CVPR‘22 最新106篇论文分方向整理｜包含目标检测、动作识别、图像处理等32个方向_simmatch: semi-supervised learning with similarity

CVPR 2022 已经放榜，本次一共有2067篇论文被接收，接收论文数量相比去年增长了24%。在CVPR2022正式会议召开前，为了让大家更快地获取和学习到计算机视觉前沿技术，极市对CVPR022 最新论文进行追踪，包括分研究方向的论文、代码汇总以及论文技术直播分享。

CVPR 2022 论文分方向整理目前在极市社区持续更新中，已累计更新了254篇，项目地址：https://bbs.cvmart.net/articles/6124

以下是本周更新的 CVPR 2022 论文，包含包含目标检测、图像处理、三维视觉、医学影像、视频检索等方向。

分类目录：

- 检测类
  - 2D目标检测
  - 3D目标检测
  - 伪装目标检测
  - 显著性目标检测
  - 边缘检测
  - 消失点检测
- 分割类
  - 图像分割
  - 语义分割
  - 视频目标分割
- 人脸
  - 人脸生成
  - 人脸检测
- 图像处理
  - 图像复原
  - 图像编辑/图像修复
  - 图像翻译
  - 超分辨率
  - 去噪/去模糊/去雨去雾
  - 风格迁移
- 三维视觉
  - 三维重建
  - 场景重建/视图合成
  - 点云
- 神经网络架构设计
  - CNN
  - Transformer
  - MLP
  - 神经网络架构搜索
- 人体解析/人体姿态估计
- 动作识别/检测
- 视觉定位/位姿估计
- 光流/运动估计
- 医学影像
- 文本理解
- GAN/生成式/对抗式
- 视频检索
- 图像&视频生成/合成
- 视觉推理/视觉问答
- 视觉预测
- 图像计数
- 机器人
- 多模态学习
  - 视觉-语言
- 自监督/半监督/无监督学习
- 联邦学习
- 度量学习
- 增量学习
- 迁移学习/domain/自适应
- 对比学习
- 主动学习
- 数据处理
  - 图像压缩
  - 图像聚类
- 视觉表征学习
- 模型训练/泛化
  - 噪声标签
- 模型压缩
  - 知识蒸馏
  - 剪枝
  - 量化
- 数据集

检测类

2D目标检测

[1] MUM : Mix Image Tiles and UnMix Feature Tiles for Semi-Supervised Object Detection(混合图像块和 UnMix 特征块用于半监督目标检测)
paper：https://arxiv.org/abs/2111.10958
code：https://github.com/JongMokKim/mix-unmix

笔记：模型特别大，477M

[2] SIGMA: Semantic-complete Graph Matching for Domain Adaptive Object Detection(域自适应对象检测的语义完全图匹配)
paper：https://arxiv.org/abs/2203.06398
code：https://github.com/CityU-AIM-Group/SIGMA

[3] Accelerating DETR Convergence via Semantic-Aligned Matching(通过语义对齐匹配加速 DETR 收敛)
paper：https://arxiv.org/abs/2203.06883
code：https://github.com/ZhangGongjie/SAM-DETR

3D目标检测

[1] MonoJSG: Joint Semantic and Geometric Cost Volume for Monocular 3D Object Detection(单目 3D 目标检测的联合语义和几何成本量)
paper：https://arxiv.org/abs/2203.08563
code：https://github.com/lianqing11/MonoJSG

[2] DeepFusion: Lidar-Camera Deep Fusion for Multi-Modal 3D Object Detection(用于多模态 3D 目标检测的激光雷达相机深度融合)
paper：https://arxiv.org/abs/2203.08195
code：https://github.com/tensorflow/lingvo/tree/master/lingvo/

[3] Point Density-Aware Voxels for LiDAR 3D Object Detection(用于 LiDAR 3D 对象检测的点密度感知体素)
paper：https://arxiv.org/abs/2203.05662
code：https://github.com/TRAILab/PDV

伪装目标检测

[1] Implicit Motion Handling for Video Camouflaged Object Detection(视频伪装对象检测的隐式运动处理)
paper：https://arxiv.org/abs/2203.07363
dataset：https://xueliancheng.github.io/SLT-Net-project

