2020年十大計算機視覺論文 - kdnuggets

訪問GitHub儲存庫中的完整列表
 

1.Sea-thru：一種從水下影像中去除水的方法
您是否曾經想過如果沒有水，海洋會是什麼樣子？去除水下照片的藍綠色色彩，仍然擁有珊瑚礁的真實色彩嗎？好吧，使用計算機視覺和機器學習演算法，海法大學的研究人員能夠準確地做到這一點！
 

2.神經迴路策略可實現可審計的自治性
來自IST Austria和MIT的研究人員已經成功地使用一種新的人工智慧系統訓練了自動駕駛汽車，該系統基於細小動物（如線蟲）的大腦。他們實現了這一點，與流行的深度神經網路（如Inceptions，Resnets或VGG）所需的數百萬個神經元相比，只有少數神經元能夠控制自動駕駛汽車。他們的網路僅使用75,000個引數（由19個控制神經元組成，而不是數百萬個引數）就可以完全控制汽車！
 

3.NeRV：用於重新照明和檢視合成的神經反射率和可見性場
這種新方法能夠生成完整的3維場景，並具有確定場景照明的能力。與以前的方法相比，所有這些都具有非常有限的計算成本和驚人的結果。
 

4.YOLOv4：目標檢測的最佳速度和準確性
第四版已經由Alexey Bochkovsky等人於2020年4月推出。在論文“ YOLOv4：目標檢測的最佳速度和準確性”中。該演算法的主要目標是要製造出精度很高的超快速物體檢測器。
 

5.PULSE：透過生成模型的潛在空間探索進行自我監督的照片升取樣
這個新演算法將模糊的影像轉換成高解析度的影像！
它可以拍攝超低解析度的16x16影像，並將其變成1080p高畫質晰度人臉！
 

6.GPT圖片-畫素生成的預訓練 
像Gmail中使用的AI一樣，一個好的AI可以生成連貫的文字並完成您的短語。這是使用相同的原理來完成影像！全部在無監督的培訓中完成，根本不需要標籤！
 

7.DeepFaceDrawing：從草圖中深度生成面部影像
從具有零繪圖技能的粗糙甚至不完整的草圖中生成高質量的面部影像
 

8.PIFuHD：用於高解析度3D人類數字化的多級畫素對齊隱式函式
該AI從2D影像生成人的3D高解析度重建！它只需要一張您的影像即可生成看起來像您的3D化身，甚至從背面看！
 

9.RAFT：用於光流的遞迴全對場變換
ECCV 2020最佳論文獎授予普林斯頓大學團隊。他們為光流開發了一種新的端到端可訓練模型。他們的方法超越了跨多個資料集的最新體系結構的準確性，並且效率更高。他們甚至在Github上將程式碼提供給所有人！
 

10.學習影片修補的時空聯合變換
與當前的最新技術相比，該AI可以填充移除的移動物件後面的丟失畫素，並以更高的準確性和更少的模糊度重建整個影片！

11.實時人像摳像真的需要綠屏嗎？
人臉消光是一項非常有趣的任務，目標是在圖片中找到任何人並從中刪除背景。由於任務的複雜性，必須找到具有完美輪廓的一個或多個人，這確實很難實現。在本文中，我將回顧這些年來使用的最佳技術以及一種將於2020年11月29日釋出的新穎方法。許多技術都在使用基本的計算機視覺演算法來完成此任務，例如GrabCut演算法，該演算法非常快，但不能非常精確
 

12.DeOldify
DeOldify是一種可以對舊的黑白影像甚至膠片片段進行著色和還原的技術。它是由Jason Antic開發的，並且仍在更新中。現在，這是對黑白影像進行著色的最新技術，並且所有內容都是開源的