17 篇 CVPR 2022 论文速递｜涵盖 3D 目标检测、医学影像、车道线检测等方向

↑ 点击 蓝字  关注极市平台

编辑丨极市平台

转载请联系本公众号获得授权

CVPR 2022 论文分方向整理会持续在极市社区进行更新，目前已经更新了 65篇，项目地址：

https://bbs.cvmart.net/articles/6124

以下是今日更新的 CVPR 2022 论文，包括的研究方向有： 风格迁移、医学影像、图像去模糊、图像生成/合成、3D目标检测、深度估计、超分辨率、车道线检测、人脸反欺诈、半监督学习和图像重建。

点击 阅读原文 即可打包下载。

风格迁移

[1] CLIPstyler: Image Style Transfer with a Single Text Condition(具有单一文本条件的图像风格迁移)

关键词：Style Transfer, Text-guided synthesis, Language-Image Pre-Training (CLIP)

论文： https://arxiv.org/abs/2112.00374

医学影像

[2] Temporal Context Matters: Enhancing Single Image Prediction with Disease Progression Representations(时间上下文很重要：使用疾病进展表示增强单图像预测)

关键词：Self-supervised Transformer, Temporal modeling of disease progression

论文： https://arxiv.org/abs/2203.01933

图像去模糊

[3] E-CIR: Event-Enhanced Continuous Intensity Recovery(事件增强的连续强度恢复)

论文： https://arxiv.org/abs/2203.01935
代码： https://github.com/chensong1995/E-CIR

图像生成/图像合成

[4] 3D Shape Variational Autoencoder Latent Disentanglement via Mini-Batch Feature Swapping for Bodies and Faces(基于小批量特征交换的三维形状变化自动编码器潜在解纠缠

论文： https://arxiv.org/abs/2111.12448
代码： https://github.com/simofoti/3DVAE-SwapDisentangled

[5] Interactive Image Synthesis with Panoptic Layout Generation(具有全景布局生成的交互式图像合成)

论文： https://arxiv.org/abs/2203.02104

[6] Polarity Sampling: Quality and Diversity Control of Pre-Trained Generative Networks via Singular Values(极性采样：通过奇异值对预训练生成网络的质量和多样性控制)

论文： https://arxiv.org/abs/2203.01993
demo： http://bit.ly/polarity-demo-colab

[7] Autoregressive Image Generation using Residual Quantization(使用残差量化的自回归图像生成

论文： https://arxiv.org/abs/2203.01941
代码： https://github.com/kakaobrain/rq-vae-transformer

3D目标检测

[8] A Versatile Multi-View Framework for LiDAR-based 3D Object Detection with Guidance from Panoptic Segmentation(在全景分割的指导下，用于基于 LiDAR 的 3D 对象检测的多功能多视图框架

关键词：3D Object Detection with Point-based Methods, 3D Object Detection with Grid-based Methods, Cluster-free 3D Panoptic Segmentation, CenterPoint 3D Object Detection

论文： https://arxiv.org/abs/2203.02133

[9] Pseudo-Stereo for Monocular 3D Object Detection in Autonomous Driving(自动驾驶中用于单目 3D 目标检测的伪立体)

关键词：Autonomous Driving, Monocular 3D Object Detection

论文： https://arxiv.org/abs/2203.02112
代码： https://github.com/revisitq/Pseudo-Stereo-3D

深度估计

[10] ITSA: An Information-Theoretic Approach to Automatic Shortcut Avoidance and Domain Generalization in Stereo Matching Networks(立体匹配网络中自动避免捷径和域泛化的信息论方法)

关键词：Learning-based Stereo Matching Networks, Single Domain Generalization, Shortcut Learning

论文： https://arxiv.org/abs/2201.02263

[11] ACVNet: Attention Concatenation Volume for Accurate and Efficient Stereo Matching(用于精确和高效立体匹配的注意力连接体积)

关键词：Stereo Matching, cost volume construction, cost aggregation

论文： https://arxiv.org/abs/2203.02146
代码： https://github.com/gangweiX/ACVNet

超分辨率

[12] HDNet: High-resolution Dual-domain Learning for Spectral Compressive Imaging(光谱压缩成像的高分辨率双域学习)

关键词：HSI Reconstruction, Self-Attention Mechanism,  Image Frequency Spectrum Analysis

论文： https://arxiv.org/abs/2203.02149

车道线检测

[13] Rethinking Efficient Lane Detection via Curve Modeling(通过曲线建模重新思考高效车道检测)

关键词：Segmentation-based Lane Detection, Point Detection-based Lane Detection, Curve-based Lane Detection, autonomous driving

论文： https://arxiv.org/abs/2203.02431
代码： https://github.com/voldemortX/pytorch-auto-drive

人脸反欺诈

[14] Voice-Face Homogeneity Tells Deepfake

论文： https://arxiv.org/abs/2203.02195
代码： https://github.com/xaCheng1996/VFD

半监督学习

[15] Class-Aware Contrastive Semi-Supervised Learning(类感知对比半监督学习

关键词：Semi-Supervised Learning, Self-Supervised Learning, Real-World Unlabeled Data Learning

论文： https://arxiv.org/abs/2203.02261

图像重建

[16] Event-based Video Reconstruction via Potential-assisted Spiking Neural Network(通过电位辅助尖峰神经网络进行基于事件的视频重建)

论文： https://arxiv.org/abs/2201.10943

暂无分类

[17] Do Explanations Explain? Model Knows Best

论文： https://arxiv.org/abs/2203.02269

点击 阅读原文 即可打包下载上述论文。

公众号后台回复“数据集”获取60+深度学习数据集下载～

△点击卡片关注极市平台，获取 最新CV干货

极市干货

数据集资源汇总： 10个开源工业检测数据集汇总 ｜ 21个深度学习开源数据集分类汇总

算法trick ： 目标检测比赛中的tricks集锦 ｜ 从39个kaggle竞赛中总结出来的图像分割的Tips和Tricks

技术综述： 一文弄懂各种loss function ｜ 工业图像异常检测最新研究总结（2019-2020）

# CV技术社群邀请函 #

△长按添加极市小助手

添加极市小助手微信（ID : cvmart4）

备注：姓名-学校/公司-研究方向-城市（如：小极-北大-目标检测-深圳）

即可申请加入极市目标检测/图像分割/工业检测/人脸/医学影像/3D/SLAM/自动驾驶/超分辨率/姿态估计/ReID/GAN/图像增强/OCR/视频理解等技术交流群

每月大咖直播分享、真实项目需求对接、求职内推、算法竞赛、干货资讯汇总、与 10000+来自港科大、北大、清华、中科院、CMU、腾讯、百度等名校名企视觉开发者互动交流~

觉得有用麻烦给个在看啦~