原文鏈接：http://bbs.cvmart.net/topics/665/CVPR-Best-Paper

本文匯總了從 2000 ~ 2019年歷屆 CVPR 會議最佳論文，附上作者和論文鏈接(論文題目含超鏈），部分含論文解讀和代碼。原文文末有最佳論文合集下載鏈接~

值得注意的是：香港中文大學(xué)湯曉鷗教授、博士生何愷明與微軟亞洲研究院孫劍合作取得的有關(guān)圖像去霧的論文（CVPR 2009）是自CVPR設(shè)立以來第一次由我國研究單位為主取得的 CVPR最佳論文獎。

西北工業(yè)大學(xué)何明一教授及其博士生戴玉超以及澳大利亞國立大學(xué)高級研究人員Hongdong Li博士合作完成的論文“一種簡單的不需要先驗(yàn)信息的非剛性結(jié)構(gòu)與運(yùn)動恢復(fù)方法 "獲得了CVPR 2012 最佳論文獎，西北工業(yè)大學(xué)也因此成為中國大陸第一個獲得計(jì)算機(jī)視覺頂級會議最佳論文的研究機(jī)構(gòu)。

2019（1篇）

A Theory of Fermat Paths for Non-Line-of-Sight Shape Reconstruction
非視線形狀重建的費(fèi)馬路徑理論

作者：辛?xí)? Sotiris Nousias, Kiriakos N. Kutulakos, Aswin C. Sankaranarayanan, Srinivasa G. Narasimhan and Ioannis Gkioulekas

核心內(nèi)容：我們提出了一個新的理論，即在一個已知的可見場景和一個不在瞬態(tài)相機(jī)視線范圍內(nèi)的未知物體之間的費(fèi)馬路徑（fermat path）。這些光路或者遵守鏡面反射，或者被物體的邊界反射，從而編碼隱藏物體的形狀。
我們證明費(fèi)馬路徑對應(yīng)于瞬態(tài)測量中的不連續(xù)性?；诖?#xff0c;我們推導(dǎo)出一種新的約束，它將這些不連續(xù)處的路徑長度的空間導(dǎo)數(shù)與表面法線相關(guān)聯(lián)。
基于這一理論，我們提出了一種名為Fermat Flow的算法來估計(jì)非視距物體的形狀。我們的方法第一次實(shí)現(xiàn)復(fù)雜對象的精確形狀恢復(fù)，范圍從隱藏在拐角處以及隱藏在漫射器后面的漫反射到鏡面反射。
最后，我們的方法與用于瞬態(tài)成像的特定技術(shù)無關(guān)。因此，我們展示了使用SPAD和超快激光從皮秒級瞬態(tài)恢復(fù)的毫米級形狀，以及使用干涉測量法從飛秒級瞬態(tài)微米級重建。我們相信，這項(xiàng)工作是非視距成像技術(shù)的重大進(jìn)步。

獲獎理由：這篇論文作出重大進(jìn)步的問題是非視線內(nèi)的物體形狀重建，換句話說就是能看到墻角后面的東西。這篇論文的理論部分非常優(yōu)美，而且同樣非常給人帶來激勵。它把計(jì)算機(jī)視覺所能解決的問題的邊界繼續(xù)向前推進(jìn)了一步。

CVPR 2019最佳論文得主專訪：非視距形狀重建的費(fèi)馬路徑理論

2018（1篇）

Taskonomy: Disentangling Task Transfer Learning
任務(wù)學(xué)：任務(wù)遷移學(xué)習(xí)的解耦

作者：Amir R. Zamir, Stanford University；Alexander Sax, Stanford University；
沈博魁, Stanford University；Leonidas Guibas, Stanford University；
Jitendra Malik, University of California Berkeley；Silvio Savarese, Stanford University

