今日 Paper | 跨模态行人重识别;对抗时尚迁移;学会注意错误等
2020-03-11 15:11:09
目录
跨模态行人重识别:共享与特异特征变换算法cm-SSFT
GarmentGAN:具有图片真实感的对抗时尚迁移
学习将纹理从服装图像转移到3D人体
学会注意错误
MINA: 非刚性形状对齐的凸混合整数规划
跨模态行人重识别:共享与特异特征变换算法cm-SSFT
论文名称:Cross-modality Person re-identification with Shared-Specific Feature Transfer
作者:Yan Lu
发表时间:2020/2/1
论文链接:https://paper.yanxishe.com/review/13406?from=tttt0311
推荐原因
本文主要是解决红外线-RGB跨模态行人重识别的问题。由于Specific feature在对面模态中是不存在的,所以目前工业界大部分跨模态行人在识别算法通常只关注shared feature learning,很少关注Specific feature,比如在红外线图片中是没有彩色颜色信息的。
主要创新点:利用近邻信息:给定一红外线query。当搜索彩色target时,可以先找到一些简单的置信度高的彩色样本,接着把这些彩色样本的颜色特异特征给与红外线query,如此往复,便可以实现利用这些彩色信息再去搜索更难的彩色样本的功能。
GarmentGAN:具有图片真实感的对抗时尚迁移
论文名称:GarmentGAN: Photo-realistic Adversarial Fashion Transfer
作者:Amir Hossein Raffiee /Michael Sollami
发表时间:2020/3/4
论文链接:https://paper.yanxishe.com/review/13309?from=tttt0311
推荐原因
基于机器学习的服装迁移是近些年的一个研究热点,是将虚拟试衣落地的较为现实的解决方案,具有非常大的商业价值和市场前景。
一般服装迁移问题包含两个任务:一是学习将目标人体和服装分离,二是生成目标人体穿着任意衣服的新的图片。本文提出的GarmentGAN是一种基于生成对抗网络的服装迁移算法,其包含两个独立的GAN:形状迁移网络和外观迁移网络,分别处理这两个任务,能够生成较为逼真的目标图片,对于复杂的人体姿态、手部姿势、遮挡情况都能处理的不错。作者最后将GarmentGAN与目前state-of-the-art的方法进行了定性和定量的比较,证明了该方法的有效性。
学习将纹理从服装图像转移到3D人体
论文名称:Learning to Transfer Texture from Clothing Images to 3D Humans
作者:Aymen Mir /Thiemo Alldieck /Gerard Pons-Moll
发表时间:2020/3/4
论文链接:https://paper.yanxishe.com/review/13303?from=tttt0311
推荐原因
本文已被CVPR2020接收,提出了一种实时自动的从衣服图片的纹理迁移到SMPL人体模型的3D服装上,是一种3D虚拟试衣的最新解决方案,数据和代码将被开源,目前尚未公开。项目地址:https://virtualhumans.mpi-inf.mpg.de/pix2surf/。
作者首先使用非刚性3D到2D注册的方法,生成了服装图片和3D外衣的数据对,这种方法非常准确但是速度很慢。然后作者基于这些数据对,通过神经网络学习了图片像素到3D服装表面的映射。作者通过实验表面该方法比基于薄板样条的图片变形和图片到图片的迁移网络更加准确更加快速。
文章方法提供了3D虚拟试衣的新方法,效果逼真,速度快(实时),值得关注。
学会注意错误
论文名称:Learning to pay attention on mistakes
作者:Anonymous authors
发表时间:2020/1/25
论文链接:https://paper.yanxishe.com/review/13405?from=tttt0311
推荐原因
在医学图像分割任务中,重点是从背景像素中检测和区分出代表感兴趣区域的前景像素。到目前为止,背景像素构成了图像中大多数像素。这导致基于深度学习的医学图像分割频繁出现的假阴性像素分类,即前景像素被错误地分类为属于背景像素类别。作者提出了一种新的注意力机制来解决这种较高的假阴性检测率。作者的方法试图引导模型进行更多的假阳性检测,从而纠正由于训练数据不平衡而导致的分类结果不平衡。提出的注意力机制有三种实现方式:(1)显式指导模型以检测误报;(2)通过转向相反的假阴性来隐式学习假阳性;(3)在多任务环境中,共同引导假阳性和假阴性的学习。为了验证提出的方法,作者在一个比较难的任务中验证了我们提出的网络:对肿瘤核心进行分割。在BRATS 2018训练数据上进行5次交叉验证后,作者的模型优于9个最新的基准模型,包括:空间注意力,空间通道注意力和自我注意力。作者的第三种实现将假阴性降低了10.4%,而假阳性的检增加却可以忽略不计。作者的第三个方案还将网络的Hausdorff距离提高了28%以上,同时将IoU值提高了3%以上。除了显著的性能提升外,提出的注意机制通过一个有效的感受也具有直观的可解释。因为该论文还在Under Review,为了保持保持匿名,该论文隐藏了GitHub上的代码的链接,后续会公布。
MINA: 非刚性形状对齐的凸混合整数规划
论文名称:MINA: Convex Mixed-Integer Programming for Non-Rigid Shape Alignment
作者:Florian Bernard /Zeeshan Khan Suri /Christian Theobalt
发表时间:2020/2/28
论文链接:https://paper.yanxishe.com/review/12864?from=tttt0311
推荐原因
形状匹配 (Shape Matching) 是计算机视觉、图形学等众多领域的基本问题,其主要是研究如何在两个形状之间建立对应的问题。
本文作者提出了一个用于非刚性形状匹配的凸混合整数规划公式,为了解决该问题,作者提出了一种基于有效的低维离散模型的形状变形模型,能够在(大多数)实际情况下很容易地求得全局最优解。
文章的方法有众多优势:其不依赖与初始值,能够有效收敛到全局最优解、在处理匹配问题的变种时非常灵活等等。作者通过实验证明了文章方法优于现有的稀疏形状匹配方法,并可以用来初始化稠密匹配算法。
今日 Paper | 跨模态行人重识别;对抗时尚迁移;学会注意错误等相关推荐
- 可见光-红外的跨模态行人重识别最新研究成果汇总
目录 Introduction Challenges Advantages Methods [2020 AAAI] Cross-Modality Paired-Images Generation fo ...
