持续更新Github：

https://github.com/Sophia-11/Awesome-CVPR-Paper 

往年论文集锦请在【计算机视觉联盟】后台回复  CVPR2019 

论文集锦请在【计算机视觉联盟】后台回复  CVPR2020 

 

今天，计算机视觉三大顶会之一CVPR2020接收结果已经公布，一共有1470篇论文被接收，接收率为22%，相比去年降低3个百分点，竞争越来越激烈。

 

计算机视觉顶会CVPR2020官方今日发布接收论文列表（编号）：

http://cvpr2020.thecvf.com/sites/default/files/2020-02/accepted_list.txt

 

 

虽然我们目前还只能看到官方公布的接收论文ID，具体的接收论文还不清楚，但部分作者已经展示了自己被接收的工作，有些更是已经放出了开源代码。因此，经过小编的努力，我们收集了一批论文以及来自作者的介绍（因为无官方通知，如有错误，欢迎指出），列表如下，大家可以先去阅读一番了。

 

1.GhostNet: More Features from Cheap Operations（超越Mobilenet v3的架构）

论文链接：https://arxiv.org/pdf/1911.11907arxiv.org

模型（在ARM CPU上的表现惊人）：https://github.com/iamhankai/ghostnetgithub.com

We beat other SOTA lightweight CNNs such as MobileNetV3 and FBNet.

 

2. AdderNet: Do We Really Need Multiplications in Deep Learning? （加法神经网络）

在大规模神经网络和数据集上取得了非常好的表现

论文链接：https://arxiv.org/pdf/1912.13200arxiv.org

 

3. Frequency Domain Compact 3D Convolutional Neural Networks （3dCNN压缩）

论文链接：https://arxiv.org/pdf/1909.04977arxiv.org

开源代码：https://github.com/huawei-noah/CARSgithub.com

 

4. A Semi-Supervised Assessor of Neural Architectures （神经网络精度预测器 NAS）

 

5. Hit-Detector: Hierarchical Trinity Architecture Search for Object Detection（NAS 检测）

backbone-neck-head一起搜索， 三位一体

 

6. CARS: Contunuous Evolution for Efficient Neural Architecture Search (连续进化的NAS)

高效，具备可微和进化的多重优势，且能输出帕累托前研

 

7. On Positive-Unlabeled Classification in GAN （PU+GAN）

 

8. Learning multiview 3D point cloud registration（3D点云）

论文链接：arxiv.org/abs/2001.05119

 

9. Multi-Modal Domain Adaptation for Fine-Grained Action Recognition（细粒度动作识别）

论文链接：arxiv.org/abs/2001.09691

 

10. Action Modifiers:Learning from Adverbs in Instructional Video

论文链接：arxiv.org/abs/1912.06617

 

11. PolarMask: Single Shot Instance Segmentation with Polar Representation（实例分割建模）

论文链接：arxiv.org/abs/1909.13226

论文解读：https://zhuanlan.zhihu.com/p/84890413

开源代码：https://github.com/xieenze/PolarMask

 

12. Rethinking Performance Estimation in Neural Architecture Search（NAS）

由于block wise neural architecture search中真正消耗时间的是performance estimation部分，本文针对 block wise的NAS找到了最优参数，速度更快，且相关度更高。

13. Distribution Aware Coordinate Representation for Human Pose Estimation（人体姿态估计）

论文链接：arxiv.org/abs/1910.06278

Github：https://github.com/ilovepose/DarkPose

作者团队主页：https://ilovepose.github.io/coco/

• 点赞
• 收藏
• 分享
• 文章举报

人工智能博士 博客专家 发布了394 篇原创文章 · 获赞 586 · 访问量 52万+ 他的留言板 关注