显著性目标检测

[1] Bi-directional Object-context Prioritization Learning for Saliency Ranking(显著性排名的双向对象上下文优先级学习)
paper：https://arxiv.org/abs/2203.09416
code：https://github.com/GrassBro/OCOR

[2] Democracy Does Matter: Comprehensive Feature Mining for Co-Salient Object Detection(共同显著性目标检测的综合特征挖掘)
paper：https://arxiv.org/abs/2203.05787

边缘检测

[1] EDTER: Edge Detection with Transformer(使用transformer的边缘检测)
paper：https://arxiv.org/abs/2203.08566

消失点检测

[1] Deep vanishing point detection: Geometric priors make dataset variations vanish(深度消失点检测：几何先验使数据集变化消失)
paper：https://arxiv.org/abs/2203.08586
code：https://github.com/yanconglin/VanishingPoint_HoughTransform_GaussianSphere

分割类

图像分割

[1] Learning What Not to Segment: A New Perspective on Few-Shot Segmentation(学习不分割的内容：关于小样本分割的新视角)
paper：https://arxiv.org/abs/2203.07615
code：http://github.com/chunbolang/BAM

[2] CRIS: CLIP-Driven Referring Image Segmentation(CLIP 驱动的参考图像分割)
paper：https://arxiv.org/abs/2111.15174

[3] Hyperbolic Image Segmentation(双曲线图像分割)
paper：https://arxiv.org/abs/2203.05898

语义分割

[1] Scribble-Supervised LiDAR Semantic Segmentation
paper：https://arxiv.org/abs/2203.08537
code：http://github.com/ouenal/scribblekitti

[2] ADAS: A Direct Adaptation Strategy for Multi-Target Domain Adaptive Semantic Segmentation(多目标域自适应语义分割的直接适应策略)
paper：https://arxiv.org/abs/2203.06811

[3] Weakly Supervised Semantic Segmentation by Pixel-to-Prototype Contrast(通过像素到原型对比的弱监督语义分割)
paper：https://arxiv.org/abs/2110.07110

视频目标分割

[1] Language as Queries for Referring Video Object Segmentation(语言作为引用视频对象分割的查询)
paper：https://arxiv.org/abs/2201.00487
code：https://github.com/wjn922/ReferFormer

人脸

[1] FaceFormer: Speech-Driven 3D Facial Animation with Transformers(FaceFormer：带有transformer的语音驱动的 3D 面部动画)
paper：https://arxiv.org/abs/2112.05329
code：https://evelynfan.github.io/audio2face/

[2] Sparse Local Patch Transformer for Robust Face Alignment and Landmarks Inherent Relation Learning(用于鲁棒人脸对齐和地标固有关系学习的稀疏局部补丁transformer)
paper：https://arxiv.org/abs/2203.06541
code：https://github.com/Jiahao-UTS/SLPT-master

人脸生成

[1] GCFSR: a Generative and Controllable Face Super Resolution Method Without Facial and GAN Priors(一种没有面部和 GAN 先验的生成可控人脸超分辨率方法)
paper：https://arxiv.org/abs/2203.07319

人脸检测

[1] Privacy-preserving Online AutoML for Domain-Specific Face Detection(用于特定领域人脸检测的隐私保护在线 AutoML)
paper：https://arxiv.org/abs/2203.08399

图像处理

图像复原

[1] Restormer: Efficient Transformer for High-Resolution Image Restoration(用于高分辨率图像复原的高效transformer)
paper：https://arxiv.org/abs/2111.09881
code：https://github.com/swz30/Restormer

图像编辑/图像修复

[1] High-Fidelity GAN Inversion for Image Attribute Editing(用于图像属性编辑的高保真 GAN 反演)
paper：https://arxiv.org/abs/2109.06590
code：https://github.com/Tengfei-Wang/HFGI
project：https://tengfei-wang.github.io/HFGI/

极市平台，

CVPR 2022 | 用于图像属性编辑的高保真 GAN 反演 #计算机视觉 #深度学习 #人工智能 #AI #CVPR2022

视频号

[2] Style Transformer for Image Inversion and Editing(用于图像反转和编辑的样式transformer)
paper：https://arxiv.org/abs/2203.07932
code：https://github.com/sapphire497/style-transformer

