注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 2020学术论文篇.pdf

  2. 美团技术团队不仅在新技术落地上追求卓越，还积极探索前沿技术。2019 年， 美团技术团队联合国内外多所高校和学者，在数个国际会议上发表重要论文，包括人 工智能领域顶会KDD、CVPR、IJCAI、WWW，GIS 顶会SIGSPATIAL，机器人 顶会IROS，运筹学年会INFORMS。

  3. 所属分类：互联网

    • 发布日期：2020-05-03
    • 文件大小：6mb
    • 提供者：qaulgj

  1. 2020年CVPR最佳论文

  2. 最佳论文提出了一种无需外部监督即可从原始单视图图像中学习3D变形对象的方法。该方法基于自动编码器，该自动编码器将每个输入图像分解为深度，反射率，视角和照明。为了在无监督的情况下解构这些组件，作者使用了以下事实：许多对象类别至少在原则上具有对称结构。

  3. 所属分类：深度学习

    • 发布日期：2020-06-26
    • 文件大小：1mb
    • 提供者：qq_41491023

  1. 2020年CVPR--最佳学生论文

  2. 这篇论文的角度十分新颖，从多边形网格入手，基于计算机图形学的经典空间数据结构Binary Space Partitioning（BSP）来设计了一个BSP-Net。这个网络可通过凸分解来学习表示3D形状，并且不受监督，因此训练不需要进行凸形分解。BSP-Net的重建质量有很大的优势，并且很容易能够进行参数设置。

  3. 所属分类：深度学习

    • 发布日期：2020-06-26
    • 文件大小：3mb
    • 提供者：qq_41491023

  1. 图像修复论文汇总.zip

  2. 2018-2020年CVPR等顶会 image inpainting方向论文汇总

  3. 所属分类：深度学习

    • 发布日期：2020-07-22
    • 文件大小：78mb
    • 提供者：weixin_43903730

  1. 2020年CVPR顶会论文<<3D Human Mesh Regression With Dense Correspondence>>

  2. 3D Human Mesh Regression With Dense Correspondence

  3. 所属分类：深度学习

  1. CVPR2020-目标检测合集.7z

  2. 此资源整理和收集了2020年CVPR计算机视觉顶会发布的关于的目标检测等方面的论文，可供CV专业学生以及相关工作人员学习使用与参考。

  3. 所属分类：深度学习

    • 发布日期：2020-10-30
    • 文件大小：216mb
    • 提供者：wjinjie

  1. VIBE复现过程，使用nvidia和libOpenGL.so渲染出错及解决方案

  2. VIBE复现过程，使用nvidia和libOpenGL.so渲染出错及解决方案 VIBE全称是”Video Inference for Human Body Pose and Shape Estimation”，是2020年CVPR(computer vision and pattern recognition)中关于人体姿态骨架的一篇论文。 论文地址：https://arxiv.org/abs/1912.05656 github源码地址：https://github.com/mkocabas/

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：296kb
    • 提供者：weixin_38550334

  1. FDA:用于语义分割的傅里叶域自适应-源码

  2. FDA：用于语义分割的傅里叶域自适应。 这是2020年CVPR发布的论文的Pytorch实施。 使用傅里叶变换，可以通过样式转换轻松调整域。 FDA不需要深入的网络来进行样式转换，也不需要任何对抗培训。下面是建议的傅里叶域自适应方法的示意图： 步骤1：将FFT应用于源图像和目标图像。 步骤2：将源幅度的低频部分替换为目标幅度的低频部分。 步骤3：将逆FFT应用于修改后的源频谱。 用法 FDA演示 python3 FDA_demo.py FDA用于域适应的一个例子。 （来源：GTA5，目标：Ci

  3. 所属分类：其它

  1. transmomo.pytorch:这是2020年CVPR论文“ TransMoMo”的官方PyTorch实施-源码

  2. TransMoMo：不变性驱动的无监督视频运动重定向 | | 这是CVPR 2020论文“ TransMoMo：不变性驱动的无监督视频运动重定向”的官方PyTorch实施。 环境 conda install pytorch torchvision cudatoolkit= conda install pyyaml scikit-image scikit-learn opencv pip install -r requirements.txt 数据 Mixamo 是一个合成的3D角色动画数据

