谷歌CVPR最全總結:45篇論文,Ian Goodfellow GAN演講PPT下載

2021-02-15 新智元


  新智元 - CVPR 2018專題  

來源:Google、iangoodfellow.com

整理:肖琴

【新智元導讀】谷歌在今年的CVPR上表現強勢,有超過200名谷歌員工將在大會上展示論文或被邀請演講,45篇論文被接收。在計算機視覺領域,生成對抗網絡GAN無疑是最受關注的主題之一,本文一併帶來谷歌 Staff Research Scientist、GAN的提出人Ian Goodfellow在CVPR 2018上作關於GAN的演講的PPT。

地址:https://ai.googleblog.com

http://www.iangoodfellow.com/slides/2018-06-18.pdf

今天,2018年計算機視覺和模式識別會議(CVPR 2018)正在鹽湖城舉辦,這是計算機視覺領域最重要的年度學術會議,包括主大會和若干workshop和tutorial。作為會議的鑽石贊助商,谷歌在今年的CVPR上同樣表現強勢,有超過200名谷歌員工將在大會上展示論文或被邀請演講,谷歌也組織和參與了多個研討會。

根據谷歌官方博客,CVPR 2018谷歌共有45篇論文被接收。這些論文關注下一代智能系統和機器感知領域的最新機器學習技術,包括Pixel 2和Pixel 2 XL智慧型手機的人像模式背後的技術,V4版本的Open Images數據集等等。

組織者

財務主席:Ramin Zabih 

領域主席:Sameer Agarwal, Aseem Agrawala, Jon Barron, Abhinav Shrivastava, Carl Vondrick, Ming-Hsuan Yang

論文列表

作為結構表示的對象標誌的無監督發現

Unsupervised Discovery of Object Landmarks as Structural Representations 

Yuting Zhang, Yijie Guo, Yixin Jin, Yijun Luo, Zhiyuan He, Honglak Lee

DoubleFusion:利用單個深度傳感器實時捕捉人體的內體形狀

DoubleFusion: Real-time Capture of Human Performances with Inner Body Shapes from a Single Depth Sensor 

Tao Yu, Zerong Zheng, Kaiwen Guo, Jianhui Zhao, Qionghai Dai, Hao Li, Gerard Pons-Moll, Yebin Liu 

用於無監督運動重定向的神經運動網絡

Neural Kinematic Networks for Unsupervised Motion Retargetting 

Ruben Villegas, Jimei Yang, Duygu Ceylan, Honglak Lee 

用核預測網絡去噪

Burst Denoising with Kernel Prediction Networks 

Ben Mildenhall, Jiawen Chen, Jonathan Barron, Robert Carroll, Dillon Sharlet, Ren Ng

神經網絡的量化和訓練,以實現高效的整數運算推理

Quantization and Training of Neural Networks for Efficient Integer-Arithmetic-Only Inference 

Benoit Jacob, Skirmantas Kligys, Bo Chen, Matthew Tang, Menglong Zhu, Andrew Howard, Dmitry Kalenichenko, Hartwig Adam

AVA:一個時空本地化原子視覺動作視頻數據集

AVA: A Video Dataset of Spatio-temporally Localized Atomic Visual Actions 

Chunhui Gu, Chen Sun, David Ross, Carl Vondrick, Caroline Pantofaru, Yeqing Li, Sudheendra Vijayanarasimhan, George Toderici, Susanna Ricco, Rahul Sukthankar, Cordelia Schmid, Jitendra Malik 

視覺問答的視覺-文本注意力焦點

Focal Visual-Text Attention for Visual Question Answering 

Junwei Liang, Lu Jiang, Liangliang Cao, Li-Jia Li, Alexander G. Hauptmann

推斷來自陰影中的光場

Inferring Light Fields from Shadows 

Manel Baradad, Vickie Ye, Adam Yedida, Fredo Durand, William Freeman, Gregory Wornell, Antonio Torralba 

修改多個視圖中的非本地變量

Modifying Non-Local Variations Across Multiple Views 

Tal Tlusty, Tomer Michaeli, Tali Dekel, Lihi Zelnik-Manor

超越卷積的迭代視覺推理

Iterative Visual Reasoning Beyond Convolutions 

Xinlei Chen, Li-jia Li, Fei-Fei Li, Abhinav Gupta 

3D形變模型回歸的無監督訓練

Unsupervised Training for 3D Morphable Model Regression

Kyle Genova, Forrester Cole, Aaron Maschinot, Daniel Vlasic, Aaron Sarna, William Freeman

