CVPR2022论文速递(2022.4.19)!共19篇!

2023-10-13 13:30
文章标签 论文 19 速递 2022.4 cvpr2022

本文主要是介绍CVPR2022论文速递(2022.4.19)!共19篇!,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

整理:AI算法与图像处理

CVPR2022论文和代码整理:https://github.com/DWCTOD/CVPR2022-Papers-with-Code-Demo

欢迎关注公众号 AI算法与图像处理,获取更多干货:

10d5ac946013c6f946aafe81cf0af51d.png

大家好,  最近正在优化每周分享的CVPR论文, 目前考虑按照不同类别去分类,方便不同方向的小伙伴挑选自己感兴趣的论文哈

欢迎大家留言其他想法,  合适的话会采纳哈! 求个三连支持一波哈

Updated on : 19 Apr 2022

total number : 19

CVPR2022 Oral - 2 篇

Detecting Deepfakes with Self-Blended Images  (Oral)

标题:用自混合图像检测Deepfakes

  • 论文/Paper: http://arxiv.org/pdf/2204.08376

  • 代码/Code: https://github.com/mapooon/SelfBlendedImages

Animal Kingdom: A Large and Diverse Dataset for Animal Behavior Understanding  (Oral)

标题:Animal Kingdom:用于动物行为理解的大规模多样化的数据集

  • 论文/Paper: http://arxiv.org/pdf/2204.08129

  • 代码/Code: None

目标检测 / Object Detection - 2 篇

Entropy-based Active Learning for Object Detection with Progressive Diversity Constraint

标题:基于熵的主动学习,用于具有渐进分集约束的目标检测

  • 论文/Paper: http://arxiv.org/pdf/2204.07965

  • 代码/Code: None

Target-Relevant Knowledge Preservation for Multi-Source Domain Adaptive Object Detection

标题:目标相关知识保存用于针对多源域自适应目标检测

  • 论文/Paper: http://arxiv.org/pdf/2204.07964

  • 代码/Code: None

目标跟踪/Object Tracking - 1 篇

Detecting, Tracking and Counting Motorcycle Rider Traffic Violations on Unconstrained Roads

标题:无约束的道路上检测,跟踪和计数摩托车骑手交通违规行为

  • 论文/Paper: http://arxiv.org/pdf/2204.08364

  • 代码/Code: None

语义分割/Segmentation - 2 篇

Temporally Efficient Vision Transformer for Video Instance Segmentation

标题:用于视频实例分段的时间高效视觉Transformer

  • 论文/Paper: http://arxiv.org/pdf/2204.08412

  • 代码/Code: https://github.com/hustvl/TeViT.

Augmentation Invariance and Adaptive Sampling in Semantic Segmentation of Agricultural Aerial Images

标题:农业空中图像语义分割中的增强不变性和自适应抽样

  • 论文/Paper: http://arxiv.org/pdf/2204.07969

  • 代码/Code: None

超分/Super-Resolution - 2 篇

Fast and Memory-Efficient Network Towards Efficient Image Super-Resolution

标题:快速和记忆高效的网络,高效图像超分辨率

  • 论文/Paper: http://arxiv.org/pdf/2204.08397

  • 代码/Code: https://github.com/NJU-Jet/FMEN.

Unsupervised domain adaptation and super resolution on drone images for autonomous dry herbage biomass estimation

标题:无人驾驶的域适应与自主干草生物量估计的无人机图像的超分辨率

  • 论文/Paper: http://arxiv.org/pdf/2204.08271

  • 代码/Code: None

Transformers - - 3 篇

Temporally Efficient Vision Transformer for Video Instance Segmentation

标题:用于视频实例分段的时间高效视觉Transformer

  • 论文/Paper: http://arxiv.org/pdf/2204.08412

  • 代码/Code: https://github.com/hustvl/TeViT.

Safe Self-Refinement for Transformer-based Domain Adaptation

标题:基于Transformer的域适应的安全自细化

  • 论文/Paper: http://arxiv.org/pdf/2204.07683

  • 代码/Code: None

Multi-Frame Self-Supervised Depth with Transformers

标题:Transformer的多帧自监督深度

  • 论文/Paper: http://arxiv.org/pdf/2204.07616

  • 代码/Code: None

其他/Other - 8 篇

Deep Equilibrium Optical Flow Estimation

标题:深度平衡光流量估计

  • 论文/Paper: http://arxiv.org/pdf/2204.08442

  • 代码/Code: None

OMG: Observe Multiple Granularities for Natural Language-Based Vehicle Retrieval

标题:OMG:观察基于语言的车辆检索多个粒度

  • 论文/Paper: http://arxiv.org/pdf/2204.08209

  • 代码/Code: https://github.com/dyhBUPT/OMG.

Video Action Detection: Analysing Limitations and Challenges

标题:视频动作检测:分析局限性和挑战

  • 论文/Paper: http://arxiv.org/pdf/2204.07892

  • 代码/Code: None

Towards a Deeper Understanding of Skeleton-based Gait Recognition

标题:朝着更深入地了解基于骨架的步态识别

  • 论文/Paper: http://arxiv.org/pdf/2204.07855

  • 代码/Code: None

Interactiveness Field in Human-Object Interactions

标题:人-对象交互中的互动场

  • 论文/Paper: http://arxiv.org/pdf/2204.07718

  • 代码/Code: https://github.com/Foruck/Interactiveness-Field.

