今日 Paper | ScrabbleGAN；UnrealText；跟蹤模型；G2L-Net等

本文作者： AI研習(xí)社

2020-04-08 10:56

導(dǎo)語(yǔ)：為了更好地服務(wù)廣大 AI 青年，AI 研習(xí)社正式推出全新「論文」版塊。

UnrealText：從虛擬世界合成真實(shí)場(chǎng)景文本圖像

論文名稱(chēng)：UnrealText: Synthesizing Realistic Scene Text Images from the Unreal World

作者：Long Shangbang /Yao Cong

發(fā)表時(shí)間：2020/3/24

論文鏈接：https://paper.yanxishe.com/review/15414?from=leiphonecolumn_paperreview0408

推薦原因

這篇論文被CVPR 2020接收，提出了一種名為UnrealText的圖像合成方法，可以通過(guò)3D圖形引擎渲染逼真的圖像。3D合成引擎通過(guò)整體渲染場(chǎng)景和文本來(lái)提供逼真外觀，并允許訪(fǎng)問(wèn)精確的場(chǎng)景信息。這篇論文通過(guò)大量實(shí)驗(yàn)驗(yàn)證了所提方法在場(chǎng)景文本檢測(cè)和識(shí)別方面的有效性。這篇論文還會(huì)生成多語(yǔ)言版本，以供將來(lái)對(duì)多語(yǔ)言場(chǎng)景文本檢測(cè)和識(shí)別進(jìn)行研究。

今日 Paper | ScrabbleGAN；UnrealText；跟蹤模型；G2L-Net等

ScrabbleGAN：半監(jiān)督變長(zhǎng)手寫(xiě)文本生成

論文名稱(chēng)：ScrabbleGAN: Semi-Supervised Varying Length Handwritten Text Generation

作者：Fogel Sharon /Averbuch-Elor Hadar /Cohen Sarel /Mazor Shai /Litman Roee

發(fā)表時(shí)間：2020/3/23

論文鏈接：https://paper.yanxishe.com/review/15413?from=leiphonecolumn_paperreview0408

推薦原因

這篇論文被CVPR 2020接收，考慮的是手寫(xiě)文本生成的問(wèn)題。

深度學(xué)習(xí)方法在手寫(xiě)文本識(shí)別問(wèn)題上取得了大幅的性能提高，然而由于手寫(xiě)體的每個(gè)人都有獨(dú)特風(fēng)格，基于深度學(xué)習(xí)的訓(xùn)練樣本會(huì)受到數(shù)量的限制。收集數(shù)據(jù)是一項(xiàng)具有挑戰(zhàn)性且代價(jià)高昂的任務(wù)，而隨后的標(biāo)注任務(wù)也非常困難。這篇論文使用半監(jiān)督方法來(lái)減輕數(shù)據(jù)標(biāo)注的負(fù)擔(dān)。與完全監(jiān)督的方法相比，半監(jiān)督方法除了使用標(biāo)記數(shù)據(jù)之外，還使用一些未標(biāo)記的樣本來(lái)提高性能，從而能更好地適應(yīng)測(cè)試集中新出現(xiàn)的圖像。

ROAM：遞歸優(yōu)化跟蹤模型

論文名稱(chēng)：ROAM: Recurrently Optimizing Tracking Model

作者：Yang Tianyu /Xu Pengfei /Hu Runbo /Chai Hua /Chan Antoni B.

發(fā)表時(shí)間：2019/7/28

論文鏈接：https://paper.yanxishe.com/review/15412?from=leiphonecolumn_paperreview0408

推薦原因

這篇論文被CVPR 2020接收，提出了一個(gè)由反應(yīng)生成和邊界框回歸組成的追蹤模型，其中反應(yīng)生成部分通過(guò)生成一個(gè)熱圖來(lái)顯示對(duì)象出現(xiàn)在不同的位置，邊界框回歸部分通過(guò)回歸相對(duì)的邊界框來(lái)定位滑動(dòng)窗口的位置。為了有效地使模型適應(yīng)外觀變化，這篇論文提出通過(guò)離線(xiàn)訓(xùn)練一個(gè)遞歸神經(jīng)優(yōu)化器來(lái)更新追蹤模型，使模型在幾個(gè)梯度步驟內(nèi)收斂，提高了更新跟蹤模型的收斂速度，同時(shí)獲得了更好的性能。在OTB, VOT, LaSOT, GOT-10K和TrackingNet基準(zhǔn)數(shù)據(jù)集上評(píng)估了新提出的模型、ROAM和ROAM++這兩個(gè)模型，實(shí)驗(yàn)結(jié)果表明新提出的方法明顯優(yōu)于最先進(jìn)的方法。