- 跨模态行人重识别研究综述
跨模态行人重识别研究综述 刘天瑜,刘正熙 摘要:传统的行人重识别主要工作集中在同一模态下的行人重识别上,大部分应用于光源充足的场景.随着视频安防监控要求的不断提升,为了克服可见光摄像头无法全天候进行使 ...
- AAAI 2020 | XIV-ReID:基于X模态的跨模态行人重识别
©PaperWeekly 原创 · 作者|张晓涵 学校|西安交通大学本科生 研究方向|计算机视觉/行人重识别 论文标题:Infrared-Visible Cross-Modal Person Re-I ...
- CVPR2020 | 跨模态行人重识别:共享与特异特征变换算法cm-SSFT
点上方蓝字计算机视觉联盟获取更多干货 在右上方 ··· 设为星标 ★,与你不见不散 编辑:Sophia 计算机视觉联盟 报道 | 公众号 CVLianMeng 转载于 :SuperMHP, htt ...
- 跨模态行人重识别:Deep Learning for Person Re-identification:A Survey and Outlook(行人重识别综述)
Deep Learning for Person Re-identification:A Survey and Outlook(行人重识别综述) 写在前面:感谢叶茫博士对AGW的开源,AGW非常适合刚 ...
- 跨模态行人重识别:Cross-Modality Person Re-Identification viaModality-Aware CollaborativeEnsemble Learning学习笔记
基于模态感知的协同集成学习的跨模态行人重识别 简介 本文针对VT-Reid提出了一种基于中间层共享双流网络(MSTN)的模态感知协同集成(MACE)学习方法,该方法同时处理了特征层和分类器层的模态差 ...
- 跨模态行人重识别:Hetero-Center Loss for Cross-Modality Person Re-Identification
Hetero-Center Loss for Cross-Modality Person Re-Identification 目录 Hetero-Center Loss for Cross-Modal ...
- 基于RK3588+TensorFlow的人工智能跨模态行人重识别方法及应用
摘要: 跨模态行人重识别技术(cm-ReID)旨在可见光.红外等不同模态图像中识别出同一个人,其在人 机协同.万物互联.跨界融合.万物智能的智能系统与装备中有重要应用.提出一种数据增强的跨模态行人 重 ...
- 跨模态行人重识别:RGB-Infrared Cross-Modality Person Re-Identification(2017 ICCV)
RGB-Infrared Cross-Modality Person Re-Identification 文章目录 RGB-Infrared Cross-Modality Person Re-Iden ...
最新文章
- 【精华】【经典】自动化循环操作方法当前网页方法,可以用于本地化AI智能自动抓取网页资源信息,类似爬虫功能
- 斯坦福大学的机器学习跟深度学习。
- jQuery工具方法
- 【Keil C51】使用 watch1 来查看变量的值
- 数据可视化|实验四 分析1996-2015年人口数据特征间的关系
- 论文阅读 - Joint Beat and Downbeat Tracking with Recurrent Neural Networks
- 再识PCI:一个PCI驱动实例
- html5的q标签,HTML 5 q 标签 - HTML 参考手册
- 在C++Builder2010中配置OpenCV2.2
- [计算机网络] - 从英雄联盟,看数据包何去何从?
- c#IntPtr简例
- 使用序列号激活优动漫PAINT(附激活码)
- 增加Router接口
- Tamami教你孕前如何选购防辐射服
- 一文读懂运放规格书参数(2)
- python3 zip命令_Python调用zip命令正确操作方法解析
- 常用布局方式与常用css
- matlab曲线已知y求x,已知X、Y用MATLAB绘制曲线
- 购买阿里云服务器后怎么用?针对新手的阿里云服务器教程
- 中国人海外购房似网购般简单:不看房先付款
热门文章
- 计算机与智能化专业课程,人工智能专业课程有哪些 大学本科课程设置
- anaconda中查看python的版本
- BIO 三位标注 (B-begin,I-inside,O-outside)
- void addColumn(TableColumn aColumn)
- 唐杰:AI 未来靠迭代
- 图灵科普系列丛书封面有奖征集(贴图送书)
- NBJL 2020论文导读14:How Much Position Information Do Convolutional Neural Networks Encode ?
- 深度学习下的医学图像分析 2
- ​DeepMind Nature发文:AI首次实现数学领域的重大进展
- 新冠图像数据分析论文集合(附链接)