ICCV 2021 放榜!一文看盡10篇論文的開源項目(檢測/分割/Transformer等)

2022-01-18 CVer

點擊下方卡片,關注「CVer」公眾號

AI/CV重磅乾貨,第一時間送達

前言

ICCV 2021 剛剛公布獲獎結果!先恭喜各位論文被收錄的同學。ICCV 2021 最終收錄1617篇論文,錄取率是25.9%

Amusi 第一時間整理了 10多篇 ICCV 2021論文,這裡對已公開github連結的論文進行盤點(有連結,不一定有代碼哈)。

ICCV 2021 合集連結如下,也歡迎大家提交issue,分享你的ICCV 2021論文或者開源工作。

https://github.com/amusi/ICCV2021-Papers-with-Code

ICCV 2021 代碼和開源項目目錄

視覺Transformer

GAN

目標檢測

實例分割

Few-shot Segmentation

超解析度

行人重識別

異常檢測

其他

Visual Transformer

Pyramid Vision Transformer: A Versatile Backbone for Dense Prediction without Convolutions

Paper(Oral): https://arxiv.org/abs/2102.12122Code: https://github.com/whai362/PVT本文提出第一個用於不同像素級密集預測任務的視覺Transformer網絡!無需卷積!在圖像分類、目標檢測、實例/語義分割等任務上漲點明顯,參數更少,性能更強!

GAN

EigenGAN: Layer-Wise Eigen-Learning for GANs

Paper: https://arxiv.org/abs/2104.12476Code: https://github.com/LynnHo/EigenGAN-Tensorflow

目標檢測

DetCo: Unsupervised Contrastive Learning for Object Detection

Paper: https://arxiv.org/abs/2102.04803

Code: https://github.com/xieenze/DetCo

表現SOTA!性能優於MoCov2、SwAV等網絡,其在分割、姿態估計等任務上也漲點明顯!

實例分割

Instances as Queries

Paper: https://arxiv.org/abs/2105.01928Code: https://github.com/hustvl/QueryInst

基於查詢的端到端實例分割新網絡,表現SOTA!性能和速度均優於SOLO V2、CondInst和HTC等網絡,代碼已開源!

Crossover Learning for Fast Online Video Instance Segmentation

Code: https://github.com/hustvl/CrossVISFew-shot Segmentation

Mining Latent Classes for Few-shot Segmentation

Paper(Oral): https://arxiv.org/abs/2103.15402Code: https://github.com/LiheYoung/MiningFSS超解析度

Learning for Scale-Arbitrary Super-Resolution from Scale-Specific Networks

Paper: https://arxiv.org/abs/2004.03791Code: https://github.com/LongguangWang/ArbSR本文提出了一個用於SR網絡的插件模塊來實現任意尺度的SR,包括多尺度感知特徵適應模塊和一個尺度感知上採樣層,還提出一種尺度感知知識遷移範式,代碼即將開源!

行人重識別

TransReID: Transformer-based Object Re-Identification

Paper: https://arxiv.org/abs/2102.04378Code: https://github.com/heshuting555/TransReID使用純Transformer進行ReID研究的工作(其中提出ViT-BoT強勁的baseline),TransReID在行人和車輛重識別任務上均表現SOTA!

異常檢測(Anomaly Detection)

Weakly-supervised Video Anomaly Detection with Robust Temporal Feature Magnitude Learning

Paper: https://arxiv.org/abs/2101.10030Code: https://github.com/tianyu0207/RTFM其他

Just Ask: Learning to Answer Questions from Millions of Narrated Videos

Paper(Oral): https://arxiv.org/abs/2012.00451Code: https://github.com/antoyang/just-ask

ICCV 2021論文和代碼下載

後臺回覆:ICCV2021,即可下載ICCV 2021論文和代碼開源的論文合集

重磅!CVer-Transformer交流群成立

掃碼添加CVer助手,可申請加入CVer-Transformer方向 微信交流群,可申請加入CVer大群,細分方向已涵蓋:目標檢測、圖像分割、目標跟蹤、人臉檢測&識別、OCR、姿態估計、超解析度、SLAM、醫療影像、Re-ID、GAN、NAS、深度估計、自動駕駛、強化學習、車道線檢測、模型剪枝&壓縮、去噪、去霧、去雨、風格遷移、遙感圖像、行為識別、視頻理解、圖像融合、圖像檢索、論文投稿&交流、Transformer、PyTorch和TensorFlow等群。