核心內(nèi)容：論文研究了一個非常新穎的課題，那就是研究視覺任務(wù)之間的關(guān)系，根據(jù)得出的關(guān)系可以幫助在不同任務(wù)之間做遷移學(xué)習(xí)。該論文提出了「Taskonomy」——一種完全計(jì)算化的方法，可以量化計(jì)算大量任務(wù)之間的關(guān)系，從它們之間提出統(tǒng)一的結(jié)構(gòu)，并把它作為遷移學(xué)習(xí)的模型。實(shí)驗(yàn)設(shè)置上，作者首先找來一組一共 26 個任務(wù)，當(dāng)中包括了語義、 2D、2.5D、3D 任務(wù)，接著為任務(wù)列表里的這 26 個任務(wù)分別訓(xùn)練了 26 個任務(wù)專用神經(jīng)網(wǎng)絡(luò)。結(jié)果顯示，這些遷移后的模型的表現(xiàn)已經(jīng)和作為黃金標(biāo)準(zhǔn)的任務(wù)專用網(wǎng)絡(luò)的表現(xiàn)差不多好。論文提供了一套計(jì)算和探測相關(guān)分類結(jié)構(gòu)的工具，其中包括一個求解器，用戶可以用它來為其用例設(shè)計(jì)有效的監(jiān)督策略。

論文解讀：https://zhuanlan.zhihu.com/p/38425434

代碼鏈接：https://github.com/StanfordVL/taskonomy

CVPR2018最佳論文演講：研究任務(wù)之間的聯(lián)系才是做遷移學(xué)習(xí)的正確姿勢

Taskonomy的網(wǎng)站：taskonomy.stanford.edu.

2017（2篇）

Densely Connected Convolutional Networks
密集連接的卷積網(wǎng)絡(luò)

作者：劉壯, 清華大學(xué)；黃高, Cornell University；
Laurens van der Maaten, Facebook AI Research；Kilian Q. Weinberger, Cornell University

核心內(nèi)容：近期的研究已經(jīng)展現(xiàn)這樣一種趨勢，如果卷積網(wǎng)絡(luò)中離輸入更近或者離輸出更近的層之間的連接更短，網(wǎng)絡(luò)就基本上可以更深、更準(zhǔn)確，訓(xùn)練時也更高效。這篇論文就對這種趨勢進(jìn)行了深入的研究，并提出了密集卷積網(wǎng)絡(luò)（DenseNet），其中的每一層都和它之后的每一層做前饋連接。對于以往的卷積神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)中的每一層都和其后的層連接，L 層的網(wǎng)絡(luò)中就具有 L 個連接；而在 DenseNet 中，直接連接的總數(shù)則是 L(L+1)/2 個。對每一層來說，它之前的所有的層的 feature-map 都作為了它的輸入，然后它自己的 feature-map 則會作為所有它之后的層的輸入。

論文解讀：CVPR 2017最佳論文解讀：密集連接卷積網(wǎng)絡(luò)

代碼鏈接：
Torch implementation: https://github.com/liuzhuang13/DenseNet/tree/master/models

PyTorch implementation: https://github.com/gpleiss/efficient_densenet_pytorch

MxNet implementation: https://github.com/taineleau/efficient_densenet_mxnet

Caffe implementation: https://github.com/Tongcheng/DN_CaffeScript

Learning from Simulated and Unsupervised Images through Adversarial Training
通過對抗訓(xùn)練從模擬的和無監(jiān)督的圖像中學(xué)習(xí)

作者：Ashish Shrivastava, Apple Inc.；Tomas Pfister, Apple Inc.；
Oncel Tuzel, Apple Inc.；Josh Susskind, Apple Inc.；
Wenda Wang, Apple Inc.；Russ Webb, Apple Inc.

核心內(nèi)容：隨著圖像領(lǐng)域的進(jìn)步，用生成的圖像訓(xùn)練機(jī)器學(xué)習(xí)模型的可行性越來越高，大有避免人工標(biāo)注真實(shí)圖像的潛力。但是，由于生成的圖像和真實(shí)圖像的分布有所區(qū)別，用生成的圖像訓(xùn)練的模型可能沒有用真實(shí)圖像訓(xùn)練的表現(xiàn)那么好。為了縮小這種差距，論文中提出了一種模擬+無監(jiān)督的學(xué)習(xí)方式，其中的任務(wù)就是學(xué)習(xí)到一個模型，它能夠用無標(biāo)注的真實(shí)數(shù)據(jù)提高模擬器生成的圖片的真實(shí)性，同時還能夠保留模擬器生成的圖片的標(biāo)注信息。論文中構(gòu)建了一個類似于 GANs 的對抗性網(wǎng)絡(luò)來進(jìn)行這種模擬+無監(jiān)督學(xué)習(xí)，只不過論文中網(wǎng)絡(luò)的輸入是圖像而不是隨機(jī)向量。為了保留標(biāo)注信息、避免圖像瑕疵、穩(wěn)定訓(xùn)練過程，論文中對標(biāo)準(zhǔn) GAN 算法進(jìn)行了幾個關(guān)鍵的修改，分別對應(yīng)「自我正則化」項(xiàng)、局部對抗性失真損失、用過往的美化后圖像更新鑒別器。

