【今日CV 计算机视觉论文速览 第141期】Mon, 8 Jul 2019

今日CS.CV 计算机视觉论文速览
Mon, 8 Jul 2019
Totally 33 papers
?上期速览✈更多精彩请移步主页

Interesting:

?BigBiGAN大规模的对抗表示学习方法, 研究人员将图像生成质量转换为了改进表示学习表现上去，基于Biggan 提出了Bigbiggan模型。通过增加编码器和改进的判别器拓展了模型的表示能力，实现了良好的生成效果。(from deepmind)

生成的新图像和结果：

?深度图像修复, 为了解决深度图的缺失问题，研究人员提出了一种基于双图正则化的快速低秩矩阵补全方法。将深度图修复问题变成了低秩矩阵的补全问题。利用局域和非局域的图正则化来协同解决，局域图可以保证局部的相似性，非局域图可以探索rgb和深度图在梯度的连续性。最后使用了高速的方法来实现。(from HIT哈工大)

恢复的结果：

去噪方法Block match 3D,BM3D虽然PSNR很好，但是过度平滑忽略了很多细节：

ref:http://www.cs.tut.fi/~foi/GCF-BM3D/

?科幻电影角色网络的综述, (from Laboratoire Informatique d’Avignon Fr)

?C^3 Framework开源的人群密度检测框架, 包括了基准网络、灵活的参数和策略配置、试验系统(from 西工大 浙大)

code:https://github.com/gjy3035/C-3-Framework
blog:https://zhuanlan.zhihu.com/p/65650998

?测量深度学习中的数据效率，HiGSFA), 分级信息保持基于图的慢特征分析(hierarchical information-preserving graph-based slow feature analysis),(from 鲁尔大学)
omniglog dataset:https://github.com/brendenlake/omniglot
语言文字百科涵盖了已知的全部书写系统，各种文字抽象：http://www.omniglot.com/
https://www.kamon18.com/cart/goodslist.cgi?in_kate=1
https://www.zhihu.com/question/67007477/answer/316722531

TL;NR
基于动作姿态来联系艺术形式
用于高效三维学习的点体素cnn
+++全通道叠加的图像超分辨
+++快速通用的图像迁移用于照片艺术渲染
非监督的循环连续形变用于形状匹配
基于多级小波的图像超分辨
尺度注意力的航空图像分割
+++++细粒度图像分析综述
++++基于高斯噪声学习的盲去噪
tracknet高速小物体的追踪

---

Daily Computer Vision Papers

A Novel Deep Learning Pipeline for Retinal Vessel Detection in Fluorescein Angiography Authors Li Ding, Mohammad H. Bawany, Ajay E. Kuriyan, Rajeev S. Ramchandran, Charles C. Wykoff, Gaurav Sharma 虽然深度学习的最新进展已经显着提高了彩色眼底CF图像中血管检测的现有技术水平，但是由于缺乏标记的地面真实数据集，在荧光素血管造影FA中检测血管的成功已经受到阻碍。我们提出了一种新的管道，使用深度神经网络检测FA图像中的视网膜血管，通过在循环学习中结合两种关键组件交叉模态转移和人类来减少生成标记的地面实况数据所需的工作量。交叉模态转移同时利用捕获的CF和眼底FA图像。首先利用预先训练的神经网络从CF图像中检测二元血管图，然后通过稳健的参数倒角对准几何配准并转移到FA图像，以用无监督技术获得初步的FA血管检测。使用转移的血管作为深度学习的初始地面实况标签，循环方法中的人通过在深度学习和标记之间迭代来逐步提高地面实况标签的质量。该方法显着减少了手动标记工作，同时增加了参与我们强调了所提方法的几个重要考虑因素，并验证了三个数据集的性能。实验结果表明，所提出的管道显着减少了注释工作量，并且由此产生的深度学习方法显着优于现有的FA容器检测方法。引入了一个新的公共数据集RECOVERY FA19，其中包括高分辨率超宽视场图像和精确标记的地面真实二元船舶地图。

A Performance Evaluation of Correspondence Grouping Methods for 3D Rigid Data Matching Authors Jiaqi Yang, Ke Xian, Peng Wang, Yanning Zhang 寻求3D刚性数据点云，网格或深度图之间一致的点对点关系是3D计算机视觉中的基本问题。虽然近年来已经提出了许多对应选择方法，但是它们的