一定要備註:研究方向+地點+學校/公司+暱稱(如Transformer+上海+上交+卡卡),根據格式備註,才能通過且邀請進群

▲長按加微信群

▲點擊上方卡片,關注CVer公眾號

整理不易,請給CVer點讚和在看

相關焦點

  • ICCV 引用量最高的10篇論文!何愷明兩篇一作論文:Mask R-CNN和PReLU,Facebook佔據四席!
    篇論文,詳見:何愷明ResNet登頂,YOLO佔據兩席!各位CVers反映內容很贊,於是Amusi 快速整理了ICCV 引用量最高的10篇論文。在谷歌發布的2020年的學術指標(Scholar Metrics)榜單,ICCV 位列總榜第29位,是計算機視覺領域排名第二的大會!
  • NeurIPS 2021 放榜!Transformer或成最大贏家!
    先恭喜各位論文被收錄的同學,文末附NeurIPS 2021接收群,中稿的同學可以加入,方便交流開會信息。NeurIPS 2021 共提交了9122篇論文,最終接收率是26%(根據推斷,應該收錄有2371左右篇論文)。
  • CVPR 2020論文開源項目一頁看盡,附代碼論文
    十三 發自 凹非寺量子位 報導 | 公眾號 QbitAICVPR 2020中選論文放榜後,最新開源項目合集也來了。本屆CPVR共接收6656篇論文,中選1470篇,「中標率」只有22%,堪稱十年來最難的一屆。刨去接受率低這件事,從論文本身出發,在中選論文中還是有很多值得我們去借鑑和學習的精品。今日GitHub上便出現了一個項目,將本屆CVPR論文開源項目做了個集合。
  • CVPR 2021 視覺Transformer論文大盤點(43篇)
    Amusi 認為引爆CV圈 Transformer熱潮的有兩篇最具代表性論文,即ECCV 2020的DETR(目標檢測)和 ICLR 2021的ViT(圖像分類)。跟著DETR和ViT兩篇論文的時間線,就能猜測到CVPR 2021上會湧現一大批視覺Transformer的工作。
  • ICCV2021 Semantic Segmentation必讀論文推薦
    AMiner通過AI技術,對ICCV 2021收錄的會議論文進行了分類整理,歡迎下載收藏!AMiner-ICCV 2021 https://www.aminer.cn/conf/iccv20211、論文名稱:Re-distributingBiased Pseudo Labels for Semi-supervised Semantic Segmentation: A BaselineInvestigation原文連結:https://www.aminer.cn/pub/60fe36095244ab9dcb35b009
  • 【源頭活水】IPT CVPR 2021 | 底層視覺預訓練Transformer | 華為開原始碼解讀
    「問渠那得清如許,為有源頭活水來」,通過前沿領域知識的學習,從其他研究領域得到啟發,對研究問題的本質有更清晰的認識和理解,是自我提高的不竭源泉。
  • AAAI 2021 目標檢測論文大盤點(YOLObile/R3Det/StarNet等)
    開獎放榜結束有段時間了(近期將開始線上會議),其中的論文大多是目前的SOTA,所以非常值得大家花時間閱讀學習!AAAI 2021 有效投稿數為9034,最終收錄1692篇論文,錄取率是21%。CVer 將正式系列整理 AAAI 2021的大盤點工作。雖然AAAI 論文收錄數量很多,但其是AI大類的頂會,涵蓋了CV、NLP和ML等方向,所以真正屬於CV的論文並沒有特別多。
  • GitHub:語義分割最全資料集錦
    感興趣的同學可以看一下:ECCV 2020 語義分割論文大盤點(38篇論文)註:文末附語義分割微信交流群,歡迎加入學習awesome-semantic-segmentation項目作者:mrgloomStar數量:7100https
  • 商湯科技57篇論文入選ICCV 2019,13項競賽奪冠
    商湯科技57篇論文入選ICCV 2019,13項競賽奪冠 2019年10月29日 09:21作者:網絡編輯:宏偉 今年的ICCV,商湯科技繼續在入選論文數量、質量以及諸多競賽項目中刷新紀錄,彰顯中國原創技術的領先性及深厚學術底蘊,引領計算機視覺學術發展。  商湯科技及聯合實驗室共有57篇論文入選ICCV 2019(包含11篇Oral),同時在Open Images、COCO、LVIS等13項重要競賽中奪冠!
