ECCV 2020 谷歌論文盤點—Poster 篇

今天盤點Poster中的谷歌論文，總計27篇，從這些論文中可看出，谷歌很重視自動駕駛，多篇論文為自動駕駛領(lǐng)域，目標檢測、NAS、數(shù)據(jù)增廣方法等也是研究的重點。

下載所有ECCV 2020 請點這里：

ECCV 2020 論文合集下載，分類盤點進行中

論文相關(guān)代碼已列出，歡迎感興趣的朋友參考。

弱監(jiān)督、視頻理解

[2].Uncertainty-Aware Weakly Supervised Action Detection from Untrimmed Videos

作者?|?Anurag Arnab,?Chen Sun,?Arsha Nagrani,?Cordelia Schmid

單位 | 谷歌

論文?|?https://arxiv.org/abs/2007.10703

備注 |?ECCV?2020

針對未裁剪的視頻提出一種不確定性感知的弱監(jiān)督動作檢測算法。

[3].Beyond Controlled Environments: 3D Camera Re-Localization in Changing Indoor Scenes

作者?|?Johanna Wald,?Torsten Sattler,?Stuart Golodetz,?Tommaso Cavallari,?Federico Tombari

單位 | 慕尼黑工業(yè)大學(xué)；查爾姆斯理工大學(xué)；捷克理工大學(xué)；Five AI Ltd；谷歌

論文?|?https://arxiv.org/abs/2008.02004

主頁 |?https://waldjohannau.github.io/RIO10/

備注 |?ECCV?2020

該文提出一種超越受控環(huán)境的室內(nèi)場景變化中的3D攝像機重定位方法。

[4].Consistency Guided Scene Flow Estimation

作者?|?Yuhua Chen, Luc Van Gool, Cordelia Schmid, Cristian Sminchisescu

單位 | 谷歌，ETH Zurich

論文?|?https://arxiv.org/abs/2006.11242

備注 |?ECCV?2020

該文提出一種自監(jiān)督學(xué)習(xí)框架，從立體視頻中重建三維場景結(jié)構(gòu)和運動。

[5].Continuous Adaptation for Interactive Object Segmentation by Learning from Corrections

作者?|?Theodora Kontogianni,?Michael Gygli,?Jasper Uijlings,?Vittorio Ferrari

單位 | 谷歌，亞琛工業(yè)大學(xué)

論文?|?https://arxiv.org/abs/1911.12709

備注 |?ECCV?2020

一種從用戶校正操作中學(xué)習(xí)得到的交互式土體分割方法。

人體姿態(tài)估計

[6].SimPose: Effectively Learning DensePose and Surface Normals of People from Simulated Data

作者?|?Tyler Zhu, Per Karlsson, Christoph Bregler

單位 | 谷歌

論文?|?https://arxiv.org/abs/2007.15506

備注 |?ECCV?2020

對人體進行密集2.5D DensePose 和3D表面法向標注是非常昂貴的，該文提出一種從模擬數(shù)據(jù)經(jīng)域適應(yīng)技術(shù)進行真人密集姿態(tài)估計和表面法向量計算的方法，大幅降低了成本取得了不錯的效果。

[7].Learning Data Augmentation Strategies for Object Detection

作者?|?Barret Zoph,?Ekin D. Cubuk,?Golnaz Ghiasi,?Tsung-Yi Lin,?Jonathon Shlens,?Quoc V. Le

單位 | 谷歌

論文?|?https://arxiv.org/abs/1906.11172

代碼 |?https://github.com/tensorflow/tpu/tree/master/

models/official/detection

備注 |?ECCV?2020

數(shù)據(jù)增廣是如此重要，已經(jīng)獲得大量研究者的關(guān)注，但作者發(fā)現(xiàn)對于圖像分類有效的增廣策略對目標檢測的提升是有限的，于是作者提出一重可學(xué)習(xí)的用于目標檢測特定任務(wù)的增廣方法，實驗中取得了2.3mAP的提升，而且將這種策略直接用于其他數(shù)據(jù)集，同樣獲得了2.7mAP的提升，證明這種方法推廣性很好。

[8].Streaming Object Detection for 3-D Point Clouds

作者?|?Wei Han, Zhengdong Zhang, Benjamin Caine, Brandon Yang, Christoph Sprunk, Ouais Alsharif, Jiquan Ngiam, Vijay Vasudevan, Jonathon Shlens, Zhifeng Chen

單位 | 谷歌，Waymo

論文?|?https://arxiv.org/abs/2005.01864

備注 |?ECCV?2020

不同于RGB成像的相機，需要獲得全部數(shù)據(jù)再進行后一步處理，這在自動駕駛汽車中會造成一定的延遲，該文針對激光雷達信號采集的流式的特點，設(shè)計一種流式目標檢測的算法，降低了系統(tǒng)延遲。

[9].Improving 3D Object Detection through Progressive Population Based Augmentation