[3] MISF: Multi-level Interactive Siamese Filtering for High-Fidelity Image Inpainting(用于高保真图像修复的多级交互式 Siamese 过滤)
paper：https://arxiv.org/abs/2203.06304
code：https://github.com/tsingqguo/misf

图像翻译

[1] QS-Attn: Query-Selected Attention for Contrastive Learning in I2I Translation(图像翻译中对比学习的查询选择注意)
paper：https://arxiv.org/abs/2203.08483
code：https://github.com/sapphire497/query-selected-attention

超分辨率

[1] A Text Attention Network for Spatial Deformation Robust Scene Text Image Super-resolution(一种用于空间变形鲁棒场景文本图像超分辨率的文本注意网络)
paper：https://arxiv.org/abs/2203.09388
code：https://github.com/mjq11302010044/TATT

[2] Details or Artifacts: A Locally Discriminative Learning Approach to Realistic Image Super-Resolution(一种真实图像超分辨率的局部判别学习方法)
paper：https://arxiv.org/abs/2203.09195
code：https://github.com/csjliang/LDL

[3] Blind Image Super-resolution with Elaborate Degradation Modeling on Noise and Kernel(对噪声和核进行精细退化建模的盲图像超分辨率)
paper：https://arxiv.org/abs/2107.00986
code：https://github.com/zsyOAOA/BSRDM

去噪/去模糊/去雨去雾

[1] Neural Compression-Based Feature Learning for Video Restoration(用于视频复原的基于神经压缩的特征学习)(视频处理)
paper：https://arxiv.org/abs/2203.09208

[2] Blind2Unblind: Self-Supervised Image Denoising with Visible Blind Spots(具有可见盲点的自监督图像去噪)
paper：https://arxiv.org/abs/2203.06967
code：https://github.com/demonsjin/Blind2Unblind

风格迁移

[1] Exact Feature Distribution Matching for Arbitrary Style Transfer and Domain Generalization(任意风格迁移和域泛化的精确特征分布匹配)
paper：https://arxiv.org/abs/2203.07740
code：https://github.com/YBZh/EFDM

三维视觉

三维重建

[1] AutoSDF: Shape Priors for 3D Completion, Reconstruction and Generation(用于 3D 完成、重建和生成的形状先验)
paper：https://arxiv.org/abs/2203.09516
project：https://yccyenchicheng.github.io/AutoSDF/

[2] Interacting Attention Graph for Single Image Two-Hand Reconstruction(单幅图像双手重建的交互注意力图)
paper：https://arxiv.org/abs/2203.09364
code：https://github.com/Dw1010/IntagHand

[3] OcclusionFusion: Occlusion-aware Motion Estimation for Real-time Dynamic 3D Reconstruction(实时动态 3D 重建的遮挡感知运动估计)
paper：https://arxiv.org/abs/2203.07977
project：https://wenbin-lin.github.io/OcclusionFusion

[4] Neural RGB-D Surface Reconstruction(神经 RGB-D 表面重建)
paper：https://arxiv.org/abs/2104.04532
project：https://dazinovic.github.io/neural-rgbd-surface-reconstruction/
video：https://youtu.be/iWuSowPsC3g

极市平台，

CVPR 2022｜神经 RGB-D 表面重建 #计算机视觉 #深度学习 #人工智能 #AI #CVPR2022

视频号

场景重建/视图合成

[1] StyleMesh: Style Transfer for Indoor 3D Scene Reconstructions(室内 3D 场景重建的风格转换)
paper：https://arxiv.org/abs/2112.01530
code：https://github.com/lukasHoel/stylemesh
project：https://lukashoel.github.io/stylemesh/

[2] Look Outside the Room: Synthesizing A Consistent Long-Term 3D Scene Video from A Single Image(从单个图像合成一致的长期 3D 场景视频)
paper：https://arxiv.org/abs/2203.09457
code：https://github.com/xrenaa/Look-Outside-Room
project：https://xrenaa.github.io/look-outside-room/

