公众号内容拓展学习笔记（2022.3.7）

📎 今日要点

1. MUCNetV2：内存瓶颈和计算负载问题一举突破？分类&检测都有较高性能（附源代码下载） ⭐️⭐️

   • Abstract: MUCNetV2：内存瓶颈和计算负载问题一举突破？分类&检测都有较高性能（附源代码下载）
   • Paper: MCUNetV2: Memory-Efficient Patch-based Inference for Tiny Deep Learning
   • Code: https://mcunet.mit.edu
   • Tips: 研究者提出一种patch-based inference机制打破初始层的内存瓶颈问题,极大程度上解决了TinyDL的内存瓶颈问题，为图像分类之外的其他视觉应用铺平了道路 。

2. 一举打败16个同类模型，视频超分比赛冠军算法入选CVPR 2022，来自商汤&南洋理工大学 ⭐️⭐️

   • Abstract: 来自商汤&南洋理工大学视频超分比赛冠军算法BasicVSR++
   • Paper: BasicVSR++: Improving Video Super-Resolution with Enhanced Propagation and Alignment
   • Code: https://github.com/ckkelvinchan/RealBasicVSR
   • Tips: 加强版的BasicVSR++在传播和对齐方面进行了重新改造，采用了二阶网格传播(second-order grid propagation) 和光流引导可变形对齐 (flow-guided deformable alignment)的设计来改善网络中的信息聚合能力，提升遮挡区域的鲁棒性和有效性。

3. CVPR 2022 | 即插即用！助力自监督涨点的ContrastiveCrop开源了！ ⭐️⭐️

   • Abstract: 即插即用！助力自监督涨点的ContrastiveCrop开源了！
   • Paper: Crafting Better Contrastive Views for Siamese Representation Learning
   • Code: https://github.com/xyupeng/ContrastiveCrop
   • Tips: ContrastiveCrop旨在确保大部分正样本对语义一致的前提下，加大样本之间的差异性，从而通过最小化对比损失学习到更泛化的特征。ContrastiveCrop完全即插即用，且理论上适用于任何孪生网络架构。

4. 女娲算法，杀疯了！ ⭐️⭐️

   • Abstract: 多模态算法NÜWA（女娲）
   • Paper: NÜWA: Visual Synthesis Pre-training for Neural visUal World creAtion
   • Code: https://github.com/microsoft/NUWA
   • Tips: NÜWA模型的整体架构包含一个支持多种条件的 adaptive 编码器和一个预训练的解码器，能够同时使图像和视频的信息。对于图像补全、视频预测、图像处理和视频处理任务，将输入的部分图像或视频直接送入解码器即可。

5. ICRA 2022 | 基于多模态变分自编码器的任意时刻三维物体重建 ⭐️⭐️

   • Abstract: 基于多模态变分自编码器的任意时刻三维物体重建
   • Paper: Anytime3D Object Reconstruction Using Multi-Modal Variational Autoencoder
   • Tips: 为了实现类别级的插补和完整的三维形状重建，研究人员利用了潜在空间的多模态先验分布思想。与普通VAE不同，该方法中的每个模态都是在训练时自动确定的，并且包含特定类别的信息。利用这种先验分布，研究人员仅利用潜在空间中的传输元素来确定潜在变量的模式。通过从所选模型中输入采样变量，研究人员可以稳健地实现潜在向量检索和三维形状重建。

6. 基于大尺寸图像的小目标检测竞赛经验总结 ⭐️⭐️

   • Abstract: 基于大尺寸图像的小目标检测竞赛经验总结
   • Tips: 本文为作者参加目标检测比赛总结的数据分析，比赛思路、模型、Tricks以及分享的一些相关资料。附有详细的模型总结以及anchor的设置总结图。

📎 Others

• 由于图片权限问题，GitHub是完整版，可以点点 star
• 星标的数量是与个人相关程度，不代表文章内容的好坏
• 关注我的个人网站
• 关注我的CSDN博客
• 关注我的哔哩哔哩
• 关注我的公众号CV伴读社