今日 Paper | 動態圖像檢索；實時場景文本定位；感知場景表示；雙重網絡等

本文作者： AI研習社

2020-03-03 11:49

導語：為了更好地服務廣大 AI 青年，AI 研習社正式推出全新「論文」版塊。

Sketch Less for More：基于細粒度草圖的動態圖像檢索

論文名稱：Sketch Less for More: On-the-Fly Fine-Grained Sketch Based Image Retrieval

作者：Bhunia Ayan Kumar /Yang Yongxin /Hospedales Timothy M. /Xiang Tao /Song Yi-Zhe

發表時間：2020/2/24

論文鏈接：https://paper.yanxishe.com/review/12442?from=leiphonecolumn_paperreview0303

推薦原因

這篇論文被CVPR 2020接收，考慮的是基于草圖的細粒度圖像檢索，即在給定用戶查詢草圖的情況下檢索特定照片樣本的問題。

繪制草圖花費時間，且大多數人都難以繪制完整而忠實的草圖。為此這篇論文重新設計了檢索框架以應對這個挑戰，目標是以最少筆觸數檢索到目標照片。這篇論文還提出一種基于強化學習的跨模態檢索框架，一旦用戶開始繪制，便會立即開始檢索。此外，這篇論文還提出一種新的獎勵方案，該方案規避了與無關的筆畫筆觸相關的問題，從而在檢索過程中為模型提供更一致的等級列表。在兩個公開可用的細粒度草圖檢索數據集上的實驗表明，這篇論文所提方法比當前最佳方法具有更高的早期檢索效率。

ABCNet：基于自適應Bezier-Curve網絡的實時場景文本定位

論文名稱：ABCNet: Real-time Scene Text Spotting with Adaptive Bezier-Curve Network

作者：Liu Yuliang /Chen Hao /Shen Chunhua /He Tong /Jin Lianwen /Wang Liangwei

發表時間：2020/2/24

論文鏈接：https://paper.yanxishe.com/review/12441?from=leiphonecolumn_paperreview0303

推薦原因

這篇論文被CVPR 2020接收，考慮的是場景文本檢測和識別的問題。

現有方法基于字符或基于分段，要么在字符標注上成本很高，要么需要維護復雜的工作流，都不適用于實時應用程序。這篇論文提出了自適應貝塞爾曲線網絡（Adaptive Bezier-Curve Network ，ABCNet），包括三個方面的創新：1）首次通過參數化的貝塞爾曲線自適應擬合任意形狀文本；2）設計新的BezierAlign層，用于提取具有任意形狀的文本樣本的準確卷積特征，與以前方法相比顯著提高精度；3）與標準圖形框檢測相比，所提貝塞爾曲線檢測引入的計算開銷可忽略不計，從而使該方法在效率和準確性上均具優勢。對任意形狀的基準數據集Total-Text和CTW1500進行的實驗表明，ABCNet達到當前最佳的準確性，同時顯著提高了速度，特別是在Total-Text上，ABCNet的實時版本比當前最佳方法快10倍以上，且在識別精度上極具競爭力。

通過逐步增加蒙版區域來修復圖像

論文名稱：Learning to Inpaint by Progressively Growing the Mask Regions

作者：Hedjazi Mohamed Abbas /Genc Yakup

發表時間：2020/2/21

論文鏈接：https://paper.yanxishe.com/review/12259?from=leiphonecolumn_paperreview0303

推薦原因

這篇論文考慮的是圖像修復問題。

生成模型可以產生視覺上合理的圖像，但是隨著被遮擋區域的增大，以往的方法難以生成正確的結構和顏色。這篇論文對這個問題引入了一種新的課程樣式訓練方法，在訓練時間內逐漸增加遮罩區域的大小，而在測試時，用戶可以在任意位置給出隨機尺寸的遮罩。這種訓練方法可以使得生成對抗模型的訓練更加平穩，提供更好的顏色一致性并且捕捉對象的連續性。

BlockGAN：從未標記的圖像中學習3D對象感知場景表示

論文名稱：BlockGAN: Learning 3D Object-aware Scene Representations from Unlabelled Images

作者：Nguyen-Phuoc Thu /Richardt Christian /Mai Long /Yang Yong-Liang /Mitra Niloy

發表時間：2020/2/20

論文鏈接：https://paper.yanxishe.com/review/12258?from=leiphonecolumn_paperreview0303

推薦原因

這篇論文提出了一個名為BlockGAN的圖像生成模型，可以直接從未標注的2D圖像中學習對象感知的3D場景表示。BlockGAN首先生成背景和前景對象的3D特征，然后將它們組合為整個場景的3D特征，最后將它們渲染為逼真的圖像。BlockGAN可以推理出對象的外觀（例如陰影和照明）之間的遮擋和交互作用，并提供對每個對象的3D姿勢和身份的控制，同時保持圖像的逼真度。BlockGAN的效果可以在項目主頁中查看。

用于行人重識別的交叉分辨對抗性雙重網絡

論文名稱：Cross-Resolution Adversarial Dual Network for Person Re-Identification and Beyond

作者：Li Yu-Jhe /Chen Yun-Chun /Lin Yen-Yu /Wang Yu-Chiang Frank

發表時間：2020/2/19

論文鏈接：https://paper.yanxishe.com/review/12257?from=leiphonecolumn_paperreview0303

推薦原因

這篇論文要解決的是行人重識別問題。

考慮到真實場景中攝像機和目標人之間距離不同可能會帶來分辨率不匹配的情況，會降低行人重識別算法的表現。這篇論文提出了一種的新的生成對抗網絡來解決跨分辨率的行人重識別，可以學習分辨率不變的圖像表示，同時能恢復低分辨率輸入圖像丟失的細節，共同用于改善重識別的性能。在五個標準行人重識別基準上的實驗結果證實了該方法的有效性，尤其是在訓練過程中不知道輸入分辨率的情況下。此外，兩個車輛重識別基準測試的實驗結果也證實了該模型在交叉分辨率視覺任務上的通用性。