neuronuggets: cvpr 2018 in review, part i
作者 |sergey nikolenko、aleksey artamonov
翻譯 |老趙 校對 |李晶
整理| 菠蘿妹
neuronuggets：cvpr 2023年回顧，第一部分
在neuromation，我們一直在尋找有助於我們的研究的新的有趣想法。 還有什麼比頂級會議更適合尋找它們的地方。 我們已經在cvpr（計算機視覺和模式識別）會議的研討會deepglobe介紹了我們如何取得成功。 這次我們將仔細研究一下cvpr本身最有趣的**。 這段時間，頂級會議是非常重要的事情，所以我們準備了一系列的推文。 我們介紹的**沒有特別的順序，不僅選擇優秀的**，而且與我們在neuromation所做的研究相關。 這一次，aleksey artamonov（你以前見過的人）準備了這份列表，我試圖對其補充一些介紹。 在這個系列中，我們將非常簡短，試圖從每篇**中提取最多乙個有趣的點，所以在這種方式我們不能真正了解完整的工作，並強烈建議完整閱讀**。
gan和計算機視覺
在第一部分中，我們專注於生成模型，即不僅可以區分貓狗，還可以生成新的貓和狗影象的機器學習模型。 對於計算機視覺，最成功的一類生成模型是生成性對抗網路（gan），其鑑別器網路學習區分生成的物件和真實物件，生成器學習去欺騙鑑別器。 我們已經多次寫過gan（例如，這裡和這裡），所以讓我們直接進入正題。
尋找戶外的小臉
y. bai等人，用生成性對抗網路在戶外尋找小小的面孔
在沙特和中國研究人員的合作中，作者使用gan來檢測和放大人群**上的非常小的面孔。 即使僅檢測小面孔也是乙個有趣的問題，普通的人臉檢測器（例如，在我們之前的帖子中出現）通常無法解決該問題。 在這裡，作者提出了乙個端到端的流水線來提取面部，然後應用生成模型將其提公升到4倍（乙個稱為超解析度的過程）。 以下是**中的流水線概覽：
pairedcyclegan化妝
h. chang等人，pairedcyclegan：用於和去除化妝的不對稱樣式轉移
條件gan已經廣泛用於影象處理; 我們已經提到過超解析度，gan也成功應用於風格轉換。 使用gan，可以學習與特定影象元素相對應的顯著特徵 - 然後更改它們。 在這項工作中，來自普林斯頓、伯克利和adobe的研究人員提出了乙個修飾**的框架。 這項工作的乙個有趣的部分是作者為不同的臉部組成部分（眼睛，嘴唇，**）訓練單獨的生成器並分別應用它們，用不同的網路提取臉部組成部分：
f. mueller等人，ganerated hands for mon-time rgb for real-time 3d hand tracking
行人遷移gan
l. wei 等人，person transfer gan to bridge domain gap for person re-identification
人物重新識別（reid）是在不同條件和不同情況下拍攝的不同**上找到同乙個人的問題。 這個問題自然而然地成為許多研究的主題，現在已經相對較好地解決了，但是領域差異問題仍然存在：不同的資料集與人物的影象具有非常不同的條件（照明，背景等），在乙個資料集上訓練的網路在轉移到另乙個資料集（以及例如現實世界的應用程式）時損失很大。 上圖展示了不同的資料集。 為了解決這個問題，這項工作提出了一種gan架構，能夠將影象從一種「資料集樣式」轉移到另一種「資料集樣式」，使用gan來通過複雜的變換增強真實資料。 它的工作原理如下：
生成模型的眼睛影象合成
k.wang等人，用於眼睛影象合成和眼睛凝視估計的分層生成模型
倫斯勒理工學院的這項工作解決乙個非常特殊的問題：生**眼的影象。 這不僅對於生成影象中漂亮的眼睛重要，而且用生成的眼睛解決視線估計問題：人們在看什麼？ 這將為真正的科幻介面鋪平道路......但這仍然是未來，目前甚至合成眼睛生成也是乙個非常難的問題。 作者提出了乙個複雜的眼形合成概率模型，並提出了乙個gan架構，根據這個模型生成眼睛 - 取得了巨大的成功。
影象修復：填寫空白
j. yu等人，generative image inpainting with contextual attention
adobe research和伊利諾伊大學厄本那 - 香檳分校的這項工作試**決填補影象空白這個極具挑戰性的問題（見上面的例子）。 通常，修復影象需要了解潛在場景：在上圖中的右上角，你已經知道臉部是什麼樣的，以及我們根據看到的頭髮和頸部**臉可能是什麼樣的。 在這項工作中，作者提出了一種基於gan的方法，可以利用周圍影象的特徵來改善生成。 該結構由兩部分組成，首先生成粗略結果，然後使用另乙個網路對其進行細化。 結果非常不錯：
今天就是這樣。 這只是第一部分，我們將在下一期繼續進行cvpr 2018回顧，再見。
CVPR 2018摘要 第一部分
作者 sergey nikolenko aleksey artamonov 翻譯 老趙 校對 李晶 整理 菠蘿妹 neuronuggets cvpr 2018年回顧，第一部分 在neuromation，我們一直在尋找有助於我們的研究的新的有趣想法。還有什麼比頂級會議更適合尋找它們的地方。我們已經在c...
Axure RP 第一部分
axure rp是乙個專業的快速原型設計工具。axure 發音 ack sure 代表美國axure公司 rp則是rapid prototyping 快速原型 的縮寫。axure rp是美國axure software solution公司旗艦產品，是乙個專業的快速原型設計工具，讓負責定義需求和規格...
第一部分 初識Solr
第一章 solr簡介 這章主要包括內容 這本書講述nosql技術，apache solr 像它的非關係模式兄弟一樣，針對於某些問題進行了優化。特別的，solr在處理企業級大量資料 及時搜尋 文字資料 返回相關性結果等方面進行了很大優化。這裡說的只是冰山一角，讓我們從下面幾方面來進行詳細敘說 solr...