ICCV 2021 放榜！一文看盡10篇論文的開源項目（檢測/分割/Transformer等）

 

https://zhuanlan.zhihu.com/p/392699791

CVer計算機視覺

微信公眾號：CVer

 

37 人贊同了該文章

前言

ICCV 2021 剛剛公布獲獎結果！先恭喜各位論文被收錄的同學。ICCV 2021 最終收錄1617篇論文，錄取率是25.9%。

Amusi 第一時間整理了 10多篇 ICCV 2021論文，這里對已公開github鏈接的論文進行盤點（有鏈接，不一定有代碼哈）。

ICCV 2021 合集鏈接如下，也歡迎大家提交issue，分享你的ICCV 2021論文或者開源工作。

ICCV2021-Papers-with-Code​github.com/amusi/ICCV2021-Papers-with-Code

ICCV 2021 代碼和開源項目目錄

• 視覺Transformer
• GAN
• 目標檢測
• 實例分割
• Few-shot Segmentation
• 超分辨率
• 行人重識別
• 異常檢測
• 其他

Visual Transformer

Pyramid Vision Transformer: A Versatile Backbone for Dense Prediction without Convolutions

• Paper(Oral): https://arxiv.org/abs/2102.12122
• Code: https://github.com/whai362/PVT

本文提出第一個用於不同像素級密集預測任務的視覺Transformer網絡！無需卷積！在圖像分類、目標檢測、實例/語義分割等任務上漲點明顯，參數更少，性能更強！

GAN

EigenGAN: Layer-Wise Eigen-Learning for GANs

• Paper: https://arxiv.org/abs/2104.12476
• Code: https://github.com/LynnHo/EigenGAN-Tensorflow

目標檢測

DetCo: Unsupervised Contrastive Learning for Object Detection

• Paper: https://arxiv.org/abs/2102.04803
• Code: https://github.com/xieenze/DetCo

表現SOTA！性能優於MoCov2、SwAV等網絡，其在分割、姿態估計等任務上也漲點明顯！

實例分割

Instances as Queries

• Paper: https://arxiv.org/abs/2105.01928
• Code: https://github.com/hustvl/QueryInst

基於查詢的端到端實例分割新網絡，表現SOTA！性能和速度均優於SOLO V2、CondInst和HTC等網絡，代碼已開源！

Crossover Learning for Fast Online Video Instance Segmentation

• Paper: https://arxiv.org/abs/2104.05970
• Code: https://github.com/hustvl/CrossVIS

Few-shot Segmentation

Mining Latent Classes for Few-shot Segmentation

• Paper(Oral): https://arxiv.org/abs/2103.15402
• Code: https://github.com/LiheYoung/MiningFSS

超分辨率

Learning for Scale-Arbitrary Super-Resolution from Scale-Specific Networks

• Paper: https://arxiv.org/abs/2004.03791
• Code: https://github.com/LongguangWang/ArbSR

本文提出了一個用於SR網絡的插件模塊來實現任意尺度的SR，包括多尺度感知特征適應模塊和一個尺度感知上采樣層，還提出一種尺度感知知識遷移范式，代碼即將開源！

行人重識別

TransReID: Transformer-based Object Re-Identification

• Paper: https://arxiv.org/abs/2102.04378
• Code: https://github.com/heshuting555/TransReID

使用純Transformer進行ReID研究的工作（其中提出ViT-BoT強勁的baseline），TransReID在行人和車輛重識別任務上均表現SOTA！

異常檢測(Anomaly Detection)

Weakly-supervised Video Anomaly Detection with Robust Temporal Feature Magnitude Learning

• Paper: https://arxiv.org/abs/2101.10030
• Code: https://github.com/tianyu0207/RTFM