论文/代码速递2022.10.19！

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

最新成果demo展示：

标题：CLIFF: Carrying Location Information in Full Frames into Human Pose and Shape Estimation

代码：https://github.com/huawei-noah/noah-research/tree/master/CLIFF

论文：https://arxiv.org/abs/2208.00571

自顶向下的方法在3D人体姿势和形状估计领域占据主导地位，因为它们与人体检测分离，允许研究人员专注于核心问题。然而，裁剪是它们的第一步，从一开始就丢弃了位置信息，这使得它们无法在原始相机坐标系中准确预测全局旋转。为了解决这个问题，我们建议在这个任务中携带全帧位置信息（CLIFF）。具体来说，我们通过将裁剪的图像特征与其边界框信息连接起来，向CLIFF提供更全面的特征。我们在更宽的全帧视野下计算2D重投影损失，采用与在图像中投影的人相似的投影过程。CLIFF由全球位置感知信息提供并监督，它直接预测全球旋转以及更精确的关节姿势。此外，我们提出了一种基于CLIFF的伪地面真值注释器，它为野外二维数据集提供高质量的三维注释，并为基于回归的方法提供关键的全面监督。对流行基准测试的大量实验表明，CLIFF的表现明显优于现有技术，并在AGORA排行榜上排名第一（SMPL算法跟踪）。

最新论文整理

ECCV2022

Updated on : 19 Oct 2022

total number : 5

ARAH: Animatable Volume Rendering of Articulated Human SDFs

• 论文/Paper: http://arxiv.org/pdf/2210.10036
• 代码/Code: None

Towards Efficient and Effective Self-Supervised Learning of Visual Representations

• 论文/Paper: http://arxiv.org/pdf/2210.09866
• 代码/Code: https://github.com/val-iisc/effssl

On-the-go Reflectance Transformation Imaging with Ordinary Smartphones

• 论文/Paper: http://arxiv.org/pdf/2210.09821
• 代码/Code: None

Homogeneous Multi-modal Feature Fusion and Interaction for 3D Object Detection

• 论文/Paper: http://arxiv.org/pdf/2210.09615
• 代码/Code: None

Scaling Adversarial Training to Large Perturbation Bounds

• 论文/Paper: http://arxiv.org/pdf/2210.09852
• 代码/Code: None

CVPR2022

NeurIPS

Updated on : 19 Oct 2022

total number : 4

How Would The Viewer Feel? Estimating Wellbeing From Video Scenarios

• 论文/Paper: http://arxiv.org/pdf/2210.10039
• 代码/Code: https://github.com/hendrycks/emodiversity

Decoupling Features in Hierarchical Propagation for Video Object Segmentation

• 论文/Paper: http://arxiv.org/pdf/2210.09782
• 代码/Code: https://github.com/z-x-yang/AOT.

HUMANISE: Language-conditioned Human Motion Generation in 3D Scenes

• 论文/Paper: http://arxiv.org/pdf/2210.09729
• 代码/Code: None

Hierarchical Normalization for Robust Monocular Depth Estimation

• 论文/Paper: http://arxiv.org/pdf/2210.09670
• 代码/Code: None