论文/代码速递2022.10.28!

AI算法与图像处理

共 2004字,需浏览 5分钟

 ·

2022-11-03 18:06


强烈推荐:2000核时免费领,立刻开启云上高性能计算 ☞,注册即送200元计算资源,https://www.bkunyun.com/wap/console?source=bkykolaistudy
当服务器有可视化界面,直接起飞!

整理:AI算法与图像处理
CVPR2022论文和代码整理:https://github.com/DWCTOD/CVPR2022-Papers-with-Code-Demo
ECCV2022论文和代码整理:https://github.com/DWCTOD/ECCV2022-Papers-with-Code-Demo
欢迎关注公众号 AI算法与图像处理,获取更多干货:


大家好,  最近正在优化每周分享的CVPR$ECCV 2022论文, 目前考虑按照不同类别去分类,方便不同方向的小伙伴挑选自己感兴趣的论文哈
欢迎大家留言其他想法,  合适的话会采纳哈! 求个三连支持一波哈

建了一个知识星球,计划不定期分享最新的成果和资源!感兴趣可以扫描体验,另外还有50个一年免费体验名额,可以添加微信nvshenj125 申请。

最新成果demo展示:

标题:Open-Set Semi-Supervised Object Detection

论文:https://ycliu93.github.io/assets/file/ECCV22_OSSOD.pdf
主页:https://ycliu93.github.io/projects/ossod.html
半监督对象检测(SSOD)的最新发展表明了利用未标记数据来改进对象检测器的前景。然而,到目前为止,这些方法都假定未标记数据不包含分布外(OOD)类,这对于更大规模的未标记数据集是不现实的。在这篇文章中,我们考虑一个更实际但更具挑战性的问题,开放集半监督对象检测(OSSOD)。我们首先发现,现有的SSOD方法在开放集条件下获得较低的性能增益,这是由语义扩展引起的,在语义扩展中,分散注意力的OOD对象被错误地预测为半监督训练的分布伪标签。为了解决这个问题,我们考虑在线和离线OOD检测模块,它们与SSOD方法集成。通过广泛的研究,我们发现利用基于自监督视觉变换器的离线OOD检测器,由于其对伪标记干扰的鲁棒性,其性能优于在线OOD检测器。在实验中,我们提出的框架有效地解决了语义扩展问题,并在许多OSSOD基准测试(包括大规模COCOOpenImages)上显示了一致的改进。我们还验证了我们的框架在不同OSSOD条件下的有效性,包括不同数量的分布类、不同程度的监管以及不同组合的未标记集合。


最新论文整理


   ECCV2022


Updated on : 28 Oct 2022

total number : 2

Bridging the visual gap in VLN via semantically richer instructions

  • 论文/Paper: http://arxiv.org/pdf/2210.15565

  • 代码/Code: None

Addressing Heterogeneity in Federated Learning via Distributional Transformation

  • 论文/Paper: http://arxiv.org/pdf/2210.15025

  • 代码/Code: https://github.com/hyhmia/distrans


    CVPR2022


   NeurIPS

Updated on : 28 Oct 2022

total number : 3

Isometric 3D Adversarial Examples in the Physical World

  • 论文/Paper: http://arxiv.org/pdf/2210.15291

  • 代码/Code: None

Segmentation of Multiple Sclerosis Lesions across Hospitals: Learn Continually or Train from Scratch?

  • 论文/Paper: http://arxiv.org/pdf/2210.15091

  • 代码/Code: https://github.com/naga-karthik/continual-learning-ms

Efficient and Effective Augmentation Strategy for Adversarial Training

  • 论文/Paper: http://arxiv.org/pdf/2210.15318

  • 代码/Code: https://github.com/val-iisc/dajat



浏览 38
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报