点云

[1] AutoGPart: Intermediate Supervision Search for Generalizable 3D Part Segmentation(通用 3D 零件分割的中间监督搜索)
paper：https://arxiv.org/abs/2203.06558

[2] Geometric Transformer for Fast and Robust Point Cloud Registration(用于快速和稳健点云配准的几何transformer)
paper：https://arxiv.org/abs/2202.06688
code：https://github.com/qinzheng93/GeoTransformer

神经网络架构设计

CNN

[1] On the Integration of Self-Attention and Convolution(自注意力和卷积的整合)
paper：https://arxiv.org/abs/2111.14556
code1：https://github.com/LeapLabTHU/ACmix
code2：https://gitee.com/mindspore/models

[2] Scaling Up Your Kernels to 31x31: Revisiting Large Kernel Design in CNNs(将内核扩展到 31x31：重新审视 CNN 中的大型内核设计)
paper：https://arxiv.org/abs/2203.06717
code：https://github.com/megvii-research/RepLKNet)
解读：凭什么 31x31 大小卷积核的耗时可以和 9x9 卷积差不多？

Transformer

[1] Attribute Surrogates Learning and Spectral Tokens Pooling in Transformers for Few-shot Learning
paper：https://arxiv.org/abs/2203.09064
code：https://github.com/StomachCold/HCTransformers

[2] NomMer: Nominate Synergistic Context in Vision Transformer for Visual Recognition(在视觉transformer中为视觉识别指定协同上下文)
paper：https://arxiv.org/abs/2111.12994
code：https://github.com/TencentYoutuResearch/VisualRecognition-NomMer

MLP

[1] Dynamic MLP for Fine-Grained Image Classification by Leveraging Geographical and Temporal Information(利用地理和时间信息进行细粒度图像分类的动态 MLP)
paper：https://arxiv.org/abs/2203.03253
code：https://github.com/ylingfeng/DynamicMLP.git

[2] Revisiting the Transferability of Supervised Pretraining: an MLP Perspective(重新审视监督预训练的可迁移性：MLP 视角)
paper：https://arxiv.org/abs/2112.00496

神经网络架构搜索

[1] Global Convergence of MAML and Theory-Inspired Neural Architecture Search for Few-Shot Learning(MAML 的全局收敛和受理论启发的神经架构搜索以进行 Few-Shot 学习)
paper：https://arxiv.org/abs/2203.09137
code：https://github.com/YiteWang/MetaNTK-NAS

人体解析/人体姿态估计

[1] Capturing Humans in Motion: Temporal-Attentive 3D Human Pose and Shape Estimation from Monocular Video(捕捉运动中的人类：来自单目视频的时间注意 3D 人体姿势和形状估计)
paper：https://arxiv.org/abs/2203.08534
video：https://mps-net.github.io/MPS-Net/

[2] Physical Inertial Poser (PIP): Physics-aware Real-time Human Motion Tracking from Sparse Inertial Sensors(来自稀疏惯性传感器的物理感知实时人体运动跟踪)
paper：https://arxiv.org/abs/2203.08528
project：https://xinyu-yi.github.io/PIP/

[3] Distribution-Aware Single-Stage Models for Multi-Person 3D Pose Estimation(用于多人 3D 姿势估计的分布感知单阶段模型)
paper：https://arxiv.org/abs/2203.07697

[4] MHFormer: Multi-Hypothesis Transformer for 3D Human Pose Estimation(用于 3D 人体姿势估计的多假设transformer)
paper：https://arxiv.org/abs/2111.12707
code：https://github.com/Vegetebird/MHFormer

[5] CDGNet: Class Distribution Guided Network for Human Parsing(用于人体解析的类分布引导网络)
paper：https://arxiv.org/abs/2111.14173

动作识别/检测

[1] Spatio-temporal Relation Modeling for Few-shot Action Recognition(小样本动作识别的时空关系建模)
paper：https://arxiv.org/abs/2112.05132
code：https://github.com/Anirudh257/strm

[2] RCL: Recurrent Continuous Localization for Temporal Action Detection(用于时间动作检测的循环连续定位)
paper：https://arxiv.org/abs/2203.07112

