DL专辑|CVPR 2021线上论文分享会精彩报告回顾

导读：CVPR是计算机视觉和模式识别的年度会议，被认为是其领域中最重要的会议之一。本期数图收录CVPR 2021线上论文分享会精彩报告。根据CVPR 2021官方公布的论文收录结果，今年一共有1663篇论文被接收，接收率为23.7%。进入数图，在线观看到底什么样的论文可以突出重围，收获“顶会”的青睐。

CVPR 2021 线上论文分享会

报告：Deep Animation Video Interpolation in the Wild

作者：李思尧 商汤科技算法研究员

简介：在动画行业，亟需要能够自动插补动画帧之间的计算模型。李思尧和他的研究团队建立了一个大规模的动画三联体数据集ATD-12K，其中包括12000个带有丰富注释的三联体。他们的方法优于现有的最先进的动画视频插值方法，AnimeInterp也在真实场景的动画场景中显示了良好的感知质量和稳健性。

报告：Deep Implicit Moving Least-Squares Functions for 3D Reconstruction

作者：刘洋 微软亚洲研究院高级研究员

简介：他与研究团队提出的IMLSNet预测了一个八叉树结构，作为在需要时生成MLS点的支架，并通过学习的局部先验来描述形状几何，在重建质量和计算效率方面超过了最先进的基于学习的方法。

报告：PointAugmenting: Cross-Modal Augmentation for 3D Object Detection

作者：马超 上海交通大学助理教授

简介：三维物体检测的挑战在于有效地融合二维相机图像和三维激光雷达点。在本文中，马超和他的研究团队提出了一种新型的跨模态3D物体检测算法，名为PointAugmenting。

报告：Neighbor2Neighbor: Self-Supervised Denoising from Single Noisy Images

作者：贾旭 大连理工大学长聘副教授

简介：贾旭和他的研究团队从理论角度解释了他们的方法，并通过广泛的实验进一步验证，包括在 sRGB 空间中具有不同噪声分布的合成实验和在原始 RGB 空间中去噪基准数据集的真实世界实验。

报告：Event-based Synthetic Aperture Imaging with a Hybrid Network

作者：余磊 武汉大学副教授

简介：合成孔径成像（SAI）能够通过模糊掉离焦的前景遮挡物并从多视角图像中重建入焦的遮挡目标来实现透视效果。然而，非常密集的遮挡物和极端的照明条件可能会给基于传统帧的相机的SAI带来重大干扰，导致性能下降。为了解决这些问题，余磊和他的研究团队提出了一种基于事件相机的新型SAI系统，它可以产生具有极低延迟和高动态范围的异步事件。

报告：Leveraging Line-point Consistence to Preserve Structures for Wide Parallax Image Stitching

作者：贾棋 大连理工大学副教授

报告：We are More than Our Joints: Predicting how 3D Bodies Move

作者：张言 苏黎世联邦理工学院博士后

报告：Learning a Self Expressive Network for Subspace Clustering

作者：李春光 北京邮电大学副教授

简介：李春光和他的研究团队提出了一个新的子空间聚类框架，称为自表达网络（SENet），不仅可以在训练数据上学习具有预期属性的自我表达系数，而且还可以处理样本外的数据。特别地，SENet在MNIST、Fashion MNIST和Extended MNIST上产生了极具竞争力的性能，并在CIFAR-10上达到了最先进的性能。

报告：Variational Relational Point Completion Network

作者：潘亮 南洋理工大学博士后

简介：潘亮和研究团队贡献了一个多视图部分点云数据集（MVP数据集），其中包含超过10万个高质量的扫描，从26个均匀分布的相机姿态为每个三维CAD模型渲染了部分三维形状。广泛的实验表明，VRCNet在所有标准的点云补全基准上都优于最先进的方法，也在现实世界的点云扫描中显示出了极大的通用性和稳健性。

报告：Towards More Flexible and Accurate Object Tracking with Natural Language: Algorithm

作者：王逍 鹏城实验室博士后

简介：王逍博士和他的研究团队提出了一种基于自适应局部-全局搜索方案的强大的基线方法，供未来的工作比较，这个基准将极大地促进自然语言引导的跟踪的相关研究。

报告：Kaleido-BERT: Vision-Language Pre-training on Fashion Domain

作者：高德宏 阿里巴巴搜索算法负责人

简介：高德宏博士和他的研究团队提出了一个新的视觉语言（VL）预训练模型，称为Kaleido-BERT，它引入了一个新的Kaleido策略，用于从变换器中时尚的跨模式表征。