[카테고리:] X-Review
Paper, Conference, Seminar, API, Code, Dataset 등의 리뷰를 담을 예정입니다.
[2021CVPR] Depth from Camera Motion and Object Detection
해당 논문은 카메라 모션 정보를 통해서 Object 의 Depth를 추정하는 방법을 제안합니다. 이때 카메라 모션 정보는 uncalibrated 상태라고 합니다. 본 논문의 티저영상 입니다. 해당 영상에…
[CVPR 2020]PVN3D: A Deep Point-wise 3D Keypoints Voting Network for 6DoF Pose Estimation
이번에 다루게된 주제는 6DoF pose estimation으로 RGBD 이미지를 활용하여 물체의 자세를 추정하는 과제 입니다. 해당 논문에서는 제가 저번에 리뷰를 작성했던 pvnet과 3D keypoint를 뽑는 방식,…
[NIPS 2014] Generative Adversarial Network
Before Review 오늘 리뷰할 Paper는 그 유명한 GAN 입니다. 주워듣기만 하다가 논문이랑 관련 자료들을 참고해서 GAN에 대해 나름대로 공부를하고 정리를 해보려고 합니다. 읽으면서 정말 간단하면서도…
[CVPR 2020] Instance-aware Image Colorization
Abstract Colorful Image Colorization에서 garyscale을 통해 그럴듯한 Colorization 결과를 가져왔지만 여러개의 object가 있는 이미지에서는 그럴듯한 Colorizaition 결과를 가져오지 못하고 실패했습니다. 이러한 결과가 나오는 이유는 기존…
[CVPR 2015] Fully Convolutional Networks for Semantic Segmentation
Abstract Convolutional network는 end-to-end, pixel-to-pixel로 학습된다. 이 논문의 핵심은 input 사이즈에 영향을 받지 않는 “fully-convolutional” networks를 만드는 것이다. 기존의 분류 네트워크들을 fully convolutional networks로 바꾸고…
Monocular Quasi-Dense 3D Object Tracking -2편
지난번 리뷰에 이어집니다. (1편 보러가기) 본 논문은 Series of monocular images를 통해 3D Detection과 Tracking을 수행한 논문 입니다. 아래 티저 영상에 나타나듯 단일 이미지로 3D…
[CVPR 2020] PaDiM: a Patch Distribution Modeling Framework for Anomaly Detection and Localization
이번에 리뷰할 논문은 CVPR 2020에 공개된 PaDiM이라는 논문입니다. 관련주제는 Anomaly Detection입니다. Anomaly Detection? Anomaly Detection이란 특이점을 찾는 것을 의미하며 novelty detection이라고도 불립니다. 일반적인 object detection과는…
PaDiM: a Patch Distribution Modeling Framework for Anomaly Detection and Localization
이번 리뷰는 Anomaly detection 논문을 리뷰하고자 합니다.해당 논문은 Anomaly detection을 위한 데이터 셋 MVTec ad에서 SOTA를 달성한 one-class learning 방법론 입니다.(Paper with code 기준) Intro…
[arXiv2021] Is Space-Time Attention All You Need for Video Understanding?
최근 NLP 분야에서 CNN이나 RNN과는 구조가 아예 다른 self-attention 기반 방법론인 Transformer가 등장했고 좋은 성능을 내며 SOTA를 달성하고 있습니다. 더불어 컴퓨터비전 분야에서도 이러한 Transformer 구조를…
Revisiting the LossWeight Adjustment in Object Detection
딥러닝을 학습 시키기 위해서는 정답과 추정된 무언가를 비교한 Loss가 매우 중요하다. 우리는 이 Loss를 모델의 원하는 학습 방향성으로 두고 있기 때문이다. 그리고 좀 더 원하는…
최신 댓글