論文詳解：https://www.leiphone.com/news/201707/IGVe5J0p57WrGkPc.html

2016（1篇）

Deep Residual Learning for Image Recognition
圖像識別中的深度殘差學(xué)習(xí)

作者：何凱明, Microsoft Research；張翔宇, Microsoft Research；
任少卿, Microsoft Research；孫劍, Microsoft Research

核心內(nèi)容：在現(xiàn)有基礎(chǔ)下，想要進(jìn)一步訓(xùn)練更深層次的神經(jīng)網(wǎng)絡(luò)是非常困難的。我們提出了一種減輕網(wǎng)絡(luò)訓(xùn)練負(fù)擔(dān)的殘差學(xué)習(xí)框架，這種網(wǎng)絡(luò)比以前使用過的網(wǎng)絡(luò)本質(zhì)上層次更深。我們明確地將這層作為輸入層相關(guān)的學(xué)習(xí)殘差函數(shù)，而不是學(xué)習(xí)未知的函數(shù)。同時，我們提供了全面實(shí)驗(yàn)數(shù)據(jù)，這些數(shù)據(jù)證明殘差網(wǎng)絡(luò)更容易優(yōu)化，并且可以從深度增加中大大提高精度。我們在 ImageNet 數(shù)據(jù)集用 152 層–比 VGG 網(wǎng)絡(luò)深 8 倍的深度來評估殘差網(wǎng)絡(luò)，但它仍具有較低的復(fù)雜度。在 ImageNet 測試集中，這些殘差網(wǎng)絡(luò)整體達(dá)到了 3.57% 的誤差。該結(jié)果在 2015 年大規(guī)模視覺識別挑戰(zhàn)賽分類任務(wù)中贏得了第一。此外，我們還用了 100 到 1000 層深度分析了的 CIFAR-10。
對于大部分視覺識別任務(wù)，深度表示是非常重要的。僅由于極深的表示，在 COCO 對象檢查數(shù)據(jù)時，我們就得到了近 28% 相關(guān)的改進(jìn)。深度剩余網(wǎng)絡(luò)是我們提交給 ILSVRC 和 COCO2015 競賽的基礎(chǔ)，而且在 ImageNet 檢測任務(wù)，ImageNet 定位，COCO 檢測和 COCO 分割等領(lǐng)域贏我們獲得了第一。

GitHub 鏈接：https://github.com/KaimingHe/deep-residual-networks

2015（1篇）

DynamicFusion: Reconstruction and Tracking of Non-rigid Scenes in Real-Time
動態(tài)融合：實(shí)時非剛性場景的重建與跟蹤

作者：Richard A. Newcombe, University of Washington；Dieter Fox, University of Washington；
Steven M. Seitz, University of Washington

核心內(nèi)容：作者提出第一個結(jié)合商用傳感器對 RGBD 掃描結(jié)果進(jìn)行捕獲，該結(jié)果可實(shí)時重建非剛性變形場景的密集 SLAM 系統(tǒng)。被稱作 DynamicFusion 的這種方法在重建場景幾何的當(dāng)兒，還能同時估算一個密集體積的 6D 運(yùn)動場景，并將估算結(jié)果變成實(shí)時框架。與 KinectFusion 一樣，該系統(tǒng)可以生成越來越多去噪、保留細(xì)節(jié)、結(jié)合多種測量的完整重建結(jié)果，并實(shí)時顯示最新的模型。由于該方法無需基于任何模板或過往的場景模型，因此適用于大部分的移動物體和場景。

2014（1篇）

What Camera Motion Reveals About Shape with Unknown BRDF
關(guān)于未知雙向反射分布函數(shù)，攝像機(jī)運(yùn)動揭示了什么