學習可擴展圖像識別的可轉換架構

Learning Transferable Architectures for Scalable Image Recognition

Barret Zoph, Vijay Vasudevan, Jonathon Shlens, Quoc Le 

生物物種分類和檢測數據集

The iNaturalist Species Classification and Detection Dataset 

Grant van Horn, Oisin Mac Aodha, Yang Song, Yin Cui, Chen Sun, Alex Shepard, Hartwig Adam, Pietro Perona, Serge Belongie 

利用觀察世界來學習內在的圖像分解

Learning Intrinsic Image Decomposition from Watching the World 

Zhengqi Li, Noah Snavely 

學習智能對話框用於邊界框注釋

Learning Intelligent Dialogs for Bounding Box Annotation 

Ksenia Konyushkova, Jasper Uijlings, Christoph Lampert, Vittorio Ferrari 

重新審視訓練對象類別檢測器的知識遷移

Revisiting Knowledge Transfer for Training Object Class Detectors 

Jasper Uijlings, Stefan Popov, Vittorio Ferrari 

重新思考用Faster R-CNN架構進行時間動作定位

Rethinking the Faster R-CNN Architecture for Temporal Action Localization 

Yu-Wei Chao, Sudheendra Vijayanarasimhan, Bryan Seybold, David Ross, Jia Deng, Rahul Sukthankar 

視覺對象識別的層次式新穎性檢測

Hierarchical Novelty Detection for Visual Object Recognition 

Kibok Lee, Kimin Lee, Kyle Min, Yuting Zhang, Jinwoo Shin, Honglak Lee 

COCO-Stuff:語境中的事物和材料類別

COCO-Stuff: Thing and Stuff Classes in Context 

Holger Caesar, Jasper Uijlings, Vittorio Ferrari 

用於視頻分類的外觀關係網絡

Appearance-and-Relation Networks for Video Classification 

Limin Wang, Wei Li, Wen Li, Luc Van Gool 

MorphNet:深度網絡的快速簡單資源約束結構學習

MorphNet: Fast & Simple Resource-Constrained Structure Learning of Deep Networks

Ariel Gordon, Elad Eban, Bo Chen, Ofir Nachum, Tien-Ju Yang, Edward Choi 

圖形卷積自動編碼器的可變形形狀補完

Deformable Shape Completion with Graph Convolutional Autoencoders

Or Litany, Alex Bronstein, Michael Bronstein, Ameesh Makadia 

MegaDepth:從網際網路照片學習單視圖深度預測

MegaDepth: Learning Single-View Depth Prediction from Internet Photos 

Zhengqi Li, Noah Snavely 

作為結構表示的對象標誌的無監督發現

Unsupervised Discovery of Object Landmarks as Structural Representations 

Yuting Zhang, Yijie Guo, Yixin Jin, Yijun Luo, Zhiyuan He, Honglak Lee 

用核預測網絡去噪

Burst Denoising with Kernel Prediction Networks 

Ben Mildenhall, Jiawen Chen, Jonathan Barron, Robert Carroll, Dillon Sharlet, Ren Ng 

神經網絡的量化和訓練,以實現高效的整數運算推理

Quantization and Training of Neural Networks for Efficient Integer-Arithmetic-Only Inference 

Benoit Jacob, Skirmantas Kligys, Bo Chen, Matthew Tang, Menglong Zhu, Andrew Howard, Dmitry Kalenichenko, Hartwig Adam


Pix3D:單圖像3D形狀建模的數據集和方法

Pix3D: Dataset and Methods for Single-Image 3D Shape Modeling

Xingyuan Sun, Jiajun Wu, Xiuming Zhang, Zhoutong Zhang, Tianfan Xue, Joshua Tenenbaum,William Freeman

用於表示和編輯圖像的稀疏智能輪廓

Sparse, Smart Contours to Represent and Edit Images 

Tali Dekel, Dilip Krishnan, Chuang Gan, Ce Liu, William Freeman

MaskLab:通過使用語義和方向特徵優化對象檢測進行實例分割

MaskLab: Instance Segmentation by Refining Object Detection with Semantic and Direction Features 

Liang-Chieh Chen, Alexander Hermans, George Papandreou, Florian Schroff, Peng Wang,Hartwig Adam 

