本周 Paper 推荐丨Deep Fashion3D、大规模图像质量评价数据集、移动物体识别

.

  推荐目录

Deep Fashion3D:从单个图像重建3D服装的数据集和基准

PIPAL:一种用于感知图像恢复的大规模图像质量评价数据集

MOR-UAV:无人机视频中移动物体识别的基准数据集和基准方法

  Deep Fashion3D:从单个图像重建3D服装的数据集和基准

论文名称:Deep Fashion3D: A Dataset and Benchmark for 3D Garment Reconstruction from Single Images

作者:Zhu Heming /Cao Yu /Jin Hang /Chen Weikai /Du Dong /Wang Zhangye /Cui Shuguang /Han Xiaoguang

发表时间:2020/3/28

论文链接://arxiv.org/abs/2003.12753

推荐原因

这篇论文被ECCV 2020接收,要解决的是从单个图像重建3D服装的问题。这个问题可以被应用在虚拟试衣间等应用中。近些年来,深度学习技术的发展让基于图像的三维人体数字化领域有了前所未有的进展。但是与单张图像估计人体三维姿态、非穿衣人体形状相比,以单张图像作为输入,恢复图像中三维服装的研究进展相对缓慢。一个重要原因是研究领域内缺乏大规模的、包含现实中多种服装的三维服装数据集。这篇论文提出了目前文献中规模最大的三维服装数据集Deep Fashion3D,在服装模型数目、服装种类以及服装标注多样性方面都胜于现有的同类数据集。同时这篇论文还提出了一个单幅图像三维服装重建的基准方法,实现了通过单张图像对Deep Fashion3D数据集中所有种类服装的三维重建。


  PIPAL:一种用于感知图像恢复的大规模图像质量评价数据集

论文名称:PIPAL: a Large-Scale Image Quality Assessment Dataset for Perceptual Image Restoration

作者:Gu Jinjin /Cai Haoming /Chen Haoyu /Ye Xiaoxing /Ren Jimmy /Dong Chao

发表时间:2020/7/23

论文链接://arxiv.org/abs/2007.12142

推荐原因

这篇论文被ECCV 2020接收,要解决的是图像恢复算法的图像质量评估问题。现在基于生成对抗网络的图像恢复算法取得了巨大的进步,然而也使得现有的评估结果跟我们的感知质量的矛盾越来越大。为此这篇论文贡献了一个大规模的图像质量评价数据集,称为感知图像处理算法(PIPAL)数据集。这个数据集使用更可靠的Elo系统收集了超过113万个人的判断来为PIPAL图像分配主观评分。基于这个数据集,这篇论文发现现有的图像质量评估方法应该要随着图像恢复算法的发展而有所更新。

2.jpeg

  MOR-UAV:无人机视频中移动物体识别的基准数据集和基准方法

论文名称:MOR-UAV: A Benchmark Dataset and Baselines for Moving Object Recognition in UAV Videos

作者: Mandal Murari /Kumar Lav Kush /Vipparthi Santosh Kumar

发表时间:2020/8/4

论文链接://arxiv.org/abs/2008.01699v1

推荐原因

随着无人机的流行,越来越多的计算机视觉技术被应用在无人机上进行航空影像的自动分析。然而之前的相关数据集主要集中在静态的物体检测问题上,这篇论文(被ACM Multimedia 2020接收)贡献了第一个用于无人机视频中移动物体识别的基准数据集。这个名为MOR-UAV的数据集包含了从30段无人机视频中收集到的89,783个移动物体实例注释,这些实例在各种情况下(例如天气条件,遮挡,变化的飞行高度和多个摄像机视角)的10,948帧组成。这篇论文还评估了16种基准模型,发现目前的基准模型在MOR-UAV上表现还不能令人满意,因此需要有后续的进一步研究。

3.jpeg

如何参与到更多论文讨论学习中?

AI研习社论文讨论微信群,分别有【NLP论文讨论群】【CV论文讨论群】【强化学习讨论群】,未来将会更细分方向和内容,群里面可以分享你觉得不错的论文,可以和同学一起讨论论文复现结果等细节,欢迎大家加入并积极参与活跃!

小助手222.jpeg

扫码添加小助手微信,发送【XX论文】,如:强化学习论文,即可进入相关的论文讨论群。