CVPR2022 Oral | CosFace、ArcFace的大统一升级,AdaFace解决低质量图像人脸识（二）
CVPR2022 Oral | CosFace、ArcFace的大统一升级,AdaFace解决低质量图像人脸识（二）
CVPR2022 Oral | CosFace、ArcFace的大统一升级,AdaFace解决低质量图像人脸识（一）
CVPR2022 Oral | CosFace、ArcFace的大统一升级,AdaFace解决低质量图像人脸识（一）
【OpenVI】AIGC技术在图像超分上的创新应用
近10年来，深度学习技术得到了长足进步，在图像增强领域取得了显著的成果，尤其是以GAN为代表的生成式模型在图像复原、老片修复，图像超分辨率等方面大放异彩。图像超分辨率是视频增强方面，用于提升画质的典型应用。生成对抗网络GAN使得在图像分辨率增加的同时，保持细节特征，补充生成真实的纹理，其中应用广泛的工作是Real-ESRGAN。
遮挡人脸问题 | 详细解读Attention-Based方法解决遮挡人脸识别问题（附论文下载）
遮挡人脸问题 | 详细解读Attention-Based方法解决遮挡人脸识别问题（附论文下载）
m基于PCA-SA低纬紧致姿态空间学习算法的单目视频人体姿态提取matlab仿真
m基于PCA-SA低纬紧致姿态空间学习算法的单目视频人体姿态提取matlab仿真
ICLR 2023 Spotlight | 2D图像脑补3D人体，衣服随便搭，还能改动作
ICLR 2023 Spotlight | 2D图像脑补3D人体，衣服随便搭，还能改动作
ICLR 2023 Spotlight | 2D图像脑补3D人体，衣服随便搭，还能改动作
ICLR 2023 Spotlight | 2D图像脑补3D人体，衣服随便搭，还能改动作
超越GhostNet！吊打MobileNetV3！MicroNet通过极低FLOPs实现图像识别(文末获取论文)（二）
超越GhostNet！吊打MobileNetV3！MicroNet通过极低FLOPs实现图像识别(文末获取论文)（二）
超越GhostNet！吊打MobileNetV3！MicroNet通过极低FLOPs实现图像识别(文末获取论文)（一）
超越GhostNet！吊打MobileNetV3！MicroNet通过极低FLOPs实现图像识别(文末获取论文)（一）
【OpenVI—论文解读系列】开源低成本大规模分类框架FFC CVPR论文深入解读
图像分类是当前AI最为成功的实际应用技术之一，它已经融入了人们的日常生活。它被广泛的应用到了计算机视觉的大部分任务中，比如图像分类、图像搜索、OCR、内容审核、识别认证等领域。目前已形成一个普遍共识：“当数据集越大ID越多时，只要训练得当，相应分类任务的效果就会越好”。但是面对千万ID甚至上亿ID，当下流行的DL框架下，很难低成本的直接进行如此超大规模的分类训练。
计算机视觉论文速递（八）ViTAE：COCO人体姿态估计新模型取得最高精度81.1AP
人体姿态估计是计算机视觉领域的基本研究问题之一，具有很广泛的实际应用，例如医疗健康领域的行为分析、元宇宙领域的AIGC内容生成等。但是，由于人体姿态丰富，人物衣着表观变化多样，光照和遮挡等因素，人体姿态估计任务非常具有挑战性。之前的深度学习方法主要研究了新的骨干网络设计、多尺度特征融合、更强的解码器结构和损失函数设计等。
硬刚 ArcFace | ECCV 2022 人脸识别新方法 BoundaryFace：一种基于噪声标签自校正框架(附源码实现)
硬刚 ArcFace | ECCV 2022 人脸识别新方法 BoundaryFace：一种基于噪声标签自校正框架(附源码实现)
CVPR2023｜天大联合卡迪夫大学发布SemanticHuman：部件级、精细语义、灵活可控的3D人体编辑表征
CVPR2023｜天大联合卡迪夫大学发布SemanticHuman：部件级、精细语义、灵活可控的3D人体编辑表征
基于图像识别的面瘫检测技术
图像识别是通过计算机对特定情况进行图像采集处理，分析匹配目标，提取特征，训练分类模型等步骤实现，在国内外科学家的努力下，实现了突飞猛进的变化，人们开始将这一技术应用于，医学，农业，安防，交通，车辆领域。在这一背景之下，许多先进的医疗手段都离不开图像识别技术的支持，小到日常的体检如胸片，心电图我们都可以通过自助取片获得计算机提供的初步诊断信息，之后再找医生问诊，大到一些微创手术，脑部ct技术，心脏病理分析，肺结核图像识别，糖尿病患者的视网膜图像技术
风格迁移 图像合成 图像重构 更换姿态和图像背景（使用交叉注意控制进行提示到图像编辑）GAN网络增强版
风格迁移 图像合成 图像重构 更换姿态和图像背景（使用交叉注意控制进行提示到图像编辑）GAN网络增强版
【OpenVI—论文解读系列】细粒度分类SoftTriple Loss ICCV高引论文深入解读
SoftTriple Loss论文是在图像细粒度分类领域提出了新型度量学习方法，该方法可以被广泛应用于各种搜索、识别等领域中，目前谷歌学术引用240+，相对高引。相比原始论文文档，本文将介绍更多研究过程中遇到的问题点以及相应创新方法的演进历史。
