2018年CVPR所有ReID相关领域论文的详细分析解读汇总，还包括若干篇论文的全文翻译。

StarGAN-官方PyTorch实施 *****新增功能：可从获得StarGAN v2 ***** 该存储库提供了以下论文的官方PyTorch实现： StarGAN：用于多域图像到图像翻译的统一生成对抗网络1,2， 1,2， 2,3，2，2,4， 1,2- 1韩国大学， 2 Clova AI研究，NAVER Corp. 3香港科技大学新泽西学院4 摘要：最近的研究表明，在两个领域的图像到图像翻译中取得了巨大的成功。 但是，由于应为每对图像域分别构建不同的模型，因此现有方法在处理两个以上域时具有有限的可伸缩性和鲁棒性。 为了解决此限制，我们提出了StarGAN，这是一种新颖且可扩展的方法，可以仅使用一个模型就可以对多个域执行图像到图像的转换。 StarGAN的这种统一模型架构允许在单个网络中同时训练具有不同域的多个数据集。 与现有模型相比，StarGAN的翻译图像质量更高，并且具有

DLSSVM代码实现，非常详细，matlab代码，还有ppt介绍，对于数字图像处理的目标跟踪很有帮助。

CVPR2022 latex模板，搜到的CSDN都要积分，大家可以去github下载：https://github.com/MCG-NKU/CVPR_Template

总结了历年CVPR的论文及相应的代码，包含400篇CVPR2020论文及代码；48篇CVPR2020论文解读；CVPR2019全部论文和开源代码合集；CVPR2019所有论文下载，56篇精选解读；官方CVPR2019大会现场报告所有视频；CVPR2018论文及代码等等等等等等等等。

CVPR2021-带代码演示的文件 :glowing_star: 持续更新最新论文和相应的开源代码！ :automobile: CVPR 2021收录列表： : :automobile:官网链接： : :timer_clock:时间：2021年6月19日-6月25日 :watch:论文接收公布时间：2021年2月28日 :raised_hand:注：欢迎各位大佬提交问题，分享CVPR 2021文件和开源项目！共同完善这个项目 :airplane:为了方便下载，已将文件存储在文件夹中 :check_mark:表示论文 :hammer_and_pick:思维导图| 思维导图 【思维导图】【TODO】 :fireworks:欢迎进群| 欢迎 CVPR 2021论文交流群已成立！已经收录的同学，可以添加微信： nvshenj125 ，请备注： CVPR +姓名+学校/公司名称！一定要根据格式申请，可以拉你进群。 :hammer:目录|目录（单击直接替换） 【去做】 【目录可直接加速】 :key:关键词| 关键字词 【去做】 骨干 :check_mark:

CVPR 2021论文和开源项目合集 论文和开源项目合集（带代码的论文）！ CVPR 2021收录列表： : 注1：欢迎各位大佬提交问题，分享CVPR 2021论文和开源项目！ 注2：关于往年CV顶会论文以及其他优质CV论文和大盘点，详见： : CVPR 2021中奖群已成立！已经收录的同学，可以添加微信： CVer9999 ，请备注： CVPR2021已收录+姓名+学校/公司名称！ 【CVPR 2021论文开源目录】 骨干 ReXNet：减少卷积神经网络上的代表性瓶颈 论文： : 代码： ： 内卷：反转卷积的固有性以进行视觉识别 论文： : 代码： ： 高效移动网络设计的协调注意 论文： : 代码： ： 具有有效膨胀搜索的初始卷积 论文： : 代码： ： RepVGG：使VGG样式的ConvNets再次出色 论文： : 代码： ： 纳斯 通过生成进行搜索

MTAN-多任务注意力网络 该存储库包含多任务注意力网络（MTAN）的源代码，以及来自Shikun ， 和引入基线。 请参阅我们的项目页面的详细结果。 实验 图像到图像预测（一对多） 在文件夹im2im_pred ，我们提供了建议的网络以及本文介绍的NYUv2数据集上的所有基线。 所有模型都是用PyTorch编写的，并且在最新的提交中，我们已将实现更新为PyTorch 1.5版。 下载我们经过预处理的NYUv2数据集。 我们从使用预先计算的地面真实法线。 原始的13类NYUv2数据集可以使用定义的分段标签直接下载到。 很抱歉，由于意外的计算机崩溃，我无法提供原始的预处理代码。 更新-2019年6月：我现在发布了具有2、7和19类语义标签（请参阅本文以获取更多详细信息）和（反）深度标签的预处理CityScapes数据集。 下载[256×512个，2.42GB]版本 和[128×2

DeeperForensics-1.0：用于真实世界人脸伪造检测的大规模数据集 该存储库提供以下论文的数据集和代码： DeeperForensics-1.0：用于真实世界人脸伪造检测的大规模数据集，，，在CVPR 2020中。 | | 摘要：我们介绍了我们正在努力建立用于人脸伪造检测的大型基准。 该基准测试的第一个版本DeeperForensics-1.0代表了迄今为止最大的人脸伪造检测数据集，共有60,000个视频，共1760万帧，是现有同类数据集的10倍。 应用了广泛的现实世界扰动以获得更大规模和更高多样性的更具挑战性的基准。 我们会仔细收集DeeperForensics-1.0中的所有源视频，并通过新提议的端到端人脸交换框架来生成假视频。 经用户研究验证，生成的视频质量优于现有数据集中的视频。 该基准测试具有一个隐藏的测试集，其中包含在人类评估中获得较高欺骗性分数的操纵视频。

Total3DUnderstanding Total3DUnderstanding：从单个图像对室内场景进行联合布局，对象姿势和网格重建聂银雨，韩晓光，郭世辉，郑玉建，张建，张建军在。 安装 此实现使用Python 3.6， 和cudatoolkit 9.0。 我们建议使用部署环境。 使用conda安装： conda env create -f environment.yml conda activate Total3D 用pip安装： pip install -r requirements.txt 演示版 预训练的模型可以在下载。 我们在这里还提供了预训练的网格生成网络。 将预训练的模型放在 out/pretrained_models 下面演示了一个演示，以了解该方法的工作原理。 这里使用vtk可视化3D场景。 输出将保存在“演示/输出”下。 您也可以使用此脚本来玩玩具。