视觉定位/位姿估计

[1] ZebraPose: Coarse to Fine Surface Encoding for 6DoF Object Pose Estimation(用于 6DoF 对象姿态估计的粗到细表面编码)
paper：https://arxiv.org/abs/2203.09418

[2] Object Localization under Single Coarse Point Supervision(单粗点监督下的目标定位)
paper：https://arxiv.org/abs/2203.09338
code：https://github.com/ucas-vg/PointTinyBenchmark/

[3] CrossLoc: Scalable Aerial Localization Assisted by Multimodal Synthetic Data(多模式合成数据辅助的可扩展空中定位)
paper：https://arxiv.org/abs/2112.09081
code：https://github.com/TOPO-EPFL/CrossLoc

光流/运动估计

[1] GPV-Pose: Category-level Object Pose Estimation via Geometry-guided Point-wise Voting(通过几何引导的逐点投票进行类别级对象位姿估计)
paper：https://arxiv.org/abs/2203.07918
code：https://github.com/lolrudy/GPV_Pose

医学影像

[1] Vox2Cortex: Fast Explicit Reconstruction of Cortical Surfaces from 3D MRI Scans with Geometric Deep Neural Networks(使用几何深度神经网络从 3D MRI 扫描中快速显式重建皮质表面)
paper：https://arxiv.org/abs/2203.09446
code：https://github.com/ai-med/Vox2Cortex

[2] Generalizable Cross-modality Medical Image Segmentation via Style Augmentation and Dual Normalization(通过风格增强和双重归一化的可泛化跨模态医学图像分割)
paper：https://arxiv.org/abs/2112.11177
code：https://github.com/zzzqzhou/Dual-Normalization

文本理解

[1] XYLayoutLM: Towards Layout-Aware Multimodal Networks For Visually-Rich Document Understanding(迈向布局感知多模式网络，以实现视觉丰富的文档理解)
paper：https://arxiv.org/abs/2203.06947

GAN/生成式/对抗式

[1] Improving the Transferability of Targeted Adversarial Examples through Object-Based Diverse Input(通过基于对象的多样化输入提高目标对抗样本的可迁移性)
paper：https://arxiv.org/abs/2203.09123
code：https://github.com/dreamflake/ODI

[2] Towards Practical Certifiable Patch Defense with Vision Transformer(使用 Vision Transformer 实现实用的可认证补丁防御)
paper：https://arxiv.org/abs/2203.08519)

[3] Few Shot Generative Model Adaption via Relaxed Spatial Structural Alignment(基于松弛空间结构对齐的小样本生成模型自适应)
paper：https://arxiv.org/abs/2203.04121

[4] Enhancing Adversarial Training with Second-Order Statistics of Weights(使用权重的二阶统计加强对抗训练)
paper：https://arxiv.org/abs/2203.06020
code：https://github.com/Alexkael/S2O

视频检索

[1] Bridging Video-text Retrieval with Multiple Choice Questions(桥接视频文本检索与多项选择题)
paper：https://arxiv.org/abs/2201.04850
code：https://github.com/TencentARC/MCQ

图像&视频生成/合成

[1] Modulated Contrast for Versatile Image Synthesis(用于多功能图像合成的调制对比度)
paper：https://arxiv.org/abs/2203.09333
code：https://github.com/fnzhan/MoNCE

[2] Attribute Group Editing for Reliable Few-shot Image Generation(属性组编辑用于可靠的小样本图像生成)
paper：https://arxiv.org/abs/2203.08422
code：https://github.com/UniBester/AGE

[3] Text to Image Generation with Semantic-Spatial Aware GAN(使用语义空间感知 GAN 生成文本到图像)
paper：https://arxiv.org/abs/2104.00567
code：https://github.com/wtliao/text2image

[4] Playable Environments: Video Manipulation in Space and Time(可播放环境：空间和时间的视频操作)
paper：https://arxiv.org/abs/2203.01914
code：https://willi-menapace.github.io/playable-environments-website

[5] Depth-Aware Generative Adversarial Network for Talking Head Video Generation(用于说话头视频生成的深度感知生成对抗网络)
paper：https://arxiv.org/abs/2203.06605
code：https://github.com/harlanhong/CVPR2022-DaGAN

