从CVPR2013看计算机视觉研究的三个趋势

图像拼接CVPR2013文章——APAP算法代码详解 APAP算法代码详解 阅读详情

http://www.bfcat.com/index.php/2013/07/compute-visioni-trends


tombone‘s blog 最近一直在update关于CVPR2013的感受,今天,他在博客中分享了 [CVPR 2013] Three Trending Computer Vision Research Areas。

我没机会参加这样的盛会,但是通过浏览今年CVPR录用文章的列表,以及最近几年顶级会议文章的趋势,根据他总结的三个趋势,我也谈谈我的看法。

1) RGB-D 数据的分析

几年前的计算机视觉领域中,大部分关于目标检测,识别的工作还都是基于2维图像数据进行的,但是,人们越来越觉得,单纯的颜色数据具有很大的歧义性,尤其是在目标的边界附近,颜色相近的时候难以区分前景和背景。另外,遮挡对于目标跟踪,识别也造成了很大的挑战,如果没有深度信息,遮挡在很多时候是难以判断的。然而,随着Kinect的问世,低廉的售价让获取深度信息并与彩色图像配准变得很容易。这样,越来越多的研究就开始将中心放在具有深度信息的 2.5D数据上面。从2010年开始,美国的一些实验室例如CMU的RI,到处都可以见到用Kinect做实验的人,宾大的四旋翼飞行器也开始试着装上kinect来进行辅助。这两年,国内也有越来越多的人利用这一数据,进行重建,导航,识别等研究。

随着新一代kinect的即将问世,加上Leap motion等类似产品的发展,相信RGB-D数据分析将会是以后室内场景中计算机视觉研究的重心。

<a href="http://www.bfcat.com/wp-content/uploads/2013/07/haojiangcvpr13.jpg" class="cboxElement" rel="example4" 3243"="" style="text-decoration: none; color: rgb(1, 150, 227);">
H. Jiang and J. Xiao.  A Linear Approach to Matching Cuboids in RGBD Images. In CVPR 2013. [ pdf]

2) 中层patch的分析会是一个热点

在局部特征很难具有足够的描述力的情况下,中层特征的提取和分析就显得更加重要。在ECCV 2012年 CMU的 Saurabh Singh 提出了中层patch的想法,提取的patch包含更加丰富的信息,至少是目标部件级别的,而不是没有任何语义信息的局部描述。SIGGRAPH2012那篇注明的文章,“What makes Paris look like Paris?”。

Unsupervised Discovery of Mid-Level Discriminative PatchesSaurabh Singh, Abhinav Gupta, Alexei A. Efros. In ECCV, 2012.

Carl Doersch, Saurabh Singh, Abhinav Gupta, Josef Sivic, and Alexei A. Efros. What Makes Paris Look like Paris? In SIGGRAPH 2012. [pdf]

在今年的CVPR中,也有不少关于从场景中学习mid-level parts的文章

Blocks that Shout: Distinctive Parts for Scene Classification. Mayank Juneja, Andrea Vedaldi, CV Jawahar, Andrew Zisserman. In CVPR, 2013. [pdf]

Representing Videos using Mid-level Discriminative Patches. Arpit Jain, Abhinav Gupta, Mikel Rodriguez, Larry Davis. CVPR, 2013. [pdf]

Part Discovery from Partial Correspondence. Subhransu Maji, Gregory Shakhnarovich. In CVPR, 2013. [pdf]

3) 深度学习以及特征学习也在蓬勃上升时期

tombone是这么说的。ms Google的每一个人现在都在做深度学习。这到底能解决所有的视觉问题吗?很怀疑。但是,深度学习的兴起让每一个研究者都想参与其中。换句话说,如果你不知道 Geoff Hinton 是谁,你就out了。

对于这个问题,我觉得在慢慢具备海量数据处理能力的今天,深度学习确实是解决问题的一个很好的途径。但是,另一方面,我们也不能寄希望于一个万能的模型,如果有人想指望将训练图像扔进某个非常NB的分类器里面,就能得到自己想要的结果,那也是不现实的。计算机视觉中的很多困难我觉得不光是计算效能的问题,而且我们对其认识的还不够。一个视觉算法的效果好不好,不光取决于模型,更重要的是前端的特征。