作者：Manmohan Chandraker, NEC Labs America

核心內(nèi)容：作者提出了一種理論，用于解決在未知遠(yuǎn)距離照明以及未知各向同性反射率下，運(yùn)動物體的形狀識別問題，無論是正交投影還是穿透投影。該理論對表面重建硬度增加了基本限制，與涉及的方法無關(guān)。在正交投影場景下，三個微分運(yùn)動在不計(jì) BRDF 和光照的情況下，可以產(chǎn)生一個將形狀與圖像導(dǎo)數(shù)聯(lián)系起來的不變量。而在透視投影場景下，四個微分運(yùn)動在面對未知的 BRDF 與光照情況，可以產(chǎn)生基于表面梯度的線性約束。此外，論文也介紹了通過不變量實(shí)現(xiàn)重建的拓?fù)漕悺?br /> 最后，論文推導(dǎo)出一種可以將形狀恢復(fù)硬度與場景復(fù)雜性聯(lián)系起來的通用分層。從定性角度來說，該不變量分別是用于簡單照明的均勻偏微分方程，以及用于復(fù)雜照明的非均勻方程。從數(shù)量角度來說，該框架表明需要更多的最小運(yùn)動次數(shù)來處理更復(fù)雜場景的形狀識別問題。關(guān)于先前假設(shè)亮度恒定的工作，無論是 Lambertian BRDF 還是已知定向光源，一律被被當(dāng)作是分層的特殊情況。作者利用合成與真實(shí)數(shù)據(jù)進(jìn)一步說明了重建方法可以如何更好地利用這些框架。

2013（1篇）

Fast, Accurate Detection of 100,000 Object Classes on a Single Machine
在單個機(jī)器上快速、準(zhǔn)確地對100,000個物體類別進(jìn)行檢測

作者：Thomas Dean, Google；Mark A. Ruzon, Google；
Mark Segal, Google；Jonathon Shlens, Google；
Sudheendra Vijayanarasimhan, Google；Jay Yagnik, Google

核心內(nèi)容：許多物體檢測系統(tǒng)受到將目標(biāo)圖像與過濾器結(jié)合進(jìn)行卷積所需時間的約束，這些過濾器從不同的角度對物件的外表（例如物體組件）進(jìn)行編碼。作者利用局部敏感散列這點(diǎn)，將卷積中的點(diǎn)積內(nèi)核運(yùn)算符替換為固定數(shù)量的散列探測器，這些探測器可以在無視濾波器組大小情況下，及時、有效地對所有濾波器響應(yīng)進(jìn)行采樣。
為了向大家展示技術(shù)的有效性，作者將其用于評估 100,000 組可變形零件模型，模型將根據(jù)目標(biāo)圖像的多個維度需要運(yùn)用超過一百萬個濾波器，作者需在 20 秒內(nèi)通過 20GB RAM 的單個多核處理器來達(dá)成評估目標(biāo)。實(shí)驗(yàn)結(jié)果顯示，與其他同樣硬件配置下執(zhí)行卷積的系統(tǒng)相比，該模型獲得了大約 20,000 倍的提速 - 相等于四個量級。模型在針對 100,000 個物體類別的平均精確度達(dá)到了 0.16，主要因?yàn)樵谟?xùn)練數(shù)據(jù)與基本實(shí)施的收集上面臨挑戰(zhàn)，最終模型在三分之一類別上實(shí)現(xiàn)至少 0.20 的 mAP，另外在大約 20％的類別上實(shí)現(xiàn) 0.30 或更高的 mAP。

2012（1篇）

A Simple Prior-free Method for Non-Rigid Structure-from-Motion Factorization
一種簡單的不需要先驗(yàn)信息的非剛性結(jié)構(gòu)與運(yùn)動恢復(fù)方法

作者：戴玉超, 西北工業(yè)大學(xué)；Hongdong Li, Australian National University；
何明一, 西北工業(yè)大學(xué)

核心內(nèi)容：作者提出一種簡單的「無先驗(yàn)」方法來解決非剛性結(jié)構(gòu)的運(yùn)動因子分解問題。除了基本的低秩條之外，該方法無需任何關(guān)于非剛性場景或相機(jī)運(yùn)動的先驗(yàn)知識。即便如此，它依然得以穩(wěn)定運(yùn)行，并產(chǎn)生最佳結(jié)果，且不受許多傳統(tǒng)非剛性分解技術(shù)的基礎(chǔ) - 模糊性問題（basis-ambiguity issue）困擾。
該方法易于實(shí)現(xiàn)，可以解決包括小型與固定大小的 SDP（半定規(guī)劃）、線性最小二乘或范數(shù)最小化追蹤等問題。大量實(shí)驗(yàn)結(jié)果表明，該方法優(yōu)于現(xiàn)有的多數(shù)非剛性因子分解線性方法。本論文不僅提供全新的理論見解，同時提供了一種適用于非剛性結(jié)構(gòu)運(yùn)動分解的實(shí)用日常解決方案。