大規模細粒度分類和領域特定的遷移學習

Large Scale Fine-Grained Categorization and Domain-Specific Transfer Learning 

Yin Cui, Yang Song, Chen Sun, Andrew Howard, Serge Belongie 

改進的帶有初始值和空間自適應比特率的有損網絡壓縮

Improved Lossy Image Compression with Priming and Spatially Adaptive Bit Rates for Recurrent Networks 

Nick Johnston, Damien Vincent, David Minnen, Michele Covell, Saurabh Singh, Sung Jin Hwang, George Toderici, Troy Chinen, Joel Shor 

MobileNetV2:反向殘差和線性瓶頸

MobileNetV2: Inverted Residuals and Linear Bottlenecks

Mark Sandler, Andrew Howard, Menglong Zhu, Andrey Zhmoginov, Liang-Chieh Chen 


ScanComplete:3D掃描的大規模場景補完和語義分割

ScanComplete: Large-Scale Scene Completion and Semantic Segmentation for 3D Scans 

Angela Dai, Daniel Ritchie, Martin Bokeloh, Scott Reed, Juergen Sturm, Matthias Nießner

Sim2Real通過循環控制查看不變視覺伺服

Sim2Real View Invariant Visual Servoing by Recurrent Control 

Fereshteh Sadeghi, Alexander Toshev, Eric Jang, Sergey Levine

Alternating-Stereo VINS:可觀測性分析和性能評估

Alternating-Stereo VINS: Observability Analysis and Performance Evaluation 

Mrinal Kanti Paul, Stergios Roumeliotis 


桌上足球

Soccer on Your Tabletop 

Konstantinos Rematas, Ira Kemelmacher, Brian Curless, Steve Seitz 

使用3D幾何約束從單眼視頻中無監督地學習深度和自我運動

Unsupervised Learning of Depth and Ego-Motion from Monocular Video Using 3D Geometric Constraints 

Reza Mahjourian, Martin Wicke, Anelia Angelova 

AVA:一個時空本地化原子視覺動作視頻數據集

AVA: A Video Dataset of Spatio-temporally Localized Atomic Visual Actions 

Chunhui Gu, Chen Sun, David Ross, Carl Vondrick, Caroline Pantofaru, Yeqing Li, Sudheendra Vijayanarasimhan, George Toderici, Susanna Ricco, Rahul Sukthankar, Cordelia Schmid, Jitendra Malik

推斷來自陰影中的光場

Inferring Light Fields from Shadows 

Manel Baradad, Vickie Ye, Adam Yedida, Fredo Durand, William Freeman, Gregory Wornell, Antonio Torralba 

修改多個視圖中的非本地變量

Modifying Non-Local Variations Across Multiple Views 

Tal Tlusty, Tomer Michaeli, Tali Dekel, Lihi Zelnik-Manor 

用於單目深度估計的孔徑監控

Aperture Supervision for Monocular Depth Estimation 

Pratul Srinivasan, Rahul Garg, Neal Wadhwa, Ren Ng, Jonathan Barron

實例嵌入轉移到無監督視頻對象分割

Instance Embedding Transfer to Unsupervised Video Object Segmentation

Siyang Li, Bryan Seybold, Alexey Vorobyov, Alireza Fathi, Qin Huang, C.-C. Jay Kuo 

