分割。
26.ECCV 2018 | 建模任务相关注视点转移，实现第一人称视频注视点的准确估计
近日，来自东京大学和湖南大学的研究者们提出了一个全新的视角和方法对这一问题进行建模，新的方法在第一人称视频的注视点估计任务上大大超出了已有方法的性能。
25.ECCV 2018 | 行人检测全新视角：从人体中轴线标注出发
本文由海康威视发表于ECCV2018，区别于传统的目标候选框预测，提出通过预测人体中轴线来实现个人检测，实验表明对弱小目标极其有效。
24.ECCV 2018 | GANimation让图片秒变GIF表情包，秒杀StarGAN
本文提出了一种基于动作单元（AU）标注的新型 GAN 条件化方法，可以从单张图像和表情编码生成连续的表情动画，生成的图像具备连贯性、真实性、广泛性、鲁棒性。
23.ECCV 2018 | 中山大学&商汤提出部分分组网络PGN，解决实例级人体解析难题
近日，中山大学和商汤的研究人员在 arXiv 上发表论文，提出一种新型网络——部分分组网络（PGN），该网络将实例级人体解析重新定义为两个可以通过统一网络共同学习和相互完善的孪生子任务。
22.ECCV 2018 | 微软亚洲研究院与北京大学共同提出用于物体检测的可学习区域特征提取模块
近日，来自微软亚洲研究院和北京大学的研究者们提出了统一现有区域特征提取方法的视角，并据此设计了一种新的可端到端学习的区域特征提取方法。
21.ECCV18 | UC伯克利提出基于自适应相似场的语义分割（附代码）
UC伯克利大学的研究人员提出了一种自适应相似场来辅助语义分割的方法，增强了网络对目标结构推理的能力，取得了非常显著的性能提升，代码已开源。
20.ECCV 2018 | 对抗深度学习: 鱼 (模型准确性) 与熊掌 (模型鲁棒性) 能否兼得？
为了揭示深度神经网络模型的鲁棒性和准确性之间的关系，来自 IBM 研究院，加州大学戴维斯分校，麻省理工学院以及京东 AI 研究院的研究人员，系统性地度量了 18 个被学术界和工业界广泛接受并使用的 ImageNet 深度神经网络模型的鲁棒性。
19.ECCV 2018 | 腾讯优图提出几何对抗损失函数在单视图3D物体重建中的应用
腾讯优图与港中文联合提出了一种补充的损失函数——几何对抗损失，通过保持预测点云和真实点云在不同2D视角上的几何一致性来从整体上规范生成的点云，同时要求生成的点云与输入图片的语义相符。
18.ECCV 2018 | UBC&腾讯AI Lab提出首个模块化GAN架构，搞定任意图像PS组合
在本文中，英属哥伦比亚大学（UBC）与腾讯 AI Lab 共同提出了一种新型的模块化多域生成对抗网络架构——ModularGAN，生成的结果优于 StarGAN、CycleGAN、IcGAN三种基线结果。
17.ECCV 2018 | 港科腾讯等提出Bi-Real net：超XNOR-net 10%的ImageNet分类精度
这项工作由香港科技大学，腾讯 AI lab，以及华中科技大学合作完成，目的是提升二值化卷积神经网络（1-bit CNN）的精度。本文提出的 Bi-Real net：超XNOR-net 10%的ImageNet分类精度。
16.ECCV2018|视觉目标跟踪之DaSiamRPN（附代码）
作者团队提出的DaSiamRPN（Distractor-aware SiamRPN）在VOT2018上取得了非常Top的成绩（EAO=0.38+），具体名次会在两周之后的ECCV VOT Workshop上面公布。
15.ECCV2018论文Express | 单幅RGB图像整体三维场景解析与重建（附原文下载）
本文提出了一种计算框架，将视觉概念作为逆图形，使用随机语法模型（stochastic grammar model），联合解析（jointly parse）单幅RGB图像，重建出由一组CAD模型组成的整体3D结构。
14.ECCV18 Oral | MIT&谷歌视频运动放大让计算机辅助人眼“明察秋毫”
本文是第一个使用卷积神经网络在人工合成数据上学习运动放大滤波器的工作，实验证明经过学习得到的过滤器在真实视频上与之前的方法相比获得更高质量的视觉效果，明显减少了振铃伪像和噪声放大。
