最高一万星！Github标星最多的40篇ICLR2020计算机视觉开源论文合集

加入极市专业CV交流群，与 10000+来自港科大、北大、清华、中科院、CMU、腾讯、百度 等名校名企视觉开发者互动交流！

同时提供每月大咖直播分享、真实项目需求对接、干货资讯汇总，行业技术交流。关注 极市平台 公众号 ，回复 加群，立刻申请入群~

编译｜极市平台

1. star:9819｜Weakly Supervised Disentanglement with Guarantees（弱监督学习）

论文：https://arxiv.org/pdf/1910.09772v2.pdf

代码：https://github.com/google-research/google-research/tree/master/weak_disentangle

2. star:9819｜Measuring Compositional Generalization: A Comprehensive Method on Realistic Data

论文：https://arxiv.org/pdf/1912.09713v1.pdf

代码：https://github.com/google-research/google-research/tree/master/cfq

3. star:9819｜Meta-Learning without Memorization（元学习/小样本图像分类）

论文：https://arxiv.org/pdf/1912.03820v3.pdf

代码：https://github.com/google-research/google-research/tree/master/meta_learning_without_memorization

4. star:4977｜U-GAT-IT: Unsupervised Generative Attentional Networks with Adaptive Layer-Instance Normalization for Image-to-Image Translation（图像翻译/无监督）

论文：https://arxiv.org/pdf/1907.10830v4.pdf

代码：https://github.com/taki0112/UGATIT

5. star:2106｜On the Variance of the Adaptive Learning Rate and Beyond

论文：https://arxiv.org/pdf/1908.03265v3.pdf

代码：https://github.com/LiyuanLucasLiu/RAdam

6. star:1469｜DiffTaichi: Differentiable Programming for Physical Simulation

论文：https://arxiv.org/pdf/1910.00935v3.pdf

代码：https://github.com/yuanming-hu/difftaichi

7. star:1018｜Generative Models for Effective ML on Private, Decentralized Datasets

论文：https://arxiv.org/pdf/1911.06679v2.pdf

代码：https://github.com/tensorflow/federated/tree/master/tensorflow_federated/python/research/gans

8. star:963｜Behaviour Suite for Reinforcement Learning（强化学习）

论文：https://arxiv.org/pdf/1908.03568v3.pdf

代码：https://github.com/deepmind/bsuite

9. star：534｜Contrastive Representation Distillation（知识蒸馏）

论文：https://arxiv.org/pdf/1910.10699v2.pdf

代码：https://github.com/HobbitLong/RepDistiller

10. star：516｜On the Relationship between Self-Attention and Convolutional Layers（注意力机制）

论文：https://arxiv.org/pdf/1911.03584v2.pdf

代码：https://github.com/epfml/attention-cnn

11. star：469｜AugMix: A Simple Data Processing Method to Improve Robustness and Uncertainty

论文：https://arxiv.org/pdf/1912.02781v2.pdf

代码：https://github.com/rwightman/pytorch-image-models

12. star：443｜NAS-Bench-201: Extending the Scope of Reproducible Neural Architecture Search（神经网络架构搜索）

论文：https://arxiv.org/pdf/2001.00326v2.pdf

代码：https://github.com/D-X-Y/NAS-Projects

13. star：393｜Once for All: Train One Network and Specialize it for Efficient Deployment（神经网络训练）

论文：https://openreview.net/pdf?id=HylxE1HKwS

代码：https://github.com/mit-han-lab/once-for-all

14. star：246｜BatchEnsemble: An Alternative Approach to Efficient Ensemble and Lifelong Learning（神经网络训练）

论文：https://arxiv.org/pdf/2002.06715v2.pdf

代码：https://github.com/google/edward2

15. star：243｜FasterSeg: Searching for Faster Real-time Semantic Segmentation（语义分割）

论文：https://arxiv.org/pdf/1912.10917v2.pdf

代码：https://github.com/TAMU-VITA/FasterSeg

16. star：213｜Contrastive Learning of Structured World Models

论文：https://arxiv.org/pdf/1911.12247v2.pdf

代码：https://github.com/tkipf/c-swm

17. star：191｜Real or Not Real, that is the Question（GAN）

论文：https://arxiv.org/pdf/2002.05512v1.pdf

代码：https://github.com/kam1107/RealnessGAN

18. star：186｜Pseudo-LiDAR++: Accurate Depth for 3D Object Detection in Autonomous Driving（3D目标检测）

论文：https://arxiv.org/pdf/1906.06310v3.pdf

代码：https://github.com/mileyan/Pseudo_Lidar_V2

19. star：182｜Learning to Explore using Active Neural SLAM（三维SLAM）

论文：https://arxiv.org/pdf/2004.05155v1.pdf

代码：https://github.com/devendrachaplot/Neural-SLAM

20. star：175｜Mutual Mean-Teaching: Pseudo Label Refinery for Unsupervised Domain Adaptation on Person Re-identification（行人重识别/无监督）

论文：https://arxiv.org/pdf/2001.01526v2.pdf

代码：https://github.com/yxgeee/MMT

21. star：132｜AtomNAS: Fine-Grained End-to-End Neural Architecture Search（神经网络架构搜索）