2011（1篇）

Real-time Human Pose Recognition in Parts from Single Depth Images
針對單個深度圖像部件的實(shí)時人體姿態(tài)識別模型

作者：Jamie Shotton, Microsoft Research；Andrew Fitzgibbon, Microsoft Research；
Mat Cook, Microsoft Research；Toby Sharp, Microsoft Research；
Mark Finocchio, Microsoft Research；Richard Moore, Microsoft Research；
Alex Kipman, Microsoft Research；Andrew Blake, Microsoft Research

核心內(nèi)容：作者提出一種可以基于無時間信息從單個深度圖像中快速、準(zhǔn)確預(yù)測身體關(guān)節(jié) 3D 位置的方法。通過采用物體識別方法設(shè)計(jì)出身體部位的間接表示，進(jìn)而將有難度的姿勢估計(jì)問題映射為簡單的每像素分類問題。作者同通過龐大、多樣化的訓(xùn)練數(shù)據(jù)集，讓分類器可以針對身體部位的姿勢、身體形狀、衣服等不變量進(jìn)行預(yù)估，進(jìn)而通過重新投影分類結(jié)果找到局部模式，最終生成具有置信度的身體關(guān)節(jié) 3D 建模。
該系統(tǒng)能在消費(fèi)類硬件上以每秒 200 幀的速度運(yùn)行。評估系統(tǒng)在合成與實(shí)際測試集的處理結(jié)果中顯示了高精度，并分析了幾個訓(xùn)練參數(shù)對此的影響。與相關(guān)工作相比，該模型實(shí)現(xiàn)了目前最先進(jìn)的精度，并在全骨架最近鄰匹配上有了很大進(jìn)步。

論文解讀：https://lincccc.blogspot.com/2011/05/real-time-human-pose-recognition-in.html

2010（1篇）

Efficient computation of robust low-rank matrix approximations in the presence of missing data using the L1 norm
利用L1范數(shù)對數(shù)據(jù)缺失的魯棒低秩近似矩陣進(jìn)行有效計(jì)算

作者：Anders Eriksson & Anton va den Hendel, University of Adelaide

核心內(nèi)容：低秩近似矩陣計(jì)算是許多計(jì)算機(jī)視覺應(yīng)用中的基礎(chǔ)操作。這類問題的主力解決方案一直是奇異值分解（Singular Value Decomposition）。一旦存在數(shù)據(jù)缺失和異常值，該方法將不再適用，遺憾的是，我們經(jīng)常在實(shí)踐中遇到這種情況。
論文提出了一種計(jì)算矩陣的低秩分解法，一旦丟失數(shù)據(jù)時會主動最小化 L1 范數(shù)。該方法是 Wiberg 算法的代表——在 L2 規(guī)范下更具說服力的分解方法之一。通過利用線性程序的可區(qū)分性，可以對這種方法的基本思想進(jìn)行擴(kuò)展，進(jìn)而包含 L1 問題。結(jié)果表明，現(xiàn)有的優(yōu)化軟件可以有效實(shí)現(xiàn)論文提出的算法。論文提供了令人信服、基于合成與現(xiàn)實(shí)數(shù)據(jù)的初步實(shí)驗(yàn)結(jié)果。

2009（1篇）

Single Image Haze Removal Using Dark Channel Prior
暗通道先驗(yàn)去霧

作者：何凱明, 香港中文大學(xué)；孫劍, Microsoft Research；
湯曉鷗, 香港中文大學(xué)

核心內(nèi)容：本文中提出了一個簡單卻有效、針對單個輸入圖像的暗通道去霧法。暗通道先驗(yàn)去霧法是一種戶外去霧圖像的統(tǒng)計(jì)方法，它主要基于一個關(guān)鍵的觀察——室外無霧圖像中的大多數(shù)局部斑塊包含一些像素，這些像素的強(qiáng)度起碼有一個顏色通道處于低狀態(tài)。使用這種基于霧度成像模型的先驗(yàn)方法，我們可以直接估計(jì)圖像的霧霾厚度，借此將圖像恢復(fù)至高質(zhì)量的無霧狀態(tài)。各種模糊圖像的去霧結(jié)果證明了論文所提出先驗(yàn)方法的成效。此外，我們可以通過該方法獲得高質(zhì)量的深度圖。