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：41kb
    • 提供者：weixin_42098759

  1. semisupervised-FGSBIR:[CVPR 2021]“您只需要更多照片-源码

  2. 您只需要更多照片：半监督学习，用于基于草图的细粒度图像检索，CVPR 2021。 Ayan Kumar Bhunia ，Pinaki nath Chowdhury，Aneeshan Sain，Yongxin Yang，Tao Xiang，Song Yi-Zhe，“您需要更多照片：基于半监督学习的细粒度基于草图的图像检索”，IEEE Con​​f。 2020年计算机视觉和模式识别（CVPR）。 引文 如果您发现本文对您的研究有用，请考虑引用： InProceedings{semi-fgsbir

  3. 所属分类：其它

  1. Lip2Wav:这是包含我们2020年CVPR论文代码的存储库，标题为“学习准确的口语到语音合成的个别说话风格”-源码

  2. 更新：如果您正在寻找Wav2Lip， Lip2Wav 仅通过唇部动作即可产生高质量的语音。该代码是论文的一部分：在CVPR'20上发表的论文，学习个人说话风格以实现准确的语音合成。 | | 最近更新 发布了适用于所有扬声器的数据集和预训练模型！ 已发布在LRW数据集上训练的多扬声器单词级Lip2Wav模型的预训练模型！ （分支） 强调 在不受限制的情况下，仅通过嘴唇运动即可产生可理解的语音的第一项工作。 问题的序列到序列建模。 提供5个扬声器的数据集，其中包含100多个小时的视频数据！

  3. 所属分类：其它

  1. OpenCompoundDomainAdaptation-OCDA:Pytorch实施“开放式复合域适配”（CVPR 2020 ORAL）-源码

  2. 开放式化合物领域适应 概述 Open Compound Domain Adaptation (OCDA)是作者对以下描述的复合域适配器的重新实现： “”*，*，，，，，在计算机视觉IEEE会议（香港中文大学伯克利分校与谷歌和）和模式识别（CVPR）2020年，口头报告 欲了解更多信息，请联系和。 要求 （版本> = 0.4.1） 更新： 2020年11月9日：我们已经上传了C-Faces数据集。相应的代码将很快更新。请耐心等待。非常感谢你！ 2020年6月16日：我们发布了C-Dig

  3. 所属分类：其它

  1. mot_neural_solver:PyTorch的“学习用于多目标跟踪的神经求解器”的官方PyTorch实施（CVPR 2020口头）-源码

  2. 学习用于多目标跟踪的神经求解器 这是我们的CVPR 2020（口头）论文《学习多目标跟踪的神经求解器》的正式实施（ ， ） 更新 （2020年11月）添加了对 （包括对象检测器微调）的支持并处理了较长的序列，解决了OOM错误的问题。 （2020年6月）代码发布。 设置 克隆并输入此存储库： git clone --recursive https://github.com/dvl-tum/mot_neural_solver.git cd mot_neural_solver 为此项目创建一

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：752kb
    • 提供者：weixin_42112894

  1. 3d-photo-inpainting:[CVPR 2020]使用上下文感知的分层深度修补进行3D摄影-源码

  2. [CVPR 2020]使用上下文感知的分层深度修补进行3D摄影 [] [] [ ] 我们提出了一种用于将单个RGB-D输入图像转换为3D照片的方法，即用于新颖视图合成的多层表示，该方法在原始视图中所包含的区域中包含幻觉的颜色和深度结构。我们使用具有显式像素连通性的分层深度图像作为基础表示，并提出一种基于学习的修复模型，该模型以空间上下文感知的方式将新的局部颜色和深度内容迭代地合成到被遮挡的区域中。使用标准图形引擎，可以使用运动视差有效地渲染生成的3D照片。与最先进的技术相比，我们在各种具有挑

