ACCV （Asian Conference on Cpmputer Vision） 為CCF(中國計算機學會)推薦的國際會議，是僅次於CVPR、ICCV、ECCV 的計算機視覺領域C類會議（與BMVC類似），影響力逐年上升，今年的ACCV 2020 原計划在日本京都於11月30-12月4日召開，因疫情影響全部活動改為線上。
ACCV 2020 共錄用論文 255 篇，官方提供所有論文開放下載，在“OpenCV中文網”公眾號后台回復“ACCV2020”,即可收到所有論文的打包下載。
目前，大會已經公布了最佳論文，讓我們一起來看看吧 ！
最佳論文獎
Best Paper Award
A Sparse Gaussian Approach to Region-Based 6DoF Object Tracking
作者：Manuel Stoiber、Martin Pfanne、Klaus H. Strobl、Rudolph Triebel、Alin Albu-Schaffer
單位：德國航空航天中心、慕尼黑工業大學
開源地址：
https://github.com/DLR-RM/RBGT
該文研究的內容是基於RGB相機的物體6DoF跟蹤。提出了一種新的、高效的稀疏方法來實現基於區域的6DoF目標跟蹤，只需要一個單目RGB攝像機和三維物體模型。建立了新的數學模型，開發了用於正則化牛頓優化的對數似然導數的魯棒逼近。在實驗中，該方法不僅跟蹤成功率方面優於之前最先進的基於區域的方法，而且速度快一個數量級！
相關演示：
最佳論文榮譽提名獎
Best Paper Honorable Mention Award
Pre-training without Natural Images
作者：Hirokatsu Kataoka, Kazushige Okayasu, Asato Matsumoto，Eisuke Yamagata，Ryosuke Yamada, Nakamasa Inoue，Akio Nakamura，and Yutaka Satoh
單位：日本國家先進工業研究院、東京電機大學、築波大學、東京理工學院
開源地址：
https://github.com/hirokatsukataoka16/FractalDB
基於大量有標注的自然圖像訓練而得到的CNN網絡取得了舉世矚目的成功，有實驗表明其濾波器學到了各種有意義的視覺特征，那能否用人為生成的特定紋理和形狀的圖像來訓練網絡而不用自然圖像呢？這些生成的圖像可以無限擴容，可以省卻大量人力。
該文作者證明這是可行的，通過大量的實驗表明，使用生成的圖像訓練的模型在很多時候可以和自然圖像訓練的網絡相媲美，雖然並不總是比自然圖像數據集好，但也提取到了非常有意義的特征。
相關演示：