因此,深度学习必须结合好的特征学习,才是解决问题的王道


CVPR 2024论文与代码汇总:计算机视觉领域最新研究进展 CVPR 2024的论文涵盖了计算机视觉领域的多个研究方向,包括但不限于3D场景表示、多模态大语言模型、目标检测、扩散模型等。这些研究工作不仅推动了学术前沿的发展,也为实际应用提供了新的技术支持。多模态融合成为热点,特别是视觉与语言的深度结合。3D表示和渲染技术取得重要突破,高斯散射等新方法展现出巨大潜力。生成模型,尤其是扩散模型,在各种视觉任务中的应用不断拓展。实时性和效率优化仍是研究重点,多个方向都在追求更快速的算法。 阅读详情

相关推荐

从近两年CVPR文章分析计算机视觉领域的最新热点

计算机视觉(Computer Vision)是近十几年来计算机科学中最热门的方向之一,而国际计算机视觉与模式识别大会(Conference on Computer Vision and Pattern Recognition,简称CVPR)绝对是计算机视觉会议中的翘楚。计算机视觉方向的顶级会议CVPR每年都召开,每年CVPR上有哪些让人眼前一亮的研究,又反映出哪些趋势? 1.2014

彼岸花 5069

顶会系列(一):CVPR2013-2023十年论文数据分析

2013-2023年12860篇论文词云热点分析。2013-2023十年论文接收趋势。

2401_83173765的博客 1501

应急响应之windows日志分析工具logparser使用

windows日志分析工具logparser使用介绍

u013930899的博客 8128

从CVPR 2013看计算机视觉的研究领域和趋势 [CVPR 2013] Three Trending Computer Vision Research Areas

[CVPR 2013] Three Trending Computer Vision Research Areas As I walked through the large poster-filled hall at CVPR 2013, I asked myself, “Quo vadis Computer Vision?" (Where are you going, c

GarfieldEr007的专栏 1599

Python爬虫实战:5分钟搞定大众点评评论数据抓取(附完整代码)

本文详细介绍了使用Python爬虫高效获取大众点评评论数据的5个关键技巧,包括环境配置、智能页面解析、反反爬策略、数据存储与容错设计以及性能优化。通过实战案例和完整代码,帮助开发者快速掌握文本挖掘技术,适用于市场分析和商业决策。

weixin_30660027的博客 293

SIPVicious实战指南:从零开始掌握VoIP渗透测试(Kali Linux环境)

本文为SIPVicious实战指南,详细介绍了在Kali Linux环境下进行VoIP渗透测试的完整流程。从环境准备与工具安装开始,逐步讲解如何使用svmap扫描SIP服务器、svwar枚举PBX分机号,以及svcrack进行密码安全测试,并整合svreport生成报告。旨在帮助安全从业者从零开始,系统掌握这套经典开源工具,在授权范围内有效评估VoIP系统的安全性。

weixin_29327977的博客 541

CVPR 2013 录用论文【待更新】

CVPR 2013 papers on the web http://www.cvpapers.com.sixxs.org/cvpr2013.html CVPR 2013 录用论文(目标跟踪部分) 完整录用论文官方链接:http://www.pamitc.org/cvpr13/program.php 过段时间CvPaper上面应该会有正文链接 今年

三少GG 4788

PTGui使用教程

PTGui使用教程为啥使用ptgui开始使用ptgui 为啥使用ptgui ptgui是一个全景拼接软件,在海思hi3559上做视频拼接的时候,需要拼接参数,这是就需要使用到ptgui,这里可以在该网站下下载ptgui:下载地址 开始使用ptgui 第一步,加载图片,我这里添加了三幅图 然后添加控制点(可以先多对准几次图像,这样会自动生成一些控制点,但是不保证准确),建议控制点不要太密集 点开镜头设置,勾选以下几个选项以及配置好镜头类型,如下图 点开优化器,在高级界面中配置如下参数,最后点

what_wrong的博客 1万+

从CVPR2013看计算机视觉研究的三个趋势(转)