G2L-Net：用于實(shí)時(shí)6D姿態(tài)估計(jì)的嵌入矢量特征的全局到局部網(wǎng)絡(luò)

論文名稱(chēng)：G2L-Net: Global to Local Network for Real-time 6D Pose Estimation with Embedding Vector Features

作者：Chen Wei /Jia Xi /Chang Hyung Jin /Duan Jinming /Leonardis Ales

發(fā)表時(shí)間：2020/3/24

論文鏈接：https://paper.yanxishe.com/review/15408?from=leiphonecolumn_paperreview0408

推薦原因

這篇論文被CVPR 2020接收，要處理的是姿態(tài)估計(jì)的問(wèn)題。

這篇論文提出了一個(gè)名為G2L-Net的實(shí)時(shí)6D目標(biāo)姿態(tài)估計(jì)框架，包含三個(gè)部分：首先通過(guò)二維檢測(cè)從RGB-D圖像中提取粗粒度目標(biāo)點(diǎn)云；然后將粗粒度目標(biāo)點(diǎn)云加入到遷移定位網(wǎng)絡(luò)中進(jìn)行三維分割和目標(biāo)遷移預(yù)測(cè)；最后通過(guò)預(yù)測(cè)得到的分割和平移信息，將細(xì)粒度目標(biāo)點(diǎn)云轉(zhuǎn)化為局部正則坐標(biāo)，用于訓(xùn)練旋轉(zhuǎn)定位網(wǎng)絡(luò)來(lái)估計(jì)初始目標(biāo)旋轉(zhuǎn)。在第三步中，G2L-Net通過(guò)定義逐點(diǎn)嵌入向量特征來(lái)捕獲視圖感知的信息。為了計(jì)算出更精確的旋轉(zhuǎn)，G2L-Net還采用旋轉(zhuǎn)殘差估計(jì)器來(lái)估計(jì)初始旋轉(zhuǎn)與真實(shí)標(biāo)簽之間的殘差，從而提高初始姿態(tài)估計(jì)的性能。在兩個(gè)基準(zhǔn)數(shù)據(jù)集上的大量實(shí)驗(yàn)表明，G2L-Net在精度和速度方面都達(dá)到了最新的水平。

用于人體姿勢(shì)估計(jì)的多視角圖像的可穿戴IMU融合：一種幾何方法

論文名稱(chēng)：Fusing Wearable IMUs with Multi-View Images for Human Pose Estimation: A Geometric Approach

作者：Zhang Zhe /Wang Chunyu /Qin Wenhu /Zeng Wenjun

發(fā)表時(shí)間：2020/3/25

論文鏈接：https://paper.yanxishe.com/review/15407?from=leiphonecolumn_paperreview0408

推薦原因

這篇論文被CVPR 2020接收，要解決的是3D人體姿勢(shì)估計(jì)的問(wèn)題。

利用可穿戴的慣性測(cè)量單元（Inertial measurement unit，IMU），這篇論文提出一種名為定向正則化網(wǎng)絡(luò)（Orientation Regularized Network，ORN）的幾何方法，來(lái)增強(qiáng)每對(duì)關(guān)節(jié)的視覺(jué)特征。當(dāng)一個(gè)關(guān)節(jié)被遮擋時(shí)，新方法可以顯著提高2D姿態(tài)估計(jì)的準(zhǔn)確性。然后，這篇論文通過(guò)定向規(guī)則化圖形結(jié)構(gòu)模型（Orientation Regularized Pictorial Structure Model，ORPSM）將多視圖2D姿勢(shì)提升到3D空間，來(lái)最小化3D和2D姿勢(shì)之間的投影誤差，以及3D姿勢(shì)和IMU方向之間的差異。這種兩步的方法明顯減少了公開(kāi)數(shù)據(jù)集上的誤差。