作者?|?Shuyang Cheng, Zhaoqi Leng, Ekin Dogus Cubuk, Barret Zoph, Chunyan Bai, Jiquan Ngiam, Yang Song, Benjamin Caine, Vijay Vasudevan, Congcong Li, Quoc V. Le, Jonathon Shlens, Dragomir Anguelov

單位 | Waymo LLC；谷歌

論文?|?https://arxiv.org/abs/2004.00831

備注 |?ECCV?2020

針對點云數(shù)據(jù)的目標檢測的數(shù)據(jù)增廣方法。

3D目標檢測，LSTM，點云

[10].An LSTM Approach to Temporal 3D Object Detection in LiDAR Point Clouds

作者?|?Rui Huang, Wanyue Zhang, Abhijit Kundu, Caroline Pantofaru, David A Ross, Thomas Funkhouser, Alireza Fathi

單位 | 谷歌

論文?|?https://arxiv.org/abs/2007.12392

主頁 |?https://sites.google.com/view/lstm-3d-detection/home

備注 |?ECCV?2020

再點云數(shù)據(jù)中，基于LSTM的時序3D目標檢測方法。

AutoML，NAS

[11].BigNAS: Scaling Up Neural Architecture Search with Big Single-Stage Models

作者?|?Jiahui Yu, Pengchong Jin, Hanxiao Liu, Gabriel Bender, Pieter-Jan Kindermans, Mingxing Tan, Thomas Huang, Xiaodan Song, Ruoming Pang, Quoc Le

單位 | 谷歌，University of Illinois at Urbana-Champaign

論文?|?https://arxiv.org/abs/2003.11142

備注 |?ECCV?2020

在NAS中一次搜索訓(xùn)練，得到多個不需要重訓(xùn)練或后處理的子模型，并且這些子模型精度超越了EfficientNets 和 Once-for-All?網(wǎng)絡(luò)等工作。

[12].Memory-Efficient Incremental Learning Through Feature Adaptation

作者?|?Ahmet Iscen, Jeffrey Zhang, Svetlana Lazebnik, Cordelia Schmid

單位 | 谷歌

論文?|?https://arxiv.org/abs/2004.00713

備注 |?ECCV?2020

基于特征適應(yīng)的內(nèi)存高效的增量學(xué)習(xí)法方法。

[13].Virtual Multi-view Fusion for 3D Semantic Segmentation

作者?|?Abhijit Kundu, Xiaoqi Yin, Alireza Fathi, David Ross, Brian Brewington, Thomas Funkhouser, Caroline Pantofaru

單位 | 谷歌

論文?|?https://arxiv.org/abs/2007.13138

主頁 |?https://abhijitkundu.info/projects/multiview_segmentation/

備注 |?ECCV?2020

虛擬多視圖融合用于3D語義分割。

目標檢測

[14].Efficient Scale-Permuted Backbone with Learned Resource Distribution

作者?|?Xianzhi Du, Tsung-Yi Lin, Pengchong Jin, Yin Cui Mingxing Tan, Quoc Le, and Xiaodan Song

單位 | 谷歌

論文?|?https://www.ecva.net/papers/eccv_2020/

papers_ECCV/papers/123680562.pdf

備注 |?ECCV?2020

使用NAS搜索得到目標檢測的骨干網(wǎng)絡(luò)，在檢測任務(wù)中超越EfficientDet,在分類、語義分割中也取得了不錯效果。

[15].RetrieveGAN: Image Synthesis via Differentiable Patch Retrieval

作者?|?Hung-Yu Tseng, Hsin-Ying Lee, Lu Jiang, Ming-Hsuan Yang, Weilong Yang

單位 | 谷歌，University of California, Merced，Yonsei University

論文?|?https://arxiv.org/abs/2007.08513

備注 |?ECCV?2020

通過可微分的Patch檢索進行圖像合成。

[16].Graph convolutional networks for learning with few clean and many noisy labels

作者?|?Ahmet Iscen, Giorgos Tolias, Yannis Avrithis, Ondrej Chum, Cordelia Schmid

單位 | 谷歌，Czech Technical University in Prague，Univ Rennes

論文?|?https://arxiv.org/abs/1910.00324

備注 |?ECCV?2020

通過圖卷積網(wǎng)絡(luò)在少量干凈和大量含噪聲樣本中進行學(xué)習(xí)。

[17].Deep Positional and Relational Feature Learning for Rotation-Invariant Point Cloud Analysis

作者?|?Ruixuan Yu?, Xin Wei, Federico Tombari?, and Jian Sun

單位 | 西安交通大學(xué)；慕尼黑工業(yè)大學(xué)；谷歌

論文?|?http://www.ecva.net/papers/eccv_2020/

papers_ECCV/papers/123550222.pdf

備注 |?ECCV?2020

旋轉(zhuǎn)不變的點云分析。

[18].Federated Visual Classification with Real-World Data Distribution

作者?|?Tzu-Ming Harry Hsu, Hang Qi, Matthew Brown

單位 |?麻省理工學(xué)院；谷歌

論文?|?https://arxiv.org/abs/2003.08082

數(shù)據(jù)集 |?https://github.com/google-research/google-research/tree/master/federated_vision_datasets

