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。
![](https://pic.pimg.tw/zzuyanan/1488615166-1259157397.png)
![](https://pic.pimg.tw/zzuyanan/1482887990-2595557020.jpg)
※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 |