使用Tensorflow进行光流预测 此存储库提供了基于DesSun的精彩论文“ PWC-Net：使用金字塔，扭曲和成本量进行光流的CNN”的基于TensorFlow的实现。 （CVPR 2018）。 已经有一些尝试使用TensorFlow实施PWC-Net。 但是，它们要么使用本文CNN网络的过时架构，要么仅提供TF推断（不提供TF训练），要么仅在Linux平台上工作，并且不支持多GPU训练。 此实现同时提供基于TF的训练和推理。 它具有可移植性：因为它不使用任何基于CUDA的动态加载的TensorFlow用户操作，因此可以在Linux和Windows上运行。 它还支持多GPU训练（此处

RDN 该存储库是。 要求 PyTorch 1.0.0 脾气暴躁的1.15.4 枕头5.4.1 h5py 2.8.0 tqdm 4.30.0 火车 可以从下面的链接下载转换为HDF5的DIV2K，Set5数据集。 数据集 规模 类型 关联 DIV2K 2个 火车 DIV2K 3 火车 DIV2K 4 火车 第5集 2个 评估 第5集 3 评估 第5集 4 评估 否则，您可以使用prepare.py创建自定义数据集。 python train.py --train-file " BLAH_BLAH/DIV2K_x4.h5 " \ --eval-file " BLAH_BLAH/Set5_x4.h5 " \ --outputs-dir " BLAH_BLAH/outputs " \

3DIoUMatch 介绍 新闻：我们的论文已被CVPR 2021接受！ 这是我们的论文3DIoUMatch：利用IoU预测进行半监督3D对象检测的代码的预发布。 （arXiv报告）。 在此存储库中，我们提供了基于和3DIoUMatch实现（带有Pytorch），以及基于SUNRGB-D和ScanNet的培训和评估脚本。 请参阅我们的以获取更多信息。 引文 如果您发现我们的工作对您的研究有用，请考虑引用： @article{wang20203dioumatch, title={3DIoUMatch: Leveraging IoU Prediction for Semi-Supervised 3D Object Detection}, author={Wang, He and Cong, Yezhen and Litany, Or and Gao, Yue and Guib

mmTransformer的正式实现： 堆叠式变压器的多峰运动预测。 （CVPR 2021）[] [] 代码将于4月发布。 引文 如果您发现我们的工作对您的研究有用，请考虑引用该论文 @article{liu2021multimodal, title={Multimodal Motion Prediction with Stacked Transformers}, author={Liu, Yicheng and Zhang, Jinghuai and Fang, Liangji and Jiang, Qinhong and Zhou, Bolei}, journal={Computer Vision and Pattern Recognition}, year={2021} }

从单个图像去除雨滴的细心生成对抗网络（CVPR'2018） ， ，嘉俊苏和 （TBA） （TBA）（CVPR'18聚光灯） 抽象的 附着在玻璃窗或相机镜头上的雨滴会严重妨碍背景场景的可见性，并严重降低图像质量。 在本文中，我们通过目视去除雨滴，从而将雨滴降级的图像转换为干净的图像来解决该问题。 这个问题是棘手的，因为首先没有给出被雨滴遮挡的区域。 第二，关于被遮挡区域的背景场景的信息在很大程度上被完全丢失。 为了解决该问题，我们使用对抗训练来应用细心的生成网络。 我们的主要思想是将视觉注意力注入到生成网络和判别网络中。 在培训期间，我们的视觉注意力会了解雨滴区域及其周围的环境。 因此，通过注入此信息，生成网络将更加关注雨滴区域和周围的结构，而判别网络将能够评估恢复区域的局部一致性。 除了去除雨滴外，对生成网络和判别网络的视觉注视也是本文的另一项贡献。 我们的实验证明了我们方法的有

MSBDN-DFF CVPR 2020文件的源代码“多尺度提振除雾网络与密集特征融合”，由，，，项蕾，，王飞， 更新 （2020.12.28）发布培训脚本和改进的模型。 依存关系 Python 3.6 PyTorch> = 1.1.0 火炬视觉 麻木 skimage h5py 的MATLAB 测试 将和下载到MSBDN-DFF/models和MSBDN-DFF/文件夹中。 在命令行上使用cuda运行MSBDN-DFF/test.py ： MSBDN-DFF/ $python test.py --checkpoint path_to_pretrained_model 除雾后的图像将保存在测试仪的目录中。 火车 我们发现训练图像的选择在训练阶段起着重要的作用，因此我们提供了HDF5格式的训练集： （Password： v8ku ） 将HDF5文件下载到path_to_data

SKNet-Pytorch 近乎完美且易于理解的PyTorch实现 我使用PyTorch重新实现了SKNET。 尽管有许多SKNET的PyTorch实现，但是它们与原始论文中描述的实现不同，并且我很难理解它们的实现。 所以我做了。 选择性核卷积 请参阅以了解选择性内核卷积的实现 参考 论文： 论文： 资料库： 资料库： 存储库： 待办事项清单 使用Resnet-18在CIFAR100上进行实验

CVPR2012上freak算法的源代码。

反事实零射击和开放式视觉识别 该项目为我们的CVPR 2021论文《反事实零热和开放集视觉识别》提供了实现，我们在本文中提出了基于事实的二进制可见/不可见分类器（GCM-CF），用于零热学习（ZSL）和开放集识别（OSR）。 此回购包含 ZSL：强二进制可见/不可见分类器，可与任何ZSL方法即插即用 ZSL：与TF-VAEGAN，RelationNet，GDAN，CADA-VAE，LisGAN，AREN集成 OSR：使用5个固定的随机种子完成基于MNIST，SVHN，CIFAR10，CIFAR + 10，CIFAR + 50的OSR代码 OSR：Softmax，OpenMax，CGDL的强基准（F1分数） OSR：实施我们的GCM-CF 有关技术细节，请参阅： 反事实零射击和开放式视觉识别 ， ，，，*平等贡献IEEE 2021年计算机视觉和模式识别会议（CVPR） 用法 请分别参考Z

农业视野 农业愿景数据集，挑战和研讨会（CVPR 2020） 与许多伟大的合作者共同努力，将农业和计算机视觉/人工智能社区联合起来，造福人类！ 更新： 第二届“农业视野奖”挑战赛，新的截止日期是2021年6月5日。总奖金：20,000美元。 内容 纸轨 录用论文 接受海报 文件： CVPR关于农业远景的文件ArXiv ， CVPR 2020开放访问 @article { chiu2020agriculture , title = { Agriculture-Vision: A Large Aerial Image Database for Agricultural Pattern Analysis } , author = { Chiu, Mang Tik and Xu, Xingqian and Wei, Yunchao and Huang, Zilong and Sc