论文：https://arxiv.org/pdf/1912.09640v2.pdf

代码：https://github.com/meijieru/AtomNAS

22. star：128｜Strategies for Pre-training Graph Neural Networks（神经网络训练）

论文：https://arxiv.org/pdf/1905.12265v3.pdf

代码：https://github.com/snap-stanford/pretrain-gnns/

23. star117｜Towards Stabilizing Batch Statistics in Backward Propagation of Batch Normalization（归一化）

论文：https://arxiv.org/pdf/2001.06838v2.pdf

代码：https://github.com/megvii-model/MABN

24. star：107｜DropEdge: Towards Deep Graph Convolutional Networks on Node Classification

论文：https://arxiv.org/pdf/1907.10903v4.pdf

代码：https://github.com/DropEdge/DropEdge

25. star：107｜Neural Arithmetic Units

论文：https://arxiv.org/pdf/2001.05016v1.pdf

代码：https://github.com/AndreasMadsen/stable-nalu

26. star：106｜Semantically-Guided Representation Learning for Self-Supervised Monocular Depth（单目深度估计）

论文：https://arxiv.org/pdf/2002.12319v1.pdf

代码：https://github.com/TRI-ML/packnet-sfm

27. star：100｜Composition-based Multi-Relational Graph Convolutional Networks

论文：https://arxiv.org/pdf/1911.03082v2.pdf

代码：https://github.com/malllabiisc/CompGCN

28. star：93｜Deformable Kernels: Adapting Effective Receptive Fields for Object Deformation（图像分割/目标检测）

论文：https://arxiv.org/pdf/1910.02940v2.pdf

代码：https://github.com/hangg7/deformable-kernels/

29. star：80｜NAS evaluation is frustratingly hard（神经网络架构搜索）

论文：https://arxiv.org/pdf/1912.12522v3.pdf

代码：https://github.com/antoyang/NAS-Benchmark

30. star：74｜Understanding and Robustifying Differentiable Architecture Search（图像分类）

论文：https://arxiv.org/pdf/1909.09656v2.pdf

代码：https://github.com/automl/RobustDARTS

31. star：72｜Fast Neural Network Adaptation via Parameter Remapping and Architecture Search（图像分类/目标检测/语义分割）

论文：https://arxiv.org/pdf/2001.02525v2.pdf

代码：https://github.com/JaminFong/FNA

32. star：72｜Capsules with Inverted Dot-Product Attention Routing（图像分类）

论文：https://arxiv.org/pdf/2002.04764v2.pdf

代码：https://github.com/apple/ml-capsules-inverted-attention-routing

33. star:53｜Deep Semi-Supervised Anomaly Detection（异常检测）

论文：https://arxiv.org/pdf/1906.02694v2.pdf

代码：https://arxiv.org/pdf/1906.02694v2.pdf

34. star：51｜Network Deconvolution（图像分类）

论文：https://arxiv.org/pdf/1905.11926v4.pdf

代码：https://github.com/deconvolutionpaper/deconvolution

35. star：49｜Pitfalls of In-Domain Uncertainty Estimation and Ensembling in Deep Learning（图像分类）

论文：https://arxiv.org/pdf/2002.06470v1.pdf

代码：https://github.com/bayesgroup/pytorch-ensembles

36. star：36｜A Neural Dirichlet Process Mixture Model for Task-Free Continual Learning（图像分类）

论文：https://arxiv.org/pdf/2001.00689v2.pdf

代码：https://github.com/soochan-lee/CN-DPM

37. star：33｜Empirical Bayes Transductive Meta-Learning with Synthetic Gradients（小样本图像分类/元学习）

论文：https://openreview.net/pdf?id=Hkg-xgrYvH

代码：https://github.com/hushell/sib_meta_learn

38. star：32｜Query2box: Reasoning over Knowledge Graphs in Vector Space using Box Embeddings（知识图谱）

论文：https://arxiv.org/pdf/2002.05969v2.pdf

代码：https://github.com/hyren/query2box

39. star：27｜Kaleidoscope: An Efficient, Learnable Representation For All Structured Linear Maps（图像分类）

论文：https://openreview.net/pdf?id=BkgrBgSYDS

代码：https://github.com/HazyResearch/learning-circuits

40. star：22｜Fooling Detection Alone is Not Enough: Adversarial Attack against Multiple Object Tracking（多目标跟踪）

论文：https://openreview.net/pdf?id=rJl31TNYPr

代码：https://github.com/anonymousjack/hijacking

在极市平台公众号后台回复ICLR2020，即可获得上述所有论文的打包下载链接。

参考：https://paperswithcode.com/conference/iclr-2020-1/official

本文为极市平台整理报道，转载请联系本公众号获得授权。

推荐阅读：

• ICLR 2020 | 精度逼近有监督，港中文提出无监督学习框架：同步平均教学

• ICLR 2020 匿名评审九篇满分论文，最佳论文或许就在其中

• ICLR2020满分论文：PPO带来的性能提升来源于code-level?

△长按关注极市平台，获取最新CV干货

觉得有用麻烦给个在看啦~