總結 | 2020年TOP 10計算機視覺論文：代碼，解讀，還有demo視頻！

總結 | 2020年TOP 10計算機視覺論文：代碼，解讀，還有demo視頻！

OpenCV學堂 今天

點擊上方↑↑↑“OpenCV學堂”關注我

來源：公眾號 AI公園 授權

---

作者：louisfb01

編譯：ronghuaiyang

導讀

論文，代碼，解讀，還有demo視頻。

盡管今年世界上發生了這么多事情，我們還是有機會看到很多驚人的研究成果。特別是在人工智能更精確的說是計算機視覺領域。此外，今年還聚焦了許多重要的方面，比如倫理方面、重要的偏見等等。人工智能和我們對人類大腦及其與人工智能的聯系的理解在不斷發展，在不久的將來顯示出了有前途的應用，這一點我一定會講到。

以下是我今年在計算機視覺領域最有趣的10篇研究論文，以免你錯過了其中的任何一篇。簡而言之，它基本上是一個關於人工智能和CV的最新突破的精選列表，配有清晰的視頻解釋、更深入的文章鏈接和代碼(如果適用的話)。好好享受吧，如果我在評論中漏掉了什么重要的論文，請告訴我，或者直接在LinkedIn上聯系我！

觀看完整的5分鍾計算機視覺2020回顧

視頻鏈接：https://youtu.be/CP3E9Iaunm4

完整的論文列表

• Sea-thru: A Method For Removing Water From Underwater Images 
• Neural circuit policies enabling auditable autonomy 
• NeRV: Neural Reflectance and Visibility Fields for Relighting and View Synthesis 
• YOLOv4: Optimal Speed and Accuracy of Object Detection 
• PULSE: Self-Supervised Photo Upsampling via Latent Space Exploration of Generative Models 
• Image GPT - Generative Pretraining from Pixels 
• DeepFaceDrawing: Deep Generation of Face Images from Sketches 
• PIFuHD: Multi-Level Pixel-Aligned Implicit Function for High-Resolution 3D Human Digitization 
• RAFT: Recurrent All-Pairs Field Transforms for Optical Flow 
• Learning Joint Spatial-Temporal Transformations for Video Inpainting 
• Old Photo Restoration via Deep Latent Space Translation 
• Is a Green Screen Really Necessary for Real-Time Portrait Matting? 
• DeOldify 

Sea-thru: A Method For Removing Water From Underwater Images

你有沒有想過，如果沒有水，海洋會是什么樣子，去掉了這藍綠色的水下照片，仍然有珊瑚礁的真實顏色？利用計算機視覺和機器學習算法，Haifa大學的研究人員能夠做到這一點！

• 視頻短片：視頻鏈接：https://youtu.be/E1kffL4_AS8

• 論文解讀：https://medium.com/towards-artificial-intelligence/this-ai-removes-the-water-from-underwater-images-d277281bcd0f
• 論文鏈接：https://openaccess.thecvf.com/content_CVPR_2019/papers/Akkaynak_Sea-Thru_A_Method_for_Removing_Water_From_Underwater_Images_CVPR_2019_paper.pdf
• 代碼：https://github.com/jgibson2/sea-thru

Neural circuit policies enabling auditable autonomy

來自奧地利IST和麻省理工學院的研究人員已經成功地使用一種新的人工智能系統訓練了一輛自動駕駛汽車，該系統基於小動物的大腦，比如蟯蟲。他們只用幾個神經元就能控制自動駕駛汽車，而流行的深度神經網絡如inveptions、Resnets或VGG需要數百萬個神經元。他們的網絡能夠完全控制一輛汽車，只需要使用由19個控制神經元組成的75000個參數，而不是數百萬個！