  • CVPR2021 | SETR: 使用 Transformer 從序列到序列的角度重新思考語義分割
    由於對計算成本的關注,特徵圖的解析度逐漸降低,因此編碼器能夠學習更多抽象/語義視覺概念,感受野逐漸增加。然而,編碼器有一個基本限制,即學習遠程依賴信息對於無約束場景圖像中的語義分割至關重要,由於仍然有限的感受野而變得具有挑戰性。為了克服上述限制,最近引入了許多方法。一種方法是直接操縱卷積操作。
  • 如何評價CVPR 2021的論文接收結果?
    (所有實驗都是我自己一個人獨立完成,論文所有內容都是我一人自己寫的,導師稍微給潤色的)我的rebuttal也是參考了很多被錄取的論文rebuttal風格,正面回答了所有的點。但是最終還是被拒絕了。我覺得我已經盡我最大的力了,我覺得我還需要反思,導師也需要反思。
  • Facebook AI的DETR:一種基於Transformer的目標檢測方法
    前不久,Facebook開源了一個這樣的框架,DETR(DEtection TRansformer)在本文中,我們將快速了解目標檢測的概念,然後研究DETR及其帶來的好處。目標檢測在計算機視覺中,目標檢測是一項將對象與背景區分開,並預測圖像中存在的對象的位置和類別的任務。當前的深度學習方法試圖將其作為分類問題或回歸問題或綜合兩者的目標檢測任務來解決。
  • 一文看盡物體檢測中的各種FPN
    )最後一層的特徵圖,直接外接檢測頭做物體檢測。首先,Yolov3中的FPN只利用到了C3-C5三個stage的特徵;其次,從C5特徵到P5特徵,會先經過5層Conv,然後再經過一層3x3Conv;最後,C3-C4到P3-P4特徵,上一層特徵會先經過1x1Conv+2xUpsample,然後先與本層特徵concatenate,再經過5層Conv,之後經過一層3x3Conv。看圖最清楚。
  • 視覺+Transformer最新論文出爐,華為聯合北大、雪梨大學發表
    已有研究表明,Transformer 在計算機視覺領域不僅適用於高級任務如圖像分類、目標檢測、車道線檢測等,在低級任務如圖像增強中也取得了突破性進展,毫無疑問,Transformer 是目前計算機視覺領域最值得關注的方向之一。一時間,在各種視覺任務 + Transformer 的論文正如雨後春筍般湧出。
  • 最適合初學者的18個經典開源計算機視覺項目
    所以在這篇文章中, 我結合併創建了一個基於計算機視覺各種應用的開源計算機視覺項目列表。有很多事情要做,這是一個相當全面的清單,所以讓我們深入研究!下邊是幾個最突出的圖像分類開源項目:Cifar10CIFAR-10是一個在訓練機器學習和計算機視覺算法常用的數據集,它是機器學習最受歡迎的數據集。 包含了60000張圖像, 分為10類, 每張圖像的的尺寸為32x32。
  • ECCV 2020 論文大盤點-語義分割篇
    最近我們在總結ECCV 2020 的論文,分割類論文總計 93 篇,語義分割幾乎佔據半壁江山
  • ICCV 2021 | 新的去雪數據集CSD開源!更快更有效的去雪網絡HDCW-Net
    此外,我也發現這個團隊去年也有在ECCV'20發表另一篇去雪的工作,有興趣可以參考:https://link.springer.com/chapter/10.1007/978-3-030-58589-1_45
  • 熱門的模型跨界,Transformer、GPT做CV任務一文大盤點
    論文一:目標檢測新範式,Detection Transformer(DETR)進行目標檢測由於 Transformer 廣泛應用於序列數據的處理任務,尤其是在語言建模、機器翻譯等任務中表現出良好的性能,那麼在 NLP 領域表現良好的模型是否可以用到視覺領域?來自 Facebook AI 的研究者實現了這一功能。
  • NLP攜手Transformer跨界計算機視覺,DETR:目標檢測新範式
    本文我們將要介紹的是用 Transformer 進行目標檢測任務,主要包括以下內容:論文 1:《End-to-End Object Detection with Transformers》,來自 Facebook AI 的研究者推出的 Transformer 視覺版本——Detection Transformer(DETR),可用於目標檢測和全景分割
  • 一文介紹3篇無需Proposal的實例分割論文
    作者:Bar Vinograd   機器之心編譯   參與:Nurhachu Null、黃小天   本文解析了實例分割領域中的三篇論文