13.ECCV 2018 | 上海交通大学ECCV 2018四篇入选论文解读（附原文下载）
上海交通大学SJTU-UCLA机器感知与推理联合研究中心4篇ECCV论文解读，研究方向涉及自动驾驶、视频理解、视觉跟踪以及新型神经网络。
12.ECCV 2018 | CornerNet：目标检测算法新思路
密歇根大学Hei Law等人在发表ECCV2018的一篇论文，提出CornerNet模型预测目标边界框的左上角和右下角一对顶点，即使用单一卷积模型生成热点图和连接矢量。
11.ECCV 2018 | IBN-Net：打开Domain Generalization的新方式
本文由香港中文大学发表于ECCV2018，论文探索了IN和BN的优劣，据此提出的IBN-Net在语义分割的域适应任务上取得了十分显著的性能提升。
10.凭一张照片找到视频中你所有的镜头，包括背影丨商汤ECCV 2018论文
商汤最近发了一篇ECCV，搞了一个巨大的电影片段数据库。无论一位电影明星演的是青春少女还是白发老人，无论TA露出了正脸还是侧颜，无论影片的镜头明亮鲜丽还是灰黄暗淡，AI都能精确的找到TA，TA的正脸、身姿和背影。
本文是ECCV2018接收论文《 Salient Objects in Clutter: Bringing Salient Object Detection to the Foreground》中文翻译版，作者范登平，该文针对现有显著性物体检测的数据集存在的设计偏差，构建并发布了目前世界上最大的instance level的显著物体检测数据集。
8.华科白翔老师团队ECCV2018 OCR论文：Mask TextSpotter
白翔老师团队ECCV2018 论文：提出了一种用于场景text spotting的可端到端训练的神经网络模型Mask TextSpotter，在处理不规则形状的文本实例（例如，弯曲文本）方面优于之前的方法。
7.ECCV 2018 | 美图云联合中科院提出基于交互感知注意力机制神经网络的行为分类技术
ECCV2018收录文章，来自美图云视觉技术部门和中科院自动化所的研发人员借鉴 PCA（主成分分析）思想，提出了一种引入局部特征交互感知的自注意机制模型，并将模型嵌入到 CNN 网络中，提出一个端到端的网络结构。
图像中雨水条纹会严重降低能见度，导致许多当前的计算机视觉算法无法工作，比如在自动驾驶场景下图像去雨就变得非常重要。本文提出了一种基于深度卷积和递归神经网络的新型深度网络体系结构，用于单图像去雨。
5.ECCV2018 | ELEGANT：基于交换隐层编码和残差学习的人脸属性迁移
本文提出的ELEGANT 模型克服了以往基于深度神经网络做人脸属性迁移方法的缺点，实现基于交换隐层编码和残差学习的人脸属性迁移。
4.ECCV 2018| 用于时序动作提名生成的边界敏感网络
这篇论文主要针对时序动作提名生成(temporal action proposal generation)任务提出了一种新的方法-边界敏感网络(Boundary Sensitive Network, BSN)，该方法突破了原有的top-down方法的一些缺陷，能够简洁高效地生成高质量的时序动作提名。
3.ECCV 2018 | 旷视科技提出DetNet：一个为物体检测而生的Backbone
本文创新性地提出 DetNet——一个专为物体检测而设计的骨干网络，从底层技术的维度更新了计算机视觉网络，将会进一步推动其相关应用落地，优化产品服务。DetNet 将会更快更准地检测和分割一张给定图像之中的物体，完善在智慧城市、新零售、仓储物流、消费终端等诸多领域的技术应用。
2.MultiPoseNet:人体检测、姿态估计、语义分割一“网”打尽
文中提出了一种新的自底向上（Bottom-Up）模式的多人姿势估计架构，它将多任务模型(multi-task model)与新颖的分配算法（assignment method）相结合。MultiPoseNet方法是目前最快的实时姿态估计系统，在GTX1080TI显卡上速度是23帧/秒。
1.ECCV2018论文解读：用回归方法判断热度图中的人体姿态