幀回放視頻超解析度

Frame-Recurrent Video Super-Resolution 

Mehdi S. M. Sajjadi, Raviteja Vemulapalli, Matthew Brown

稀疏時間池網絡的弱監督動作定位

Weakly Supervised Action Localization by Sparse Temporal Pooling Network 

Phuc Nguyen, Ting Liu, Gautam Prasad, Bohyung Han 

超越卷積的迭代視覺推理

Iterative Visual Reasoning Beyond Convolutions 

Xinlei Chen, Li-jia Li, Fei-Fei Li, Abhinav Gupta 

學習和使用時間箭頭

Learning and Using the Arrow of Time 

Donglai Wei, Andrew Zisserman, William Freeman, Joseph Lim 

HydraNets:高效推理的專用動態架構

HydraNets: Specialized Dynamic Architectures for Efficient Inference 

Ravi Teja Mullapudi, Noam Shazeer, William Mark, Kayvon Fatahalian 

在有限的監督下進行胸部疾病的識別和定位

Thoracic Disease Identification and Localization with Limited Supervision 

Zhe Li, Chong Wang, Mei Han, Yuan Xue, Wei Wei, Li-jia Li, Fei-Fei Li 

推斷分層文本-圖像合成的語義布局

Inferring Semantic Layout for Hierarchical Text-to-Image Synthesis 

Seunghoon Hong, Dingdong Yang, Jongwook Choi, Honglak Lee

深層語義的臉部去模糊

Deep Semantic Face Deblurring 

Ziyi Shen, Wei-Sheng Lai, Tingfa Xu, Jan Kautz, Ming-Hsuan Yang

3D形變模型回歸的無監督訓練

Unsupervised Training for 3D Morphable Model Regression 

Kyle Genova, Forrester Cole, Aaron Maschinot, Daniel Vlasic, Aaron Sarna, William Freeman

學習可擴展圖像識別的可轉換架構

Learning Transferable Architectures for Scalable Image Recognition 

Barret Zoph, Vijay Vasudevan, Jonathon Shlens, Quoc Le 

利用觀察世界來學習內在的圖像分解

Learning Intrinsic Image Decomposition from Watching the World 

Zhengqi Li, Noah Snavely

PiCANet:針對像素級的上下文注意力,以檢測顯著性

PiCANet: Learning Pixel-wise Contextual Attention for Saliency Detection 

Nian Liu, Junwei Han, Ming-Hsuan Yang

機器人和駕駛中的計算機視覺

Computer Vision for Robotics and Driving 

Anelia Angelova, Sanja Fidler 

無監督視覺學習

Unsupervised Visual Learning 

Pierre Sermanet, Anelia Angelova 

UltraFast 3D感應,重建和理解人物、物體和環境

UltraFast 3D Sensing, Reconstruction and Understanding of People, Objects and Environments

Sean Fanello, Julien Valentin, Jonathan Taylor, Christoph Rhemann, Adarsh Kowdle, Jürgen Sturm, Christine Kaeser-Chen, Pavel Pidlypenskyi, Rohit Pandey, Andrea Tagliasacchi, Sameh Khamis, David Kim, Mingsong Dou, Kaiwen Guo, Danhang Tang, Shahram Izadi

生成對抗網絡

Generative Adversarial Networks

Jun-Yan Zhu, Taesung Park, Mihaela Rosca, Phillip Isola, Ian Goodfellow

Ian Goodfellowa:生成對抗網絡(35 PPT)

生成建模:密度估計

生成建模:樣本生成

訓練數據(CelebA)→樣本生成

對抗網絡的框架

Self-Attention GAN

ImageNet上最優的FID:1000個類別,128x128 像素

Self-Play

用GAN能做什麼呢?

模擬環境和訓練數據

缺失數據

半監督學習

多個正確答案

逼真的生成任務

基於模型的優化

自動化定製

域適應

自動駕駛數據集

用於模擬訓練數據的GAN

GAN用於缺失數據

從上面這張圖像能看出什麼呢?

用GAN模型看出它是一張臉

GAN用於半監督學習

用於半監督學習的有監督鑑別器

半監督分類

MNIST: 100訓練標籤 -> 80 測試錯誤

SVHN: 1000 訓練標籤 -> 4.3% 測試誤差 

CIFAR-10: 4000 標籤 -> 14.4% 測試誤差


GAN用於下一幀視頻的預測

GAN用於逼真的生成任務

GAN用於基於模型的優化

GAN用於自動化定製

GAN用於域自適應

GAN的一些技巧

在鑑別器和生成器中 (Zhang et al 2018) 都進行頻譜歸一化 (Miyato et al 2017)

生成器和鑑別器的學習率不同(Heusel et al 2017)

不需要比生成器更頻繁地運行鑑別器(Zhang et al 2018)

 許多不同的損失函數都能很好地工作(Lucic et al 2017); 可以花費更多時間調整超參數,而不是嘗試不同的損失函數

【加入社群】

新智元 AI 技術 + 產業社群招募中,歡迎對 AI 技術 + 產業落地感興趣的同學,加小助手微信號: aiera2015_3  入群;通過審核後我們將邀請進群,加入社群後務必修改群備註(姓名 - 公司 - 職位;專業群審核較嚴,敬請諒解)。

