ECCV 2018 亮點集錦：自動駕駛、新網路結構、新圖像風格遷移思路
雷鋒網 AI 科技評論編者按：今年，ECCV 2018 的參會人員達到了史無前例的數量，計算機視覺領域的最新進展，也一如既往地在此一一亮相。如我們所料，本次會議的所有議程都聚焦於卷積神經網路（CNNs）的深度學習。
沒有參會的小夥伴們，不妨通過這篇亮點集錦，來了解一下在 ECCV 2018 上亮相的一些頗吸引眼球的主題：
自動駕駛
Self-localization on-the-fly（《行駛途中的自我定位》）
CARLA: Democratizing Autonomous Driving Research（《CARLA: 讓自動駕駛研究平民化》）
新型神經網路結構和方案
Convolutional Networks with Adaptive Computation Graphs（《帶有自適應計算圖的卷積網路》）
Lifting Layers: Analysis and Application（《提升層：分析與應用》）
對於深度學習在圖像分類和圖像去噪中的應用來說，增加輸入的維度為什麼會有幫助呢？為什麼還能訓練得更快呢？
Jointly Discovering Visual Objects and Spoken Words from Raw Sensory Input（《從原始感測器輸入中聯合提取視覺目標與語言辭彙》）
你知道神經網路能夠用來發現音頻-視覺語義的對應關係，從而讓我們突出大家所提到的（圖像中的）物體、視野或區域嗎？
Learning Discriminative Video Representations Using Adversarial Perturbations（《通過對抗性擾動學習有判別力的視頻表徵》）
CNN 特徵，史蒂費爾流形，黎曼共軛梯度體系——把這些艱深的東西全部匯到了一起。
圖像魔法
Diverse Image-to-Image Translation via Disentangled Representations（《通過解耦表徵的多樣化圖像到圖像轉換》）
我們怎樣用指定的內容和屬性生成一張新圖片？
Style-aware Content Loss for Real-time HD Style Transfer（《用於實時高清風格抓換的基於風格的內容損失》）
雷鋒網獲悉，該論文的作者為圖像的風格遷移問題打下了基礎。他們為我們提供了一種能模仿不同歷史藝術家的風格的——虛構的「繪畫」。這些「繪畫」都由 CNNs 產生自真實世界的圖像，並且可以輕鬆騙過人類觀者。這項工作甚至可以用來生成視頻！
Kochen mit Spa?!
現在有一個叫做Cookpad的移動 App！你可以用它來給美食拍照，之後，CNN 將會對食物進行鑒別，讓這個 App 能夠告訴你要準備什麼材料，以及怎樣自己動手做出這些食物。
計算機視覺大家庭還在蓬勃成長，絕妙的點子和應用也越來越多！雷鋒網也將繼續為大家帶來有趣的計算機視覺技術相關消息。
※問世十年的 MacBook Air，終於要用上 Retina 屏幕了
※阿里 FashionAI 數據集：用知識重建構造「時尚＋AI」的巴別塔
TAG:雷鋒網 |