論文解讀：https://www.cnblogs.com/Imageshop/p/3281703.html

2008（2篇）

Global Stereo Reconstruction under Second Order Smoothness Priors
二階平滑先驗(yàn)下的全局立體重建

作者：Oliver Woodford, University of Oxford；Ian Reid, Oxford Brookes University；
Philip Torr, University of Oxford；Andrew Fitzgibbon, Microsoft Research

核心內(nèi)容：3D 曲面平滑度中的二階先驗(yàn)是比一階先驗(yàn)更好的典型場景模型。然而，基于全局推理算法（如圖形切割）的二階平滑先驗(yàn)法未能與二階先驗(yàn)很好地進(jìn)行結(jié)合，因?yàn)楸磉_(dá)所需的三重集會產(chǎn)生難以處理的（非子模塊）優(yōu)化問題。
本文表明三重集的推理可以獲得有效的優(yōu)化。作者提出的優(yōu)化策略是基于 α 擴(kuò)展的最新研究結(jié)果，源自「QPBO」算法。該策略通過 QPBO 算法的最新擴(kuò)展對提議深度圖進(jìn)行重復(fù)合并。對于提案深度圖的來源并不受局限，比如可以是α擴(kuò)展的前平行平面，亦或者帶有任意參數(shù)設(shè)置的實(shí)際立體算法。最終實(shí)驗(yàn)結(jié)果證明了二階先驗(yàn)法以及框架優(yōu)化策略的有效性。

Beyond Sliding Windows: Object Localization by Efficient Subwindow Search
超越滑動窗口：利用高效子窗口搜索實(shí)現(xiàn)對象定位

作者：Chistoph H. Lampert, Max Planck Institut；Matthew B. Blaschko, Max Planck Institut；
Thomas Hodmann, Google

核心內(nèi)容：大部分有效的物體識別系統(tǒng)都依賴于二進(jìn)制分類，不過這種方法只能確認(rèn)物體是否存在，而無法提供物體的實(shí)際位置。為了實(shí)現(xiàn)物體定位功能，我們可以考慮采用滑動窗口法，然而這將大大增加計(jì)算成本，因?yàn)楸仨氃诖罅康暮蜻x子窗口上進(jìn)行分類器函數(shù)評估。
為此，論文提出了一種簡單而強(qiáng)大的分支界定方案，可以在所有可能子圖像上有效最大化大類分類器函數(shù)。它在次線性時間內(nèi)提供基于全局最優(yōu)解的收斂方案。論文展示了該方法如何適用于不同的檢測對象與場景。該方案實(shí)現(xiàn)的加速效果允許使用類似具有空間金字塔內(nèi)核的 SVMs 或者基于χ2-距離的最近鄰分類器來進(jìn)行物體定位，而在過去，這些分類器被認(rèn)為在處理相關(guān)任務(wù)時的速度太慢了。該方案在 UIUC 車輛數(shù)據(jù)集、PASCAL VOC 2006 數(shù)據(jù)集以及 PASCAL VOC 2007 競賽中均取得了最先進(jìn)的結(jié)果。

2007（1篇）

Dynamic 3D Scene Analysis from a Moving Vehicle
在移動工具中進(jìn)行動態(tài)三維場景分析

作者：Bastian Leibe, ETH Zurich；Nico Cornelis, Katholieke Universiteit Leuven；
Kurt COrnelis, Katholieke Universiteit Leuven；Luc Van Gool, ETH Zurich

核心內(nèi)容：論文提出一個集成了全自動場景幾何估計(jì)、2D 物體檢測、3D 定位、軌跡估計(jì)和跟蹤功能的系統(tǒng)，以用于分析移動工具的動態(tài)場景。該系統(tǒng)的唯一輸入來源是汽車頂部經(jīng)過校準(zhǔn)的立體裝置。從這些視頻流中，我們得以實(shí)時估計(jì) Structurefrom-Motion（SfM）和場景幾何。與此同時，作者還試圖執(zhí)行多視圖/多類別對象識別，以檢測攝像里的汽車和行人。
通過 SfM 自定位系統(tǒng)，我們可以將檢測到的 2D 對象轉(zhuǎn)換為 3D 成像，并在真實(shí)世界的坐標(biāo)系中持續(xù)累積。隨后跟蹤模塊將對 3D 觀測結(jié)果進(jìn)行分析，進(jìn)而找到跟物理空間吻合的時空軌跡。最后，全局優(yōu)化標(biāo)準(zhǔn)會將對象 - 對象交互（object-object interactions）考慮在內(nèi)，以獲得精確的汽車和行人的 3D 定位和軌跡預(yù)估結(jié)果。論文展示了該集成系統(tǒng)在挑戰(zhàn)真實(shí)世界數(shù)據(jù)方面的表現(xiàn)，該數(shù)據(jù)集顯示了擁堵市區(qū)內(nèi)的汽車行駛情況。

