谷歌CVPR最全总结:45篇论文,Ian Goodfellow GAN演讲PPT下载

2018 年 6 月 19 日 新智元




  新智元 - CVPR 2018专题  

来源:Google、iangoodfellow.com

整理:肖琴


【新智元导读】谷歌在今年的CVPR上表现强势,有超过200名谷歌员工将在大会上展示论文或被邀请演讲,45篇论文被接收。在计算机视觉领域,生成对抗网络GAN无疑是最受关注的主题之一,本文一并带来谷歌 Staff Research Scientist、GAN的提出人Ian Goodfellow在CVPR 2018上作关于GAN的演讲的PPT。


地址:https://ai.googleblog.com

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


今天,2018年计算机视觉和模式识别会议(CVPR 2018)正在盐湖城举办,这是计算机视觉领域最重要的年度学术会议,包括主大会和若干workshop和tutorial。作为会议的钻石赞助商,谷歌在今年的CVPR上同样表现强势,有超过200名谷歌员工将在大会上展示论文或被邀请演讲,谷歌也组织和参与了多个研讨会。


根据谷歌官方博客,CVPR 2018谷歌共有45篇论文被接收。这些论文关注下一代智能系统和机器感知领域的最新机器学习技术,包括Pixel 2和Pixel 2 XL智能手机的人像模式背后的技术,V4版本的Open Images数据集等等。