相關焦點

  • 梳理谷歌45篇入選CVPR論文,後附GAN主題演講PPT下載!
    谷歌在今年的CVPR上表現強勢,有超過200名谷歌員工將在大會上展示論文或被邀請演講,45篇論文被接收。在計算機視覺領域,生成對抗網絡GAN無疑是最受關注的主題之一,本文一併帶來谷歌 Staff Research Scientist、GAN的提出人Ian Goodfellow在CVPR 2018上作關於GAN的演講的PPT。
  • 【ICML2019】IanGoodfellow自注意力GAN的代碼與PPT
    【導讀】谷歌研究人員Han Zhang和Ian Goodfellow在ICML2019提出的」自注意力生成對抗網絡」(SAGAN),將自注意力機制引入到卷積
  • GAN之父Ian Goodfellow :那個賦予機器想像力的人類
    臉書的人工智慧首席科學家Yann LeCun將GAN稱之為『近20年來深度學習領域最棒的想法』。前百度大腦首席科學家吳恩達認為GAN代表著「一項重大而根本性的進步」,它鼓舞了全球越來越多的研究人員。Goodfellow現在是位於加州山景城谷歌總部的谷歌大腦團隊中的一名研究員(大數據文摘之前報導過他在谷歌做實習生的精彩故事)。
  • 專訪Ian Goodfellow:欲在谷歌打造GAN團隊,用假數據訓練真模型
    來源: Wired作者:Cade Metz翻譯:劉小芹  弗格森【新智元導讀】 近日,從Open AI 重回谷歌大腦的 Ian Goodfellow 接受Wired 專訪,這篇文章被Google+推薦為關於對抗生成網絡歷史和未來的絕佳文章。
  • Ian Goodfellow:GAN相比其他生成模型的優缺點及應用
    來源:CSDN 授權轉載作者:蔣紅亮【新智元導讀】生成對抗網絡(GAN)的發明人 Ian Goodfellow
  • 人物 | Ian Goodfellow親述GAN簡史:人工智慧不能理解它無法創造的東西
    Goodfellow 是當今人工智慧領域最重要的研究者之一,在 OpenAI (谷歌大腦的競爭者,由 Elon Musk 和 Sam Altman 聯合創建)短暫工作之後,他又重返谷歌,組建一個新的研究團隊探索「生成模型」,其可以創建圖片、聲音和真實世界的其他表徵。 Goodfellow 同意費曼的觀點,認為這一努力是實現所有人工智慧的一條重要路徑。
  • Ian Goodfellow回憶GAN誕生故事:幾杯啤酒喝出「20年來最酷的深度學習想法」
    Ian Goodfellow在推特上轉發這篇文章:關於GAN的誕生往事Goodfellow是世界上最重要的AI研究人員之一,在Elon Musk和Sam Altman建立的谷歌大腦競逐對手OpenAI短暫工作後,他返回谷歌,建立了一個新的研究小組,探索「生成模型」——一個可以創造現實世界的照片,聲音和其他表徵的系統。
  • CVPR 引用量最高的10篇論文!何愷明ResNet登頂,YOLO佔據兩席!
    這個排名是依據過去五年發表研究的數據(覆蓋2015-2019年發表的文章),並包括截止2020年6月在谷歌學術中被索引的所有文章的引用量。眾所周知,CV領域的三大頂會就是:CVPR、ICCV和ECCV。本文就來盤點CVPR 2015-2019年引用量最高的10篇論文。
  • 【NIPS 2017】英偉達、谷歌研究盤點,谷歌45篇論文、28個Workshop搶先看(論文下載)
    、接收論文等。本文將介紹谷歌和英偉達在NIPS 2017的表現,包括接收論文、邀請演講、海報、研討會、比賽和教程等。本周,NIPS 2017 在加利福尼亞州長灘市舉行,這是一個機器學習和計算神經科學的大會,包含有關最新的機器學習研究的邀請報告、展示和演講。谷歌有450多名員工參與NIPS 2017,通過技術講座、海報、研討會、比賽和教程等方式向更廣泛的學術研究社區貢獻和學習。
  • CVPR2019最全整理:全部論文下載,Github源碼匯總、直播視頻、論文解讀等
    論文打包下載作為計算機視覺領域的頂級學術會議,CVPR 今年共收到了 5165 篇有效提交論文,並公布了接收論文1294篇!不久之前,CVPR 2019 官網放出所有接收論文的下載連結:http://openaccess.thecvf.com/CVPR2019.py極市已將1294