2006（1篇）

Putting Objects in Perspective
在透視場景中放置物體

作者：Derek Hoiem, Carnegie Mellon University；Alexei Efros, Carnegie Mellon University；
Martial Hebert, Carnegie Mellon University

核心內(nèi)容：
圖像理解不僅需要考慮視覺世界中的元素，還需要考慮這些元素之間的相互作用。本文提出了一個在 3D 場景語境中進(jìn)行局部對象檢測的框架，該框架主要基于物體、表面方向以及攝像機(jī)視點(diǎn)的相互作用。
大多數(shù)物體檢測方法會考慮圖像的比例和位置。通過對 3D 幾何進(jìn)行概率預(yù)估（包括表面以及世界坐標(biāo)），我們可以將物體放置在透視圖中，進(jìn)而對圖像的比例和位置變化進(jìn)行建模。該方法通過對物體概率進(jìn)行假設(shè)以細(xì)化幾何，借此反映問題的周期性，反之亦然。該框架允許任意物體探測器進(jìn)行「無痛」替換，且便于擴(kuò)展至包括圖像理解在內(nèi)的其他方面。最終實(shí)驗(yàn)結(jié)果證實(shí)該綜合方法的優(yōu)勢。

2005（1篇）

Real-Time Non-Rigid Surface Detection
實(shí)時非剛性表面檢測

作者：Julien Pilet, école Polytechnique Fédérale de Lausanne；Vincent Lepetit, école Polytechnique Fédérale de Lausanne；
Pascal Fua, école Polytechnique Fédérale de Lausanne

核心內(nèi)容：論文提出一種無需任何先驗(yàn)知識、可實(shí)時檢測變形表面的方法。該方法從一組寬基線點(diǎn)開始，在物體未變形圖像及檢測圖像之間進(jìn)行匹配。該匹配不僅可用于檢測，同時還可以用來計(jì)算點(diǎn)與點(diǎn)之間的精確映射。該算法在面對嚴(yán)重變形、光照變化、運(yùn)動模糊以及遮擋問題時具有魯棒性。它在 2.8 GHz 的 PC 上以每秒 10 幀的速度運(yùn)行，據(jù)作者了解，尚未有其他產(chǎn)生類似結(jié)果的技術(shù)。
將可變形網(wǎng)格與設(shè)計(jì)良好的魯邦性估計(jì)器進(jìn)行結(jié)合，是該方法得以處理涉及大量參數(shù)的可變形表面建模，且獲得高達(dá) 95% 避免錯誤匹配率的關(guān)鍵，遠(yuǎn)遠(yuǎn)超過了實(shí)際要求。

2004（1篇）

Programmable Imaging using a Digital Micromirror Array
使用電子微鏡陣列實(shí)現(xiàn)可編程的圖像創(chuàng)建

作者：Shree K. Nayar, Columbia University；Vlad Branzoi, Columbia University；
Terry E. Boult, University of Colorado

核心內(nèi)容：論文介紹了可編程成像系統(tǒng)的概念。該成像系統(tǒng)為人類或視覺系統(tǒng)提供了對系統(tǒng)輻射度與幾何特征的控制方法。該靈活性是通過可編程微鏡陣列才得以實(shí)現(xiàn)的。我們可以通過把控空間和時間上的高精度來控制陣列方向，使得系統(tǒng)可以根據(jù)應(yīng)用需要來靈活選擇并調(diào)制光線。
作者成功實(shí)現(xiàn)了一種基于數(shù)字微鏡裝置（DMD）的可編程成像系統(tǒng)，用于處理數(shù)字光。雖然設(shè)備的鏡像只能置于兩個鏡頭中的一個，結(jié)果卻表明該系統(tǒng)可以實(shí)現(xiàn)各種成像功能，其中包括高動態(tài)范圍成像、特征檢測以及物體識別。論文在最后探討了如何在無需動用移動部件情況下，使用微鏡陣列進(jìn)行視場控制。