Google at CVPR 2018


组织者

  • 财务主席:Ramin Zabih 

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


论文列表


  • Orals/Spotlights


作为结构表示的对象标志的无监督发现

Unsupervised Discovery of Object Landmarks as Structural Representations 

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


DoubleFusion:利用单个深度传感器实时捕捉人体的内体形状

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 


用于无监督运动重定向的神经运动网络

Neural Kinematic Networks for Unsupervised Motion Retargetting 

Ruben Villegas, Jimei Yang, Duygu Ceylan, Honglak Lee 


用核预测网络去噪

Burst Denoising with Kernel Prediction Networks 

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


神经网络的量化和训练,以实现高效的整数运算推理

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:一个时空本地化原子视觉动作视频数据集

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 


视觉问答的视觉-文本注意力焦点

Focal Visual-Text Attention for Visual Question Answering 

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


推断来自阴影中的光场

Inferring Light Fields from Shadows 

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


修改多个视图中的非本地变量

Modifying Non-Local Variations Across Multiple Views 

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


超越卷积的迭代视觉推理

Iterative Visual Reasoning Beyond Convolutions 

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


3D形变模型回归的无监督训练

Unsupervised Training for 3D Morphable Model Regression

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


学习可扩展图像识别的可转换架构

Learning Transferable Architectures for Scalable Image Recognition

Barret Zoph, Vijay Vasudevan, Jonathon Shlens, Quoc Le 


生物物种分类和检测数据集

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 


利用观察世界来学习内在的图像分解

Learning Intrinsic Image Decomposition from Watching the World 

Zhengqi Li, Noah Snavely 


学习智能对话框用于边界框注释

Learning Intelligent Dialogs for Bounding Box Annotation 

Ksenia Konyushkova, Jasper Uijlings, Christoph Lampert, Vittorio Ferrari 


  • Posters


重新审视训练对象类别检测器的知识迁移

Revisiting Knowledge Transfer for Training Object Class Detectors 

Jasper Uijlings, Stefan Popov, Vittorio Ferrari 


重新思考用Faster R-CNN架构进行时间动作定位

Rethinking the Faster R-CNN Architecture for Temporal Action Localization 

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


视觉对象识别的层次式新颖性检测

Hierarchical Novelty Detection for Visual Object Recognition 

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


COCO-Stuff:语境中的事物和材料类别

COCO-Stuff: Thing and Stuff Classes in Context 

Holger Caesar, Jasper Uijlings, Vittorio Ferrari 


用于视频分类的外观关系网络

Appearance-and-Relation Networks for Video Classification 

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


MorphNet:深度网络的快速简单资源约束结构学习

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

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


图形卷积自动编码器的可变形形状补完

Deformable Shape Completion with Graph Convolutional Autoencoders

Or Litany, Alex Bronstein, Michael Bronstein, Ameesh Makadia 


MegaDepth:从互联网照片学习单视图深度预测

MegaDepth: Learning Single-View Depth Prediction from Internet Photos 

Zhengqi Li, Noah Snavely 


作为结构表示的对象标志的无监督发现

Unsupervised Discovery of Object Landmarks as Structural Representations 

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


用核预测网络去噪

Burst Denoising with Kernel Prediction Networks 

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


神经网络的量化和训练,以实现高效的整数运算推理

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:单图像3D形状建模的数据集和方法

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

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


用于表示和编辑图像的稀疏智能轮廓

Sparse, Smart Contours to Represent and Edit Images 

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


MaskLab:通过使用语义和方向特征优化对象检测进行实例分割

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 


大规模细粒度分类和领域特定的迁移学习

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

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


改进的带有初始值和空间自适应比特率的有损网络压缩

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:反向残差和线性瓶颈

MobileNetV2: Inverted Residuals and Linear Bottlenecks

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


ScanComplete:3D扫描的大规模场景补完和语义分割

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

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


Sim2Real通过循环控制查看不变视觉伺服

Sim2Real View Invariant Visual Servoing by Recurrent Control 

Fereshteh Sadeghi, Alexander Toshev, Eric Jang, Sergey Levine


Alternating-Stereo VINS:可观测性分析和性能评估

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几何约束从单眼视频中无监督地学习深度和自我运动

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

Reza Mahjourian, Martin Wicke, Anelia Angelova 


AVA:一个时空本地化原子视觉动作视频数据集

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


推断来自阴影中的光场

Inferring Light Fields from Shadows 

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


修改多个视图中的非本地变量

Modifying Non-Local Variations Across Multiple Views 

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


用于单目深度估计的孔径监控

Aperture Supervision for Monocular Depth Estimation 

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


实例嵌入转移到无监督视频对象分割

Instance Embedding Transfer to Unsupervised Video Object Segmentation

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


帧回放视频超分辨率

Frame-Recurrent Video Super-Resolution 

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


稀疏时间池网络的弱监督动作定位

Weakly Supervised Action Localization by Sparse Temporal Pooling Network 

Phuc Nguyen, Ting Liu, Gautam Prasad, Bohyung Han 


超越卷积的迭代视觉推理

Iterative Visual Reasoning Beyond Convolutions 

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


学习和使用时间箭头

Learning and Using the Arrow of Time 

Donglai Wei, Andrew Zisserman, William Freeman, Joseph Lim 


HydraNets:高效推理的专用动态架构

HydraNets: Specialized Dynamic Architectures for Efficient Inference 

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


在有限的监督下进行胸部疾病的识别和定位

Thoracic Disease Identification and Localization with Limited Supervision 

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


推断分层文本-图像合成的语义布局

Inferring Semantic Layout for Hierarchical Text-to-Image Synthesis 

Seunghoon Hong, Dingdong Yang, Jongwook Choi, Honglak Lee


深层语义的脸部去模糊

Deep Semantic Face Deblurring 

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


3D形变模型回归的无监督训练

Unsupervised Training for 3D Morphable Model Regression 

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


学习可扩展图像识别的可转换架构

Learning Transferable Architectures for Scalable Image Recognition 

Barret Zoph, Vijay Vasudevan, Jonathon Shlens, Quoc Le 


利用观察世界来学习内在的图像分解

Learning Intrinsic Image Decomposition from Watching the World 

Zhengqi Li, Noah Snavely


PiCANet:针对像素级的上下文注意力,以检测显著性

PiCANet: Learning Pixel-wise Contextual Attention for Saliency Detection 

Nian Liu, Junwei Han, Ming-Hsuan Yang


  • Tutorials


机器人和驾驶中的计算机视觉

Computer Vision for Robotics and Driving 

Anelia Angelova, Sanja Fidler 


无监督视觉学习

Unsupervised Visual Learning 

Pierre Sermanet, Anelia Angelova 


UltraFast 3D感应,重建和理解人物、物体和环境

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


生成对抗网络

Generative Adversarial Networks

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


Ian Goodfellowa:生成对抗网络(35 PPT)