• 短片：https://youtu.be/wAa358pNDkQ

• 論文解讀：https://medium.com/towards-artificial-intelligence/a-new-brain-inspired-intelligent-system-drives-a-car-using-only-19-control-neurons-1ed127107db9
• 論文鏈接：https://www.nature.com/articles/s42256-020-00237-3.epdf?sharing_token=xHsXBg2SoR9l8XdbXeGSqtRgN0jAjWel9jnR3ZoTv0PbS_e49wmlSXvnXIRQ7wyir5MOFK7XBfQ8sxCtVjc7zD1lWeQB5kHoRr4BAmDEU0_1-UN5qHD5nXYVQyq5BrRV_tFa3_FZjs4LBHt-yebsG4eQcOnNsG4BenK3CmBRFLk%3D
• 代碼：https://github.com/mlech26l/keras-ncp

NeRV: Neural Reflectance and Visibility Fields for Relighting and View Synthesis

該方法能夠生成一個完整的三維場景，並能夠決定場景的照明。與以前的方法相比，所有這些都只需要非常有限的計算成本並得到了驚人的結果。

• 短片：https://youtu.be/ZkaTyBvS2w4

• 論文解讀：https://medium.com/what-is-artificial-intelligence/generate-a-complete-3d-scene-under-arbitrary-lighting-conditions-from-a-set-of-input-images-9d2fbce63243
• 論文鏈接：https://arxiv.org/abs/2012.03927
• 代碼：https://people.eecs.berkeley.edu/~pratul/nerv/

YOLOv4: Optimal Speed and Accuracy of Object Detection

這第4個版本由Alexey Bochkovsky等人於2020年4月在論文“YOLOv4: Optimal Speed and Accuracy of Object Detection”中介紹。該算法的主要目標是在高精度方面做出一個高質量的超高速目標檢測器。

• 短片：https://youtu.be/CtjZFkO5RPw

• 論文解讀：https://medium.com/what-is-artificial-intelligence/the-yolov4-algorithm-introduction-to-you-only-look-once-version-4-real-time-object-detection-5fd8a608b0fa
• 論文鏈接：https://arxiv.org/abs/2004.10934
• 代碼：https://github.com/AlexeyAB/darknet

PULSE: Self-Supervised Photo Upsampling via Latent Space Exploration of Generative Model

這個新算法將模糊的圖像轉換成高分辨率的圖像！它可以把超低分辨率的16x16圖像轉換成1080p高清晰度的人臉！你不相信我？你就可以在不到一分鍾的時間里自己試一下！但首先，讓我們看看他們是怎么做到的。

• 短片：https://youtu.be/cgakyOI9r8M

• 論文解讀：https://medium.com/what-is-artificial-intelligence/this-ai-makes-blurry-faces-look-60-times-sharper-7fcd3b820910
• 論文鏈接：https://arxiv.org/abs/2003.03808
• 代碼：https://github.com/adamian98/pulse

Image GPT - Generative Pretraining from Pixels

一個好的人工智能，比如Gmail中使用的那個，可以生成連貫的文本並完成你的短語。這張圖片使用了同樣的原則來完成一張圖片！所有這些都是在無人監督的訓練中完成的，根本不需要任何標簽！

• 短片：https://youtu.be/FwXQ568_io0

• 論文解讀：https://medium.com/towards-artificial-intelligence/this-ai-can-generate-the-pixels-of-half-of-a-picture-from-nothing-using-a-nlp-model-7d7ba14b5522
• 論文鏈接：https://openai.com/blog/image-gpt/
• 代碼：https://github.com/openai/image-gpt

DeepFaceDrawing: Deep Generation of Face Images from Sketches

你現在可以使用這種新的圖像到圖像轉換技術，從粗糙甚至不完整的草圖生成高質量的人臉圖像，無需繪圖技巧！如果你的畫技和我一樣差，你甚至可以調整眼睛、嘴巴和鼻子對最終圖像的影響。讓我們看看它是否真的有效，以及他們是如何做到的。

• 短片：https://youtu.be/djXdgCVB0oM

• 論文解讀：https://medium.com/what-is-artificial-intelligence/ai-generates-real-faces-from-sketches-8ccbac5d2b2e
• 論文鏈接：http://geometrylearning.com/paper/DeepFaceDrawing.pdf
• 代碼：https://github.com/IGLICT/DeepFaceDrawing-Jittor

PIFuHD: Multi-Level Pixel-Aligned Implicit Function for High-Resolution 3D Human Digitization