  3. 所属分类：其它

  1. CVPR-2021-纸-源码

  2. CVPR2021最新信息及已接收论文/代码（持续更新） 本贴是对CVPR2021已接受论文的粗略总结，后续会有更详细的总结。期待中…… 官网链接： : 参加时间：2021年6月19日-6月25日论文接收公布时间：2021年2月28日 接收论文ID： 目录 :cat_face: :dog_face: :mouse_face: :hamster: :tiger_face: :Japanese_service_charge_button: :Japanese_service_

  3. 所属分类：其它

  1. CVPR2021-代码：CVPR 2021论文开源项目（带代码的文件）合集，同时欢迎各位大佬提交问题，分享CVPR 2021开放式项目-源码

  2. CVPR2021-代码 论文开源项目（带代码的文件）合集！CVPR 2021论文收录列表： : 注1：等2021年2月28日开奖后，欢迎各位大佬提交issue，分享CVPR 2021本文和开源项目！ 注2：CVPR 2021已交稿成立！已投稿且想要进来的群同学，可以添加微信： CVer9999 ，请备注： CVPR2021已投稿+姓名+学校/公司名称！一定要根据格式申请！ 【推荐阅读】 论文开源项目合集： : ECCV 2020论文开源项目合集： : 关于往年CV顶会论文（如EC

  3. 所属分类：其它

  1. 美国食品药品管理局-源码

  2. FDA：用于语义分割的傅里叶域自适应。 这是2020年CVPR发布的论文的Pytorch实施。 使用傅里叶变换，可以通过样式转换轻松调整域。 FDA不需要深入的网络来进行样式转换，也不需要任何对抗培训。 下面是建议的傅里叶域自适应方法的示意图： 步骤1：将FFT应用于源图像和目标图像。 步骤2：将源幅度的低频部分替换为目标幅度的低频部分。 步骤3：将逆FFT应用于修改后的源频谱。 用法 FDA演示 python3 FDA_demo.py FDA用于域适应的一个例子。 （来源：GTA5

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：11mb
    • 提供者：weixin_42144199

  1. Cartoonizer：将白盒卡通化的网络应用程序！-源码

  2. 香椿 这是一个网络应用程序，用于将真实世界的图像制作成类似于艺术家绘制图像的卡通图像。 这项工作基于2020年CVPR论文：《学习使用白盒卡通表示来卡通化》，由于使用了原始研究的引用代码，因此已获得。 使用的技术：Tensorflow，烧瓶，HTML 安装 建议使用python :snake: 版本3.7 python3 -m pip install -r requirements.txt python3 main.py (tada webapp is running in =>

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：102mb
    • 提供者：weixin_42123237

  1. 即时FGSBIR：[CVPR 2020，口头]“少花钱，多获取：即时细粒度基于草图的图像检索”，IEEE Con​​f。计算机视觉与模式识别（CVPR），2020年。-源码

  2. 更少的草图，更多的草图：基于草图的即时细粒度图像检索，CVPR 2020（口服） Ayan Kumar Bhunia ，Yongxin Yang，Timothy M. Hospedales，Tao Xiang，Song Yi-Zhe Song，“少花更多钱：基于细粒度的即时动态图像检索”，IEEE Con​​f。 2020年计算机视觉和模式识别（CVPR）。 抽象 基于草图的细粒度图像检索（FG-SBIR）解决了在给定用户查询草图的情况下检索特定照片实例的问题。 但是，绘制草图需要花费时间，并

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：21mb
    • 提供者：weixin_42132056

  1. OpenLongTailRecognition-OLTR：“在开放世界中进行大规模长尾识别”的Pytorch实施（CVPR 2019 ORAL）-源码

  2. 开放世界中的大规模长尾识别 总览 Open Long-Tailed Recognition (OLTR)是作者对以下描述的长尾识别器的重新实现： “” * ，* ，，，，（CUHK＆UC Berkeley / ICSI）在IEEE计算机视觉与模式识别（CVPR）会议2019，口头报告 更多信息请联系和。 更新通知 2020年3月4日：我们改变了所有名为valirables selfatt到modulatedatt使注意力模块可以在地方-LT第二阶段进行适当的培训。 由于未冻结权重，因此Im

  3. 所属分类：其它

« 12 3 »