  • GAN學習路線圖:論文、應用、課程、書籍大總結
    從論文資源、到應用實例,再到書籍、教程和入門指引,不管是新人還是老手,都能有所收穫。本文是一篇關於GAN開源資源的一篇分類匯總貼。全文共分為論文、應用、課程、書籍和入門指南五個部分,比較硬核的論文和應用實例部分放在前面,課程、入門指導等內容則放在文末。無論是對於初學者還是老手,相信本文的內容都會對你有所幫助。
  • CVPR 2017國內外亮點論文匯集:史上最盛大會議,華人佔據半壁江山
    這七百餘篇論文中有哪些亮點?眾多參會的中國研究機構又貢獻了多少?我們為你整理了一篇觀看指南。不久之前,谷歌發布了 2017 版學術指標。從這次公布的數據來看,只有少數學術會議的影響因子超過了熱門的預印版論文發布平臺 arXiv。
  • 「GANs 之父」 Ian Goodfellow 跳槽蘋果
    這一更新,震驚四座,畢竟從他 3 月份至今的推特情況來看,互動最頻繁的依然是來自谷歌大腦和 OpenAI 的小夥伴們。當然,更重要的是,他這次沒有選擇重回 OpenAI 的懷抱。3月份他還親自轉發了谷歌 AI 的推文隨後不久,谷歌發言人證實了他的離職,不過卻拒絕對此作出回應,Ian Goodfellow 同樣對此三緘其口。
  • Ian Goodfellow:我最大的失敗是用無監督解決計算機視覺的監督學習問題
    是谷歌大腦團隊的staff research scientist,負責領導一個研究AI中對抗技術的研究團隊。Ian Goodfellow:謝謝你邀請我!我是谷歌的一名AI研究員,領導一個研究團隊。我們正在致力於更好地理解AI失敗的情況,以便我們能夠為負責任的AI開發建立明確的工程原則。我的個人時間大部分都在學習如何使AI安全——例如,如何確保惡意攻擊者無法欺騙AI系統去執行攻擊者的意圖,而不是設計者的意圖。
  • 下載 ‖ 2017 CVPR 開放論文合輯大全
    6.CVPR 2017 目標跟蹤相關論文文中包括main conference中單目標跟蹤相關的論文,總共11篇,相關濾波7篇,其中1篇是oral,3篇用到卷積特徵,相關濾波佔了64%,(非卷積特徵的)CNN相關4篇,可以看出目標跟蹤現在最火的是相關濾波和深度學習。
  • 【CVPR最佳論文重磅出爐】清華奪冠,「半壁江山」華人獲獎少
    【新智元導讀】備受矚目的 CVPR 2017 剛剛公布了最佳論文歸屬:康奈爾大學和清華大學DenseNet和蘋果首次公開的視覺方向論文。新智元第一時間介紹獲獎論文,同時獻上本屆大會導覽,包括①全部 783 篇接收論文中的最熱關鍵詞及體現的技術趨勢,深度學習依然是主流,Image、Object、Video 等詞出現頻率也很高;②三場主旨演講(包括沈向洋)③近 30 個 workshop 及相關競賽結果(下一個ImageNet會是哪個?)以及④參會企業大盤點。
  • CVPR 2021 目標檢測論文大盤點(65篇論文)
    2D目標檢測論文大盤點,之前已分享:關於更多CVPR 2021的論文和開原始碼,可見下面連結:https://github.com/amusi/CVPR2021-Papers-with-CodeCVPR 2021 2D目標檢測論文(65篇)Amusi 一共搜集了
  • CVPR2019無人駕駛相關論文
    點擊文末「閱讀原文」立刻申請入群~CVPR2019 accepted list ID已經放出,極市已將目前收集到的公開論文總結到github上(目前已收集210篇),後續會不斷更新,歡迎關注,也歡迎大家提交自己的論文:https://github.com/extreme-assistant/cvpr2019
  • 深度 CVPR 2016谷歌論文全收錄:直擊谷歌計算機視覺研究最新動態(附論文)
    作為計算機視覺研究的領導者,谷歌帶著 8 篇論文,受邀討論,強勢出現在此次發布會、課程和研討會上。據谷歌 Research Blog 介紹,谷歌的研究員劉策(Ce Liu)和谷歌學院顧問 Abhinav Gupta,雙雙被選為年度在計算機視覺中做出傑出研究貢獻的 PAMI 青年研究者獎。
  • 時隔一年,盤點CVPR 2019影響力最大的20篇論文
    CVPR 2019 已經過去一年了,本文盤點其中影響力最大的 20 篇論文,這裡的影響力以谷歌學術上顯示的論文的引用量排序,截止時間為