[2] FLAG: Flow-based 3D Avatar Generation from Sparse Observations(从稀疏观察中生成基于流的 3D 头像)
paper：https://arxiv.org/abs/2203.05789
project：https://microsoft.github.io/flag

视觉推理/视觉问答

[1] MuKEA: Multimodal Knowledge Extraction and Accumulation for Knowledge-based Visual Question Answering(基于知识的视觉问答的多模态知识提取与积累)
paper：https://arxiv.org/abs/2203.09138
code：https://github.com/AndersonStra/MuKEA

[2] REX: Reasoning-aware and Grounded Explanation(推理意识和扎根的解释)
paper：https://arxiv.org/abs/2203.06107
code：https://github.com/szzexpoi/rex

视觉预测

[5] On Adversarial Robustness of Trajectory Prediction for Autonomous Vehicles(自动驾驶汽车轨迹预测的对抗鲁棒性)
paper：https://arxiv.org/abs/2201.05057
code：https://github.com/zqzqz/AdvTrajectoryPrediction

图像计数

[1] Represent, Compare, and Learn: A Similarity-Aware Framework for Class-Agnostic Counting(表示、比较和学习：用于类不可知计数的相似性感知框架)
paper：https://arxiv.org/abs/2203.08354
code：https://github.com/flyinglynx/Bilinear-Matching-Network

机器人

[1] Coarse-to-Fine Q-attention: Efficient Learning for Visual Robotic Manipulation via Discretisation(通过离散化实现视觉机器人操作的高效学习)
paper：https://arxiv.org/abs/2106.12534
code：https://github.com/stepjam/ARM
project：https://sites.google.com/view/c2f-q-attention

多模态学习

[1] MERLOT Reserve: Neural Script Knowledge through Vision and Language and Sound(通过视觉、语言和声音的神经脚本知识)
paper：https://arxiv.org/abs/2201.02639
project：https://rowanzellers.com/merlotreserve

视觉-语言

[1] Pseudo-Q: Generating Pseudo Language Queries for Visual Grounding(为视觉基础生成伪语言查询)
paper：https://arxiv.org/abs/2203.08481
code：https://github.com/LeapLabTHU/Pseudo-Q

自监督/半监督/无监督学习

[1] SimMatch: Semi-supervised Learning with Similarity Matching(具有相似性匹配的半监督学习)
paper：https://arxiv.org/abs/2203.06915
code：https://github.com/KyleZheng1997/simmatch

[2] Robust Equivariant Imaging: a fully unsupervised framework for learning to image from noisy and partial measurements(一个完全无监督的框架，用于从噪声和部分测量中学习图像)
paper：https://arxiv.org/abs/2111.12855
code：https://github.com/edongdongchen/REI

[3] UniVIP: A Unified Framework for Self-Supervised Visual Pre-training(自监督视觉预训练的统一框架)
paper：https://arxiv.org/abs/2203.06965

联邦学习

[1] Fine-tuning Global Model via Data-Free Knowledge Distillation for Non-IID Federated Learning(通过非 IID 联邦学习的无数据知识蒸馏微调全局模型)
paper：https://arxiv.org/abs/2203.09249

度量学习

[1] Non-isotropy Regularization for Proxy-based Deep Metric Learning(基于代理的深度度量学习的非各向同性正则化)
paper：https://arxiv.org/abs/2203.08547
code：https://github.com/ExplainableML/NonIsotropicProxyDML

[2] Integrating Language Guidance into Vision-based Deep Metric Learning(将语言指导集成到基于视觉的深度度量学习中)
paper：https://arxiv.org/abs/2203.08543
code：https://github.com/ExplainableML/LanguageGuidance_for_DML

增量学习

[1] Forward Compatible Few-Shot Class-Incremental Learning(前后兼容的小样本类增量学习)
paper：https://arxiv.org/abs/2203.06953
code：https://github.com/zhoudw-zdw/CVPR22-Fact

[2] Self-Sustaining Representation Expansion for Non-Exemplar Class-Incremental Learning(非示例类增量学习的自我维持表示扩展)
paper：https://arxiv.org/abs/2203.06359