生成建模:密度估计

  • 训练数据→密度函数

生成建模:样本生成

训练数据(CelebA)→样本生成

对抗网络的框架


Self-Attention GAN

ImageNet上最优的FID:1000个类别,128x128 像素


Self-Play


用GAN能做什么呢?

  • 模拟环境和训练数据

  • 缺失数据

  • 半监督学习

  • 多个正确答案

  • 逼真的生成任务

  • 基于模型的优化

  • 自动化定制

  • 域适应

自动驾驶数据集


用于模拟训练数据的GAN


GAN用于缺失数据

  • 从上面这张图像能看出什么呢?

  • 用GAN模型看出它是一张脸


GAN用于半监督学习


用于半监督学习的有监督鉴别器

半监督分类

  • MNIST: 100训练标签 -> 80 测试错误

  • SVHN: 1000 训练标签 -> 4.3% 测试误差 

  • CIFAR-10: 4000 标签 -> 14.4% 测试误差



GAN用于下一帧视频的预测

GAN用于逼真的生成任务

  • iGAN

  • 图像到图像翻译


  • 无监督的图像到图像翻译


  • CycleGAN


  • 文本-图像合成


GAN用于基于模型的优化

  • 设计DNA以优化蛋白质结合的研究


GAN用于自动化定制

  • 个性化的GANufacturing


GAN用于域自适应

  • 域对抗网络


GAN的一些技巧

  • 在鉴别器和生成器中 (Zhang et al 2018) 都进行频谱归一化 (Miyato et al 2017)

  • 生成器和鉴别器的学习率不同(Heusel et al 2017)

  • 不需要比生成器更频繁地运行鉴别器(Zhang et al 2018)

  •  许多不同的损失函数都能很好地工作(Lucic et al 2017); 可以花费更多时间调整超参数,而不是尝试不同的损失函数






【加入社群】


新智元 AI 技术 + 产业社群招募中,欢迎对 AI 技术 + 产业落地感兴趣的同学,加小助手微信号: aiera2015_3  入群;通过审核后我们将邀请进群,加入社群后务必修改群备注(姓名 - 公司 - 职位;专业群审核较严,敬请谅解)。



登录查看更多
3

相关内容

CVPR是IEEE Conference on Computer Vision and Pattern Recognition的缩写,即IEEE国际计算机视觉与模式识别会议。该会议是由IEEE举办的计算机视觉和模式识别领域的顶级会议。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
最新《生成式对抗网络》简介,25页ppt
专知会员服务
173+阅读 · 2020年6月28日
【快讯】CVPR2020结果出炉,1470篇上榜, 你的paper中了吗?
深度强化学习策略梯度教程,53页ppt
专知会员服务
178+阅读 · 2020年2月1日
必读的10篇 CVPR 2019【生成对抗网络】相关论文和代码
专知会员服务
32+阅读 · 2020年1月10日
BERT进展2019四篇必读论文
专知会员服务
67+阅读 · 2020年1月2日
【干货】Ian GoodFellow ICLR 2019演讲:对抗机器学习的进展与挑战
GAN生成式对抗网络
18+阅读 · 2019年5月15日
CVPR 2018 最酷的十篇论文
AI研习社
6+阅读 · 2019年2月13日
计算机视觉领域顶会CVPR 2018 接受论文列表
A General and Adaptive Robust Loss Function
Arxiv
8+阅读 · 2018年11月5日
Arxiv
16+阅读 · 2018年2月7日
VIP会员
Top
微信扫码咨询专知VIP会员