May, 2015

跨越呈现问题：计算机视觉算法用于艺术作品和照片中物体的识别

PDF
TL;DR本研究针对视觉识别中的交叉描绘问题进行了分类、领域适应和深度学习方法的基准测试，发现拥有强大的部件间空间关系模型的方法通常更强大，进而得出该模型在建模对象类别方面具有重要作用且不受外观细节影响的结论。
cross-depiction problemvisual objectscomputer visionclassificationspatial relations
发现论文，激发创造
  • 跨数据集分析测试平台

    本文开展了针对视觉图像识别中数据集偏见问题的大规模分析，通过将 12 个已有数据库组织成一个语料库，提供了一个有用的特征储存库以供未来研究使用。

    Feb, 2014

  • 在立体派艺术中探测人物

    本文通过对毕加索的绘画作品中的抽象畸变物件的检测，比较了四种目标检测算法与人眼视觉感知的相似度，结果证明人类视觉感知能远胜目前算法，并且人类视觉感知和基于部件的模型表现了类似的性能下降，印证了大脑中基于部分的目标表征理论。

    Sep, 2014

  • 无监督风格适应艺术品识别

    本研究提出了一种计算机视觉系统的方法，用于无需有标签的数据来识别艺术图像中的物体，通过域适应和样式转移等技术来实现，无需大量的目标数据即可进行跨域对象识别及场景分类。

    Dec, 2018

  • 交叉描述符视觉定位与建图

    本文介绍了解决传统视觉定位和建图中局部特征不一致的问题的第一个原则性解决方案，并在各种手工制作的和学习的特征的最新基准测试中证明了其有效性。

    Dec, 2020

  • 使用卷积神经网络检测艺术作品中的人物

    该研究表明 fine-tune 卷积神经网络在艺术品中进行物体检测的表现具有极高的性能，但仍需要进一步研究来解决跨图像类型检测的问题。

    Oct, 2016

  • 人类和机器对极端图像变换下的物体识别的鲁棒性

    该论文探讨了神经网络架构在解决视觉任务时存在的局限性，与人类学习抽象概念的策略不同。研究利用一组新的图像转换方法，对人类和网络在对象识别任务上进行了评估，发现常见网络的性能迅速下降，而人类能够以高精度识别对象。

    May, 2022

  • 对齐的图像 - 词表达提高跨视觉语言任务的归纳转移能力

    本文研究视觉特征的表征方式，并探讨了通过将视觉识别任务和视觉问答任务各自对应的语言表示方式建立联系，以实现更好的跨任务数据迁移的方法。结果表明，这种方法比常规的多任务学习方法更有效，并且能够大幅提高在视觉识别任务和视觉问答任务上的准确率。

    Apr, 2017

  • 利用深度多风格特征融合和迭代投票在大型艺术收藏中进行物体检索和定位

    本文介绍了一种基于计算机视觉的算法，利用多样性特征融合和区域投票技术可以准确地搜索和定位艺术品中指定的图案或物体，有效地解决了大规模数字化艺术品数据集的图像检索问题。

    Jul, 2021

  • 计算机视觉中的人类感知

    本文研究计算机视觉、深度神经网络（DNN）、人类视觉感知和无体系结构视觉学习之间的联系，并发现 DNN 计算可用于估计感知损失，并与有趣的理论观点一致，即人类感知的特性是视觉学习无体系结构的结果。

    Jan, 2017

  • 极端环境下的人脸检测：机器学习方法

    本文提出一种深层级联多任务框架，通过三层深度卷积神经网络的分级设计，在对人脸和人脸特征区域进行预测的粗到细的过程中，利用其中的内在相关性以提高人脸检测和特征点定位的性能，在学习过程中还采用一种新型的在线困难样本挖掘方法，能够自动提高性能而无需手动样本选择。

    Jan, 2022