 从CVPR2013看计算机视觉研究的三个趋势 2013年07月04日 ⁄ 机器视觉, 视觉会议 ⁄ 评论数 2 ⁄ 被围观 11,114 views+ tombone‘s blog 最近一直在update关于CVPR2013的感受,今天,他在博客中分享了 [CVPR 2013] Three Trending Computer Vision Resear

eagle351的专栏 424

Bert+CNN文本分类(含代码实现)

一、什么是CNN? CNN的特点: (1)特定特征位移不变性 (2)特征缩放不变性 2. CNN模型构造过程 2.1 Convolution(卷积) (1)获取关键特征(减少参数) (2)共享权重(再次减少参数) 2.2 Max Pooling(池化) 2.3 Flatten 向量转换为如图所示可以进入全连接层的向量模式 3. TextCNN 上图可理解为: 通过不同的size(如上图2、3、4等),上图红色代表 size=2,黄色...

Python,数据分析,机器学习,深度学习 1万+

【2026最新版】PCL点云处理算法汇总(C++长期更新版)

PCL学习目录。博客长期更新,最近一次更新时间为:2026年10月4日。

点云侠的博客 63万+

计算机视觉会议(CVPR,ECCV,ICCV,NIPS,AAAI,ICLR等)

CVPR 首先介绍的是三大顶会之一的CVPR, ECCV ICCV NIPS NIPS虽然不是三大顶会,但是影响力也很大,首先官网链接是https://neurips.cc/,直接找论文的话可以到Proceeding这个页面:click here,如下图所示: 需要哪一年的直接点击进去(NIPS2021直达), 就可以看到文章列表,还可以搜索关键词寻找文章。 简单介绍一下NIPS,全称神经信息处理系统大会(Conference and Workshop on Neural Information Proc

ji_meng的博客 5万+

使用 Simulink + Simscape Electrical 实现一个三相电压型PWM整流器的仿真模型

三相电压型PWM整流器(Voltage Source PWM Rectifier, VSR)是一种先进的电力电子装置,它不仅可以将交流电转换为直流电,还能实现单位功率因数操作,即输入电流与输入电压同相位。这不仅提高了电网质量,减少了谐波污染,而且提高了整个系统的效率。本文将详细介绍如何使用实现一个三相电压型PWM整流器的仿真模型,并探讨其在单位功率因数下的控制策略和仿真结果。本文详细介绍了如何使用搭建一个三相电压型PWM整流器的仿真模型,并对其在单位功率因数下的控制策略进行了探讨。

amy_mhd的博客 130

人工智能热点跟踪:CVPR 2024热门研究领域分析

本文可视化分析了计算机视觉顶会CVPR 2024的研究热点,归纳和总结了热门研究方向,可以为读者追踪计算机视觉的研究热点提供一些有价值的参考。

audyxiao001的博客 1万+

科技与伦理的平衡点:人类计算的伦理

科技与伦理的平衡点:人类计算的伦理 关键词 科技与伦理 人类计算 隐私问题 道德决策自动化 公平性与偏见 法律与社会责任 摘要 本

AI天才研究院 1164

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

CVPR 2025风向标:计算机视觉三大核心趋势解读

如果你真的想学习人工智能,请不要去网上找那些零零碎碎的教程,真的很难学懂!你可以根据我这个学习路线和系统资料,制定一套学习计划,只要你肯花时间沉下心去学习,它们一定能帮到你!

Gupao123的博客 1665

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面,电脑运行连游戏界面都一样大小,很怀旧,很真实,(英文版)强烈推荐,很小的文件,很难才找到的。

上一篇: CVPR2013感兴趣的文章整理
下一篇: 从CVPR2013看计算机视觉研究的三个趋势
TreeFish2012
博客等级 码龄14年 25粉丝 1原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值