2003（1篇）

Object Class Recognition by Unsupervised Scale-Invariant Learning
使用尺度無關(guān)的無監(jiān)督學(xué)習(xí)實(shí)現(xiàn)物體類型識別

作者：Rob Fergus, University of Oxford；Pietro Perona, California Institute of Technology；
Andrew Zisserman, University of Oxford

核心內(nèi)容：論文提出一種通過尺度不變方法（scale invariant manner）從未標(biāo)記、未分段的雜亂場景中學(xué)習(xí)并識別物體類模型的方法。這些物體被建模成靈活性的系列部件。概率表示方法被用于識別物體的所有方面，包括形狀、外觀、遮擋物以及相對比例?；陟氐奶卣鳈z測器則用于對圖像內(nèi)的區(qū)域及其比例做選擇。在這過程中，尺度不變對象模型的參數(shù)將被模型預(yù)估，這是通過最大似然設(shè)置（maximum-likelihood setting）中的期望最大化（expectation-maximization）來完成的。該模型基于貝葉斯方式對圖像進(jìn)行分類。通過一系列在幾何約束類（例如面部，汽車）和柔性物體（例如動物）數(shù)據(jù)集上取得的優(yōu)異結(jié)果，證明了該模型的靈活性。

2001（1篇）

Morphable 3D models from video
視頻中的形變?nèi)S模型

作者：Matthew Brand, Mitsubishi Electric Research Laboratories

核心內(nèi)容：非剛性運(yùn)動 3D 結(jié)構(gòu) 和 2D 光流被認(rèn)為是張量分解領(lǐng)域的問題。通過嘈雜仿射變換方法，我們可以將這兩者問題變?yōu)榻M合非剛性結(jié)構(gòu)強(qiáng)度問題，進(jìn)而使用結(jié)構(gòu)化矩陣分解方法進(jìn)行解決。然而，圖像噪聲及數(shù)據(jù)缺陷將導(dǎo)致該因式分解法的前提條件無法成立。即便如此，我們依然可以通過等級約束、范數(shù)約束以及強(qiáng)度值來解決這兩個問題，進(jìn)而產(chǎn)生針對不確定性 SVD、不確定性分解、非剛性因子分解以及子空間光流的全新解決方案。最終獲得的集成算法可以跟蹤以及進(jìn)行 3D 重建具有細(xì)小紋理的非剛性表面，比如具有平滑部分的面部。通過結(jié)合低分辨率低紋理的「視頻發(fā)現(xiàn)」，這些方法可以產(chǎn)生良好的跟蹤與 3D 重建結(jié)果。

2000（1篇）

Real-Time Tracking of Non-Rigid Objects using Mean Shift
運(yùn)用均值漂移實(shí)現(xiàn)對非剛性物體的實(shí)時追蹤

作者：Dorin Comaniciu, Siemens Corporate Research；Visvanathan Ramesh, Siemens Corporate Research；
Peter Meer, Rutgers University

核心內(nèi)容：論文提出一種可以從移動攝像機(jī)實(shí)時追蹤非剛性物體的全新方法。中央計(jì)算模塊將基于均值漂移以及當(dāng)前幀中的目標(biāo)可能位置進(jìn)行運(yùn)算。目標(biāo)模型（顏色分布）與目標(biāo)候選者之間的差異由 Bhattacharyya 系數(shù)進(jìn)行表示。該方法的理論分析表明，它與貝葉斯框架息息相關(guān)，同時提供了實(shí)用、快速且有效的解決方案。針對多個圖像序列的演示結(jié)果，展示了該方法跟蹤并處理實(shí)時部分遮擋、顯著雜波以及目標(biāo)比例變化的能力。

2000~2019年 CVPR best paper 合集
鏈接：https://pan.baidu.com/s/1v9-7m3MGmmqLOsQ69DbNqQ
提取碼：點(diǎn)擊這里即可獲取

---

推薦閱讀：
1998 ~2017 年歷屆 ICCV 優(yōu)秀論文匯總
1996 ~2018 年歷屆 AAAI 優(yōu)秀論文匯總

總結(jié)

以上是生活随笔為你收集整理的2000 ~2019 年历届 CVPR 最佳论文汇总的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。