ECCV2022 | SimpleRecon 无需 3D 卷积的高质量三维重建方案! 论文速递2022.9.7！

整理：AI算法与图像处理

CVPR2022论文和代码整理：https://github.com/DWCTOD/CVPR2022-Papers-with-Code-Demo

ECCV2022论文和代码整理：https://github.com/DWCTOD/ECCV2022-Papers-with-Code-Demo

最新成果demo展示：

ECCV2022 | SimpleRecon 无需 3D 卷积的高质量三维重建方案!

主页:https://nianticlabs.github.io/simplerecon/

代码:https://github.com/nianticlabs/simplerecon

论文:https://nianticlabs.github.io/simplerecon/resources/SimpleRecon.pdf

摘要：传统上，从姿势图像重建 3D 室内场景分为两个阶段：每个图像深度估计，然后是深度合并和表面重建。最近，出现了一系列直接在最终 3D 体积特征空间中执行重建的方法。虽然这些方法显示出令人印象深刻的重建结果，但它们依赖于昂贵的 3D 卷积层，限制了它们在资源受限环境中的应用。在这项工作中，我们改为回到传统路线，并展示如何专注于高质量的多视图深度预测，从而使用简单的现成深度融合实现高精度的 3D 重建。我们提出了一个简单的最先进的多视图深度估计器，它有两个主要贡献：1）一个精心设计的 2D CNN，它利用强大的图像先验以及平面扫描特征量和几何损失，结合 2）将关键帧和几何元数据集成到成本量中，从而允许知情的深度平面评分。我们的方法在深度估计方面显着领先于当前最先进的技术，并且在 ScanNet 和 7-Scenes 上的 3D 重建接近或更好，但仍允许在线实时低内存重建。

最新论文整理

ECCV2022

Updated on : 7 Sep 2022

total number : 7

Unpaired Image Translation via Vector Symbolic Architectures

• 论文/Paper: http://arxiv.org/pdf/2209.02686
• 代码/Code: None

CNSNet: A Cleanness-Navigated-Shadow Network for Shadow Removal

• 论文/Paper: http://arxiv.org/pdf/2209.02174
• 代码/Code: None

Semi-Supervised Domain Adaptation by Similarity based Pseudo-label Injection

• 论文/Paper: http://arxiv.org/pdf/2209.01881
• 代码/Code: None

Recurrent Bilinear Optimization for Binary Neural Networks

• 论文/Paper: http://arxiv.org/pdf/2209.01542
• 代码/Code: https://github.com/SteveTsui/RBONN

Meta-Learning with Less Forgetting on Large-Scale Non-Stationary Task Distributions

• 论文/Paper: http://arxiv.org/pdf/2209.01501
• 代码/Code: None

Dynamic Spatio-Temporal Specialization Learning for Fine-Grained Action Recognition

• 论文/Paper: http://arxiv.org/pdf/2209.01425
• 代码/Code: None

Towards Accurate Binary Neural Networks via Modeling Contextual Dependencies

• 论文/Paper: http://arxiv.org/pdf/2209.01404
• 代码/Code: https://github.com/Sense-GVT/BCDN

CVPR2022

Updated on : 7 Sep 2022

total number : 1

Topic Detection in Continuous Sign Language Videos

• 论文/Paper: http://arxiv.org/pdf/2209.02402
• 代码/Code: None