本文提出一种积分回归的方法用于人体姿势估计任务，该途径结合了基于热度图的方法和回归方法的优点，可以方便地应用于并改进任何基于热度图的模型。本文通过综合性实验全面验证了该方法的有效性，并表明在2D和3D的人体姿势估计数据集MPII、COCO、Human3.6M中，本方法都取得当前最好的结果。
相关话题及分享
极市分享|高继扬 Temporal Action Proposal Generation and Detection in Videos.（时序动作检测，分享内容包含一篇已接收ECCV2018）
1、Person in Contex (PIC) 图像关系分割挑战赛
主办方：中国科学院信息工程研究所
比赛简介：首届Person in Context (PIC) 图像关系分割竞赛和workshop。该竞赛将于ECCV 2018会议期间在德国慕尼黑颁奖。
详情链接：https://www.picdataset.com/
2、第二届 YouTube-8M 视频理解挑战赛
主办方：Google AI
比赛简介：为了推动视频分析和视频理解相关技术的进步，Google AI 已经公布了一个大型视频数据集 —— YouTube-8M，本次比赛是基于 YouTube 8M 数据集的第二次Kaggle比赛。
详情链接：https://www.kaggle.com/c/youtube8m-2018#descriptio...
3、谷歌Open Images Challenge 2018
主办方：Google
比赛简介：Google开放 Open Images V4 数据库，并基于这一数据集举办 ECCV 2018 公开图像挑战赛，比赛分为两个赛道：对象类别检测，视觉关系检测。
详情链接：https://storage.googleapis.com/openimages/web/chal...
4、TheVisDrone2018 Challenge
主办方：天津大学、天普大学、美国通用电气公司
比赛简介：2018年VisDrone挑战赛目的在于从无人机获取的视觉数据进行目标检测和跟踪。挑战分为：无人机图像目标检测、无人机视频目标检测、无人机单目标跟踪、无人机多目标跟踪
详情链接：https://www.aiskyeye.com/views/index
5、COCO +MapillaryJoint Recognition Challenge
比赛简介：基于COCO和Mapillary的挑战任务，同时检测和分割每个对象实例。其目标是推动场景分割领域的最新发展。
详情链接：https://cocodataset.org/workshop/coco-mapillary-ecc...
6、Wider Face and Pedestrian Challenge
比赛简介：挑战围绕人脸、人体的精确定位,和身份认证识别问题。比赛包括人脸检测、行人检测、人员搜索三个子任务。
详情链接：https://www.wider-challenge.org/
7、PoseTrack Chanllenge
比赛简介：本次比赛有三个赛道：单帧多人姿态估计，视频中的多人姿态估计以及多人精准跟踪，目标是推动基于视频的人体姿态估计和精准跟踪的技术发展。
详情链接：https://posetrack.net/workshops/eccv2018/
8、Perceptual Image Restoration and Manipulation Challenge
比赛简介：PIRM挑战将促进感知图像恢复，本次比赛有三个任务：从单幅图像挑战4倍超分辨率、挑战在手机上增强照片、重建高光谱图像的挑战。
详情链接：https://www.pirm2018.org/
9、Visual Object Tracking Challenge
比赛简介：第六届视觉目标跟踪挑战赛VOT2018，挑战目的在不提供pre-learned models of objectappearance的情况下对单目标进行短期跟踪和长期跟踪。
详情链接：https://www.votchallenge.net/vot2018/
微信公众号: 极市平台（ID: extrememart ）
每天推送最新CV干货
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK