2017 计算机视觉论文推荐系列（一），附解读
source link: https://bbs.cvmart.net/articles/1127
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.
2017 计算机视觉论文推荐系列（一），附解读
1年前 ⋅ 842 ⋅ 1 ⋅ 0
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：https://120.52.73.80/arxiv.org/pdf/1502.05082v3.pdf
微信公众号: 极市平台（ID: extrememart ）
每天推送最新CV干货
版权声明：自由转载-非商用-非衍生-保持署名（创意共享3.0许可证）
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK