40 天前 / 我爱计算机视觉
关注公众号，发现 CV 技术之美 作者单位：港中文、思谋科技 论文链接：https://arxiv.org/pdf/2111.15288 代码链接：https://github.com/redrock303/Revisiting-Temporal-Alignment-for-Video-Restoration.git 编者言：本文主要侧重对视频帧中时间对齐的研究，提出了一种迭代对齐的方式来精细视频帧之间的对齐，从而成功的刷新了众多视频 low-level 领域的成绩！代码也已开源！ 看点 对于视频恢复任务来说长距离时间对齐是重要的且具有挑战性的。最近的一些工作将长时间对齐划分为渐进处理的子对齐。
40 天前 / rainNight
计算机视觉研究人员的普遍感觉是，现代深层神经网络总是渴望更多的标签数据 - 国家的最先进的电流细胞神经网络需要对接受培训数据集，例如 OpenImages 或 Places，其中包含超过 100 万个标记图像。然而，对于许多应用程序，收集如此大量的标记数据可能会让普通从业者望而却步。 缓解计算机视觉任务缺少标记数据的一种常见方法是使用已在通用数据上预先训练的模型（例如 ImageNet）。这个想法是在通用数据上学习的视觉特征可以重新用于感兴趣的任务。尽管这种预训练在实践中效果很好，但它仍然缺乏快速掌握新概念并在不同上下文中理解它们的能力。
59 天前 / 我爱计算机视觉
关注公众号，发现 CV 技术之美 介绍一篇今天新出的论文。 ▊写在前面 在本文中，作者证明了 masked autoencoders（MAE） 是一种可扩展的计算机视觉自监督学习方法。本文的 MAE 方法很简单：mask 输入图像的随机 patch，并重建丢失的像素 。它基于两个核心设计的。 首先，作者开发了一种非对称的编码器 - 解码器体系结构，其中的编码器只对可见的 patch 子集（没有 mask 的 token）进行操作，同时还有一个轻量级的解码器，该解码器从潜在表示和 mask token 中重建原始图像。
88 天前 / 我爱计算机视觉
关注公众号，发现 CV 技术之美 编 者 言 本文是第一个在深度盲 VSR 中研究真实视频中核的时间一致性的方法，它展示了如何通过核估计和运动补偿的相互作用以便在盲 VSR 中利用时间核和帧信息。 详细信息如下： 论文名称：Temporal Kernel Consistency for Blind Video Super-Resolution 作者单位：华威大学、剑桥大学、三星剑桥 AI 中心 论文链接：https://arxiv.org/pdf/2108.08305.pdf 01 看点 SISR 方法在未知退化帧的升级方面取得了前所未有的性能。这些模型能够从给定的低分辨率 (LR)图像中准确估计未知的降尺度核，以便在恢复过程中利用核。
106 天前 / ???Edison_Guo
关注并星标 从此不迷路 计算机视觉研究院 学习群｜扫码在主页获取加入方式计算机视觉研究院专栏 作者：Edison_G 今天我们“计算机视觉研究院”主要分享深度学习入门的基础书籍集合！主要由来自不同城市的同学一起努力的成果，希望可以给到新入门或即将入门的同学一些帮助，一起学习，共同进步！ 背景 目标检测是数字图像中某一类 ( 如人、动物或汽车 ) 的重要计算机视觉任务。目标检测的目标是开发计算模型和技术，提供计算机视觉应用程序所需的最基本的信息之一：什么目标在哪里？ 目标检测作为计算机视觉的基本问题之一...
132 天前 / 浪客书心
写文章修复发尖的描边法线 flashyiyi程序员，B 站 UP74 人赞同了该文章虽然早就做了描边法线的自动生成，但生成结果却一直存在瑕疵。 因为有人说，大家都是用发尖涂 0 宽度来解决的，就暂时没管。但最近想了想，觉得它在数学上不应该是个无法解决的问题，便认真处理了一下。 之前的法线就是简单的将同顶点法线（排重）相加后归一化。 首先，原始法线本就是不可信任的。法线生成受光滑组影响，也可能被美术后期修改过，并不能完全反映模型的形状。因此，第一步是重新根据顶点坐标计算法线。
142 天前 / 我爱计算机视觉
关注公众号，发现 CV 技术之美 0 写在前面 目前的计算机视觉模型在进行增量学习新的知识的时候，就会出现灾难性遗忘的问题。缓解这种遗忘的最有效的方法需要大量重播（replay）以前训练过的数据；但是，当内存限制或数据合法性问题存在时，这种方法就存在一定的局限性。 在本文中，作者研究了无数据类增量学习 (DFCIL)的问题，也就是增量学习能够学习新的知识，而不存储生成器或过去任务的训练数据。目前，DFCIL 的一种方法是通过倒置学习分类模型的冻结副本，来合成图像用于训练，使得模型能够不忘记以前任务的知识，也不用 replay 以前训练过的数据。
164 天前 / 我爱计算机视觉
题目：Look Closer to Segment Better:Boundary Patch Refinement for Instance Segmentation 论文：https://arxiv.org/pdf/2104.05239.pdf 源码地址：https://github.com/tinyalpha/BPR 0 动机 实例分割任务在自动驾驶和机器人领域广泛使用。近年来，深度学习的发展使得实例分割任务的性能不断提高，但仍面临挑战。实例分割任务的挑战之一是现有的分割算法对于实例边界的分割仍不够理想，如下图左边一栏所示： 观察上图左边一栏的实例分割结果，实例的主体分割结果很好，但是在细节处不太理想。
168 天前 / 我爱计算机视觉
标题：RefineMask: Towards High-Quality Instance Segmentation with Fine-Grained Features 论文：https://arxiv.org/pdf/2104.08569.pdf 代码：https://github.com/zhanggang001/RefineMask/ CVPR 2021 论文，作者单位：清华大学、商汤科技、同济大学、中科院自动化所。 0 动机 实例分割是计算机视觉领域中比较有挑战性的任务之一，Mask R-CNN 是实例分割任务的经典方法，但是包括 Mask R-CNN 在内的多种方法，都会在实例分割时损失一些细节信息，如下图所示： 从上图中可以看出，Mask R-CNN 总体而言有比较高的实例分割精度...
178 天前 / 我爱计算机视觉
CVPR 2021 车道线检测方向论文：Keep your Eyes on the Lane: Real-time Attention-guided Lane Detection 。 论文： https://arxiv.org/pdf/2010.12035.pdf 代码： https://github.com/lucastabelini/LaneATT 0 动机 车道线检测是自动驾驶领域非常重要的子任务之一。作者提出了一个实时、高性能的车道线检测算法，将其命名为 LaneATT。 该方法基于 anchor 实现，且应用了注意力机制，轻量级版本的推理速度达到 250FPS。 01 网络结构 1.1 总体流程算法总体流程如下图所示： 将车辆前视相机采集到的 RGB 图像作为输入，输出车道线位置。
180 天前 / 我爱计算机视觉
1 前言 该论文是关于黑盒对抗攻击的研究并发表于。近几年的研究表明黑盒攻击提交给目标分类器的查询数量已经显著减少，访问效率大大提升。在该论文中作者介绍了一种基于几何原理的黑盒攻击方法。它可以在获取模型信息困难苛刻的条件下实现了高效的攻击效果。是在分类器决策边界的几何属性的精确指示的指导下，沿着不同的方向进行更高效的尝试查询。 论文：https://arxiv.org/abs/2011.12807v1 代码：https://github.com/t-maho/SurFree 2 论文方法 2.1 理论推导 假定已知对抗子空间中边界的一点，其中，。作者在二维的随机放射平面内寻找对抗样本点。
181 天前 / 我爱计算机视觉
1 前言 该论文是关于 GAN 图像生成类的文章出自于大连理工大学并发表于 CVPR2021。GAN 生成能力最关键的一环在于模型利用真实数据的信息量的多少，但是 GAN 及其相应的变体因为利用的信息量比较单薄，所以会导致模型在训练的过程中非常脆弱，容易导致模型崩塌。为了解决这个问题，论文中作者提出了一种新的 GAN 的框架，不同于以往的 GAN 的判别器将样本映射为判别真假的概率值，该论文中判别器将输入样本映射成为高斯分布因子，借此充分的提取真实分布信息，作者从理论实验两方面验证了的有效性。
210 天前 / 我爱计算机视觉
继『Transformer 杀疯了，图像去雨、人脸幻构、风格迁移、语义分割等通通上分』之后，Transformer 在计算机视觉领域继续疯狂“内卷”。 01 CAT: Cross Attention in Vision Transformer 来自快手 & 北邮 Transformer 的计算量大仍是一大问题。 方案：在 Transformer 提出新的 attention 机制：Cross Attention，在 image patch 内部而不是整个图像中交替使用 attention，以捕捉局部信息；在从单通道特征图中划分出来的 image patches 之间应用 attention，以捕捉全局信息。这两种操作的计算量都比 Transformer 中的标准 self-attention 少。
267 天前 / hyper0x
与“计算机视觉”中使用图像数据增强的标准做法不同，在 NLP 中，文本数据的增强非常少见。这是因为对图像的琐碎操作（例如将图像旋转几度或将其转换为灰度）不会改变其语义。语义上不变的转换的存在是使增强成为 Computer Vision 研究中必不可少的工具的原因。 是否有尝试为 NLP 开发增强技术的方法，并探讨了现有文献。在这篇文章中，将基于我的发现概述当前用于文本数据扩充的方法。 本文内容翻译整理自网络。 NLP 数据扩充技术 1.词汇替代 此工作尝试在不更改句子含义的情况下替换文本中出现的单词。
345 天前 / 我爱计算机视觉
本篇是对图像质量相关论文的总结。包含去噪、去模糊、去雾、去马赛克、图像 inpainting 和outpainting、图像恢复、图像着色。 共计 11 篇。如有遗漏，欢迎补充。下载包含这些论文的 WACV 2021 所有论文：『WACV 2021 开幕，更偏重技术应用，附论文下载』 图像、视频去噪 [1].Self-Supervised training for blind multi-frame video denoising 解决盲视频去噪问题 作者 |Valéry Dewil,Jérémy Anger,Axel Davy,Thibaud Ehret,Pablo Arias,Gabriele Facciolo 单位 |巴黎 - 萨克雷大学 论文 |https://arxiv.org/abs/2004.06957 代码 |https://github.com/c...