迁移学习/domain/自适应

[1] Category Contrast for Unsupervised Domain Adaptation in Visual Tasks(视觉任务中无监督域适应的类别对比)
paper：https://arxiv.org/abs/2106.02885

[2] Learning Distinctive Margin toward Active Domain Adaptation(向主动领域适应学习独特的边际)
paper：https://arxiv.org/abs/2203.05738
code：https://github.com/TencentYoutuResearch/ActiveLearning-SDM

对比学习

[1] Rethinking Minimal Sufficient Representation in Contrastive Learning(重新思考对比学习中的最小充分表示)
paper：https://arxiv.org/abs/2203.07004
code：https://github.com/Haoqing-Wang/InfoCL

主动学习

[1] Active Learning by Feature Mixing(通过特征混合进行主动学习)
paper：https://arxiv.org/abs/2203.07034
code：https://github.com/Haoqing-Wang/InfoCL

数据处理

图像压缩

[1] The Devil Is in the Details: Window-based Attention for Image Compression(细节中的魔鬼：图像压缩的基于窗口的注意力)
paper：https://arxiv.org/abs/2203.08450
code：https://github.com/Googolxx/STF

图像聚类

[1] RAMA: A Rapid Multicut Algorithm on GPU(GPU 上的快速多切算法)
paper：https://arxiv.org/abs/2109.01838
code：https://github.com/pawelswoboda/RAMA

视觉表征学习

[1] Exploring Set Similarity for Dense Self-supervised Representation Learning(探索密集自监督表示学习的集合相似性)
paper：https://arxiv.org/abs/2107.08712

[2] Motion-aware Contrastive Video Representation Learning via Foreground-background Merging(通过前景-背景合并的运动感知对比视频表示学习)
paper：https://arxiv.org/abs/2109.15130
code：https://github.com/Mark12Ding/FAME

模型训练/泛化

[1] Can Neural Nets Learn the Same Model Twice? Investigating Reproducibility and Double Descent from the Decision Boundary Perspective(神经网络可以两次学习相同的模型吗？从决策边界的角度研究可重复性和双重下降)
paper：https://arxiv.org/abs/2203.08124
code：https://github.com/somepago/dbViz

噪声标签

[1] Scalable Penalized Regression for Noise Detection in Learning with Noisy Labels
paper：https://arxiv.org/abs/2203.07788
code：https://github.com/Yikai-Wang/SPR-LNL

模型压缩

知识蒸馏

[1] Decoupled Knowledge Distillation(解耦知识蒸馏)
paper：https://arxiv.org/abs/2203.08679
code：https://github.com/megvii-research/mdistiller

[2] Wavelet Knowledge Distillation: Towards Efficient Image-to-Image Translation(小波知识蒸馏：迈向高效的图像到图像转换)
paper：https://arxiv.org/abs/2203.06321

剪枝

[1] Interspace Pruning: Using Adaptive Filter Representations to Improve Training of Sparse CNNs(空间剪枝：使用自适应滤波器表示来改进稀疏 CNN 的训练)
paper：https://arxiv.org/abs/2203.07808

量化

[1] Implicit Feature Decoupling with Depthwise Quantization(使用深度量化的隐式特征解耦)
paper：https://arxiv.org/abs/2203.08080

数据集

[1] FERV39k: A Large-Scale Multi-Scene Dataset for Facial Expression Recognition in Videos(用于视频中面部表情识别的大规模多场景数据集)
paper：https://arxiv.org/abs/2203.09463

[2] Ego4D: Around the World in 3,000 Hours of Egocentric Video(3000 小时以自我为中心的视频环游世界)
paper：https://arxiv.org/abs/2110.07058
project：https://ego4d-data.org/

其他

[1] FastDOG: Fast Discrete Optimization on GPU(GPU 上的快速离散优化)
paper：https://arxiv.org/abs/2111.10270
code：https://github.com/LPMP/BDD

[2] AirObject: A Temporally Evolving Graph Embedding for Object Identification(用于对象识别的时间演化图嵌入)(object encoding)
paper：https://arxiv.org/abs/2111.15150
code：https://github.com/Nik-V9/AirObject