Pushing the Performance Limit of Scene Text Recognizer without Human Annotation

标题:推动场景文本识别器的性能限制,没有人为注释

  • 论文/Paper: http://arxiv.org/pdf/2204.07714

  • 代码/Code: None

It is Okay to Not Be Okay: Overcoming Emotional Bias in Affective Image Captioning by Contrastive Data Collection

标题:不是没问题:通过对比数据收集克服情感形象标题中的情感偏见

  • 论文/Paper: http://arxiv.org/pdf/2204.07660

  • 代码/Code: None

Deep Unlearning via Randomized Conditionally Independent Hessians

标题:通过随机条件独立的Hessians深度无光

  • 论文/Paper: http://arxiv.org/pdf/2204.07655

  • 代码/Code: https://github.com/vsingh-group/LCODEC-deep-unlearning

这篇关于CVPR2022论文速递(2022.4.19)!共19篇!的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/203562

相关文章

详解Spring Boot接收参数的19种方式

《详解SpringBoot接收参数的19种方式》SpringBoot提供了多种注解来接收不同类型的参数,本文给大家介绍SpringBoot接收参数的19种方式,感兴趣的朋友跟随小编一起看看吧... 目录SpringBoot接受参数相关@PathVariable注解@RequestHeader注解@Reque

AI hospital 论文Idea

一、Benchmarking Large Language Models on Communicative Medical Coaching: A Dataset and a Novel System论文地址含代码 大多数现有模型和工具主要迎合以患者为中心的服务。这项工作深入探讨了LLMs在提高医疗专业人员的沟通能力。目标是构建一个模拟实践环境,人类医生(即医学学习者)可以在其中与患者代理进行医学

论文翻译:arxiv-2024 Benchmark Data Contamination of Large Language Models: A Survey

Benchmark Data Contamination of Large Language Models: A Survey https://arxiv.org/abs/2406.04244 大规模语言模型的基准数据污染:一项综述 文章目录 大规模语言模型的基准数据污染:一项综述摘要1 引言 摘要 大规模语言模型(LLMs),如GPT-4、Claude-3和Gemini的快

论文阅读笔记: Segment Anything

文章目录 Segment Anything摘要引言任务模型数据引擎数据集负责任的人工智能 Segment Anything Model图像编码器提示编码器mask解码器解决歧义损失和训练 Segment Anything 论文地址: https://arxiv.org/abs/2304.02643 代码地址:https://github.com/facebookresear

论文翻译:ICLR-2024 PROVING TEST SET CONTAMINATION IN BLACK BOX LANGUAGE MODELS

PROVING TEST SET CONTAMINATION IN BLACK BOX LANGUAGE MODELS https://openreview.net/forum?id=KS8mIvetg2 验证测试集污染在黑盒语言模型中 文章目录 验证测试集污染在黑盒语言模型中摘要1 引言 摘要 大型语言模型是在大量互联网数据上训练的,这引发了人们的担忧和猜测,即它们可能已

OmniGlue论文详解(特征匹配)

OmniGlue论文详解(特征匹配) 摘要1. 引言2. 相关工作2.1. 广义局部特征匹配2.2. 稀疏可学习匹配2.3. 半稠密可学习匹配2.4. 与其他图像表示匹配 3. OmniGlue3.1. 模型概述3.2. OmniGlue 细节3.2.1. 特征提取3.2.2. 利用DINOv2构建图形。3.2.3. 信息传播与新的指导3.2.4. 匹配层和损失函数3.2.5. 与Super

BERT 论文逐段精读【论文精读】

BERT: 近 3 年 NLP 最火 CV: 大数据集上的训练好的 NN 模型,提升 CV 任务的性能 —— ImageNet 的 CNN 模型 NLP: BERT 简化了 NLP 任务的训练,提升了 NLP 任务的性能 BERT 如何站在巨人的肩膀上的?使用了哪些 NLP 已有的技术和思想?哪些是 BERT 的创新? 1标题 + 作者 BERT: Pre-trainin

[论文笔记]LLM.int8(): 8-bit Matrix Multiplication for Transformers at Scale

引言 今天带来第一篇量化论文LLM.int8(): 8-bit Matrix Multiplication for Transformers at Scale笔记。 为了简单,下文中以翻译的口吻记录,比如替换"作者"为"我们"。 大语言模型已被广泛采用,但推理时需要大量的GPU内存。我们开发了一种Int8矩阵乘法的过程,用于Transformer中的前馈和注意力投影层,这可以将推理所需

react笔记 8-19 事件对象、获取dom元素、双向绑定

1、事件对象event 通过事件的event对象获取它的dom元素 run=(event)=>{event.target.style="background:yellowgreen" //event的父级为他本身event.target.getAttribute("aid") //这样便获取到了它的自定义属性aid}render() {return (<div><h2>{

2024 年高教社杯全国大学生数学建模竞赛 C 题 农作物的种植策略 参考论文 无水印

持续更新中,2024年数学建模比赛思路代码论文都会发布到专栏内,只需订阅一次!  完整论文+代码+数据结果链接在文末!  订阅后可查看参考论文文件 第一问 1.1 问题重述 这个问题围绕的是华北山区的某乡村,在有限的耕地条件下,如何制定最优的农作物种植策略。乡村有 34 块露天耕地和 20 个大棚,种植条件包括粮食作物、蔬菜、水稻和食用菌。除了要考虑地块的面积、种植季节等,还要确保