分享热点新闻
打造优质自媒体!

CVPR 2021 | 腾讯优途20篇论文入选 包括人脸识别、时间运动定位、视频运动分割等领域

计算机视觉世界三大会议之一的CVPR 2021论文接收结果发布!大会共收到来自世界各地的7015份有效提交材料,最终有1663份优秀提交材料被接受,就业率约为23.7%。此次腾讯优图实验室共收录论文20篇,其中口语论文4篇,涵盖人脸识别、抗攻击、时序运动定位、视频运动分割、无监督人脸质量评估等前沿领域。

01

基于超球流形置信度学习的人脸识别

Spherical Confidence Learning for Face Recognition

本论文已被CVPR 2021接收为Oral论文。的最新研究发现,球面空间能够更好地匹配人脸图像的基本几何形状,这已经被目前最先进的人脸识别方法所证实。但是这些方法依赖于确定性的特征表达,因此会遇到表达特征歧义的困难。PFE是解决这个问题的第一个尝试。为了进一步解决PFE应用的不足,我们提出了一种新的球面空间人脸置信度学习框架。在数学上,我们将冯米塞斯费希尔密度推广到它的r半径,并推导出优化目标的封闭形式解。理论上,我们证明了该框架具有较好的可解释性,并进一步推导出特征融合和特征比较的数学表达式。在几个具有挑战性的基准上的大量实验结果证实了我们的假设和理论,并显示了我们的框架在风险控制识别任务和人脸验证和识别任务中与以前的概率方法和传统的球形确定性嵌入相比的优越性能。

CVPR 2021 | 腾讯优途20篇论文入选 包括人脸识别、时间运动定位、视频运动分割等领域 科学快报 第1张

02

在开放的人像集合中学习3D人脸的聚合与特异化重建

Learning to Aggregate and Personalize 3D Face from In-the-Wild Photo Collection

本论文已被CVPR 2021接收为Oral论文。非参数人脸建模旨在从图像中重建三维人脸,而不依赖于几何假设。虽然这些方法可以预测某些细节,但它们往往过于依赖局部颜色外观,容易受到噪声的干扰。为了解决这一问题,提出了一种新的聚合和专门化学习框架来实现无监督三维人脸建模。这种方法隐式地将具有一致的标识和场景特定的人脸从不受约束的人像集中分离出来。具体来说,为了学习身份一致的人脸,LAP基于一种新的具有宽松一致性损失的课程学习方法,自适应地聚合相同身份的内在人脸元素。为了使人脸适应特定场景,我们提出了一种新的属性调整网络,利用目标属性和细节来修改身份一致的人脸。基于该方法,无监督三维人脸受益于有意义的人脸结构信息和更高的分辨率。在开放数据库上的大量实验表明,LAP能够比目前的优化方法重建更好或更有竞争力的人脸几何和纹理。

CVPR 2021 | 腾讯优途20篇论文入选 包括人脸识别、时间运动定位、视频运动分割等领域 科学快报 第2张

03

在图像到图像翻译上实现层次风格解耦

Image-to-image Translation via Hierarchical Style Disentanglement

本论文已被CVPR2021接收为Oral论文.近年来,图像到图像的翻译在多标签(以不同标签为条件)和多样式(多样式输出)的任务上取得了很大进展。然而,这些方法失败是因为未开发标签的独立性和排他性导致翻译结果不可控。本文提出了分层风格解耦来解决这个问题。具体来说,标签被重新排列成一个分层的树形结构,从上到下是独立的标签、互斥的属性和解耦的样式。因此,我们设计了一个新的翻译过程来适应上述结构,将风格与特定的标签或属性相匹配,实现可控翻译。在CelebA-HQ数据集上的定性和定量结果证明了HiSD的能力。我们希望我们的方法可以作为分离层次风格的基准,并有助于图像到图像翻译的未来研究。

04

基于特征校准的表征批规范化方法

Representative Batch Normalization with Feature Calibration

本论文已被CVPR2021接收为Oral论文。范式被认为是神经网络训练的默认组成部分之一。虽然BN有利于稳定模型训练和模型的整体表示能力,但它不可避免地忽略了个体训练数据之间的特征差异。我们提出了一种简单有效的特征校准策略,以增强数据个体的特征表达能力,几乎没有额外的时间消耗。这种中心标定方法可以增强有效的特征信息,降低噪声特征。在定标校准中,通过限制特征强度可以获得更稳定的特征分布。我们将上述的贝叶斯网络变体方法命名为代表性贝叶斯网络,它可以帮助提高分类、检测和分割等各种计算机视觉任务的效果。

CVPR 2021 | 腾讯优途20篇论文入选 包括人脸识别、时间运动定位、视频运动分割等领域 科学快报 第3张

05

基于对比学习的紧凑图像去雾方法

Contrastive Learning for Compact Single Image Dehazing

提出了一种新的基于对比度学习的对比度正则化技术,