這個人工智能從2D圖像生成3D高分辨率的人的重建！它只需要一個單一你的圖像就可以生成一個3D頭像，看起來就像你，甚至從背后！

• 短片：https://youtu.be/ajWtdm05-6g

• 論文解讀：https://medium.com/towards-artificial-intelligence/ai-generates-3d-high-resolution-reconstructions-of-people-from-2d-images-introduction-to-pifuhd-d4aa515a482a
• 論文鏈接：https://arxiv.org/pdf/2004.00452.pdf
• 代碼：https://github.com/facebookresearch/pifuhd

RAFT: Recurrent All-Pairs Field Transforms for Optical Flow

ECCV 2020最佳論文獎授予普林斯頓團隊。他們開發了一種新的端到端可訓練的光流模型。他們的方法在多個數據集上超越了最先進的架構的准確性，而且效率更高。

• 短片：https://youtu.be/OSEuYBwOSGI

• 論文解讀：https://medium.com/towards-artificial-intelligence/eccv-2020-best-paper-award-a-new-architecture-for-optical-flow-3298c8a40dc7
• 論文鏈接：https://arxiv.org/pdf/2003.12039.pdf
• 代碼：https://github.com/princeton-vl/RAFT

Learning Joint Spatial-Temporal Transformations for Video Inpainting

這個人工智能應用可以填補移除了目標之后丟失的像素，並使用更精確，更少模糊的方式重建整個視頻。

• 短片：https://youtu.be/MAxMYGoN5U0

• 論文解析：https://medium.com/towards-artificial-intelligence/this-ai-takes-a-video-and-fills-the-missing-pixels-behind-an-object-video-inpainting-9be38e141f46
• 論文鏈接：https://arxiv.org/abs/2007.10247
• 代碼：https://github.com/researchmm/STTN?utm_source=catalyzex.com

Old Photo Restoration via Deep Latent Space Translation

想象一下，你祖母18歲時的老照片，折疊的，甚至是被撕的，全部變成高清的，沒有任何手工痕跡的照片。這就是所謂的舊照片修復，而這篇論文剛剛開辟了一個全新的途徑來解決這個問題，使用深度學習方法。

• 短片：https://youtu.be/QUmrIpl0afQ

• 論文解析：https://medium.com/towards-artificial-intelligence/old-photo-restoration-using-deep-learning-47d4ab1bdc4d
• 論文鏈接：https://arxiv.org/pdf/2009.07047.pdf
• 代碼：https://github.com/microsoft/Bringing-Old-Photos-Back-to-Life?utm_source=catalyzex.com

Is a Green Screen Really Necessary for Real-Time Portrait Matting?

人像摳圖是一項非常有趣的任務，目標是在照片中找到所有的人，然后把背景去掉。由於任務的復雜性，這真的很難實現，必須找到一個或多個擁有完美輪廓的人。在這篇文章中，我回顧了多年來使用的最佳技術，以及2020年11月29日發表的一篇新方法。許多技術使用基本的計算機視覺算法來實現這一任務，例如GrabCut算法，它非常快，但不是非常精確。

• 短片：https://youtu.be/rUo0wuVyefU

• 論文解讀：https://medium.com/datadriveninvestor/high-quality-background-removal-without-green-screens-8e61c69de63
• 論文鏈接：https://arxiv.org/pdf/2011.11961.pdf
• 代碼：https://github.com/ZHKKKe/MODNet

DeOldify

DeOldify是一種對黑白圖像甚至電影膠片進行着色和還原的技術。它是由Jason Antic一人開發的，目前仍在進行更新。它現在是給黑白圖像着色的最先進的方法，而且所有的東西都是開源的，但是我們將會回到這一點上。

• 短片：https://youtu.be/1EP_Lq04h4M

• 論文解讀：https://medium.com/towards-artificial-intelligence/this-ai-can-colorize-your-black-white-photos-with-full-photorealistic-renders-deoldify-bf1eed5cb02a
• 代碼：https://github.com/jantic/DeOldify

— END—

英文原文：https://github.com/louisfb01/Top-10-Computer-Vision-Papers-2020