備注 |?ECCV?2020

保護數(shù)據(jù)隱私的聯(lián)邦學(xué)習(xí)。

[19].Joint Bilateral Learning for Real-time Universal Photorealistic Style Transfer

作者?|?Xide Xia, Meng Zhang, Tianfan Xue, Zheng Sun, Hui Fang, Brian Kulis, Jiawen Chen

單位 |?波士頓大學(xué)；PixelShift.AI；谷歌

論文?|?https://arxiv.org/abs/2004.10955

備注 |?ECCV?2020

聯(lián)合雙邊學(xué)習(xí)，用于實時通用逼真的風(fēng)格遷移。

注意力機制，視頻理解，活動識別

[20].AssembleNet++: Assembling Modality Representations via Attention Connections

作者?|?Michael S. Ryoo, AJ Piergiovanni, Juhana Kangaspunta, Anelia Angelova

單位 | 谷歌，Stony Brook University

論文?|?https://arxiv.org/abs/2008.08072

代碼 |?https://github.com/google-research/google-research/tree/master/assemblenet

主頁 |?https://sites.google.com/view/assemblenet/

備注 |?ECCV?2020

半監(jiān)督學(xué)習(xí)+圖像分割

[21].Naive-Student: Leveraging Semi-Supervised Learning in Video Sequences for Urban Scene Segmentation

作者?|?Liang-Chieh Chen, Raphael Gontijo Lopes, Bowen Cheng, Maxwell D. Collins, Ekin D. Cubuk, Barret Zoph, Hartwig Adam, Jonathon Shlens

單位 | 谷歌，UIUC

論文?|?https://arxiv.org/abs/2005.10266

備注 |?ECCV?2020

視頻序列的半監(jiān)督學(xué)習(xí)用于城市場景分割。

視頻分類

[22].AttentionNAS: Spatiotemporal Attention Cell Search for Video Classification

作者?|?Xiaofang Wang, Xuehan Xiong, Maxim Neumann, AJ Piergiovanni, Michael S. Ryoo, Anelia Angelova, Kris M. Kitani, Wei Hua

單位 | 谷歌；卡內(nèi)基梅隆大學(xué)

論文?|?https://arxiv.org/abs/2007.12034

備注 |?ECCV?2020

將時空注意力與NAS結(jié)合的視頻分類模型。

圖像檢索

[23].Unifying Deep Local and Global Features for Image Search

作者?|?Bingyi Cao, Andre Araujo, Jack Sim

單位 | 谷歌

論文?|?https://arxiv.org/abs/2001.05027

代碼 |?https://github.com/tensorflow/models/

tree/master/research/delf

備注 |?ECCV?2020

統(tǒng)一深度局部和全局特征的圖像搜索。

[24].Pillar-based Object Detection for Autonomous Driving

作者?|?Yue Wang, Alireza Fathi, Abhijit Kundu, David Ross, Caroline Pantofaru, Thomas Funkhouser, Justin Solomon

單位 | 麻省理工學(xué)院；谷歌

論文?|?https://arxiv.org/abs/2007.10323

代碼 |?https://github.com/WangYueFt/pillar-od

備注 |?ECCV?2020

自動駕駛目標檢測。

[25].Improving Object Detection with Selective Self-supervised Self-training

作者?|?Yandong Li, Di Huang, Danfeng Qin, Liqiang Wang, Boqing Gong

單位 |?中佛羅里達大學(xué)；谷歌

論文?|?https://arxiv.org/abs/2007.09162

備注 |?ECCV?2020

通過可選擇的自監(jiān)督自訓(xùn)練方法改進目標檢測。

[26].Environment-agnostic Multitask Learning for Natural Language Grounded Navigation

作者?|?Xin Eric Wang, Vihan Jain, Eugene Ie, William Yang Wang, Zornitsa Kozareva, Sujith Ravi

單位 |?加利福尼亞大學(xué)圣克魯茲分校；加州大學(xué)圣巴巴拉分校；谷歌；亞馬遜

論文?|?https://arxiv.org/abs/2003.00443

代碼 |?https://github.com/google-research/valan

備注 |?ECCV?2020

面向自然語言的導(dǎo)航的環(huán)境不可知多任務(wù)學(xué)習(xí)。

[27].SimAug: Learning Robust Representations from Simulation for Trajectory Prediction

作者?|?Junwei Liang, Lu Jiang, Alexander Hauptmann

單位 | 卡內(nèi)基梅隆大學(xué)；谷歌

論文?|?https://arxiv.org/abs/2004.02022

代碼 |?https://github.com/JunweiLiang/Multiverse/tree/master/SimAug

主頁 |?https://next.cs.cmu.edu/simaug/

備注 |?ECCV?2020

從仿真數(shù)據(jù)中學(xué)習(xí)用于軌跡預(yù)測的魯棒表示。