CVPR最有趣的5篇论文，不容错过！内含最佳学生论文！ | CVPR2017

【雷锋字幕组】招募进行时

我们是一个由海内外优秀开发者组成的志愿者团队，致力于经典机器学习课程及 AI 前沿学术成果传播，有着完善的入组学习机制和丰富的资源福利。如果你热衷于 AI 技术学习和分享，那你还在等什么？快来加入我们雷锋网(公众号：雷锋网)吧！欢迎添加组长微信  jadelover11  加入字幕组~

欢迎来到，空气中都飘散着 “论文味” 的夏威夷。

今年，国际计算机视觉与模式识别顶级会议（CVPR 2017）将于 7 月 21 日—7 月 26 日在美国夏威夷召开。我们的记者团也特赴夏威夷，在接下来几天为大家带来一手报道。

会议官方网站最新的数据显示，今年，CVPR 共收到 2680 有效投稿，一共有 783 篇论文被接收，其中有 71 篇获得 12 分钟口头报告（Oral ），144 篇获得 4 分钟短报告（Spotlights）的展示机会。

我们精选其中 5 篇论文，带大家概览国际学术界在动作识别、计算呈像、视觉跟踪、时间定位、图像数据库方面的创新成果，除了论文下载、项目地址等资源链接，还有即将呈现在大会现场口头报告的视频，让大家先睹为快。

 1. 即时多人动作姿势辨识

Realtime Multi-Person 2D Human Pose Estimation using Part Affinity Fields（CVPR 2017 Oral）

(2016 CHAMPION OF MSCOCO KEYPOINT DETECTION)

这是卡內基美隆 (CMU)Robostic Institute 的作品——Multi-Person Pose Estimation。

至于什么是 Multi-Person 2D Human Pose Estimation，请参考下面的鬼畜动图：

GitHub 代码地址： 

http://t.cn/RIrCg6k

论文地址：

https://arxiv.org/abs/1611.08050

论文作者： Zhe Cao, Tomas Simon, Shih-En Wei, Yaser Sheikh

2. 电网计算呈像

Computational Imaging on the Electric Grid (CVPR 2017 Oral)

这是以色列理工大学（Technion-Israel Institute of Technology）和多伦多大学 (University of Toronto) 学生的夜间交流电照明作品。

跟着忽明忽暗的电流摇摆，搜集和制作灯泡响应函数数据库，让我们看到以下新场景：

论文简介：

https://www.marksheinin.com/acam

论文地址：

http://t.cn/RKusjIq

论文作者：Mark Sheinin, Yoav Y. Schechner, Kiriakos. N. Kutulakos

3. 视觉跟踪技术

Action-Decision Networks for Visual Tracking with Deep Reinforcement Learning  (CVPR 2017）

这款基于深度加强学习的一种新视觉跟踪系统，在实现光计算的同时，在位置和刻度上都更加精准。

在高速运动中识别人脸，还是相当厉害的：

论文简介：

https://sites.google.com/view/cvpr2017-adnet

论文作者：Sangdoo Yun，Jongwon Choi，Youngjoon Yoo，Kimin Yun，Jin Young Choi

4. 时间操作定位

CDC: Conv-De-Conv Networks for Precise Temporal Action Localization (CVPR 2017 Oral)

运用 Conv-De-Conv Networks，更好地进行精准时间定位。不仅知道一个动作在视频中是否发生，还知道动作发生在视频的哪段时间，击球、投球、回旋时间都能精准定位，适用各种体育赛事。

代码:

https://bitbucket.org/columbiadvmm/cdc

论文下载: 

https://arxiv.org/abs/1703.01515

论文作者： Zheng Shou, Jonathan Chan, Alireza Zareian, Shih-Fu Chang，Kazuyuki Miyazawa

5. 三维图像重建室内场景

ScanNet: Richly-annotated 3D Reconstructions of Indoor Scenes (CVPR 2017 Spotlight)

斯坦福大学、普林斯顿大学以及慕尼黑工业大学联合推出了一个庞大的三维图像数据库 ScanNet ，可以作为机器人识物的数据输入。

机器人识别房间里各种各样的物体，什么是门，什么是墙，拎得倍儿清。

项目页面:

http://www.scan-net.org/

论文作者：Angela Dai，Angel X. Chang ， Manolis Savva，Maciej Halber Thomas Funkhouser，MatthiasNießner

全部论文名单地址：

http://www.cvpapers.com/cvpr2017.html

雷锋字幕组志愿者

下列同学参与了本文 / 视频的译制工作！

雷锋网按：本文为雷锋网原创，转载请参考转载说明。

。