极市直播回放丨第95期-CVPR 2022-中科院深圳先进技术研究院多媒体中心论文分享

↑ 点击 蓝字  关注极市平台

在这次分享中，我们邀请到了 韩鸣飞、孔祥涛 两位同学，为我们介绍他们在CVPR 2022上发表的工作：

1.Dual-AI: Dual-path Actor Interaction Learning for Group Activity Recognition（CVPR 2022 Oral）

“在群体行为识别的以往工作中，研究者仅使用了单个路径的时空建模，忽略了时间-空间不同建模顺序带来的互补性。

在我们的实验中，融合了互补时空建模的Dual-AI不仅在多个数据集和监督设置下达到目前最优；在Volleyball Dataset上，可以用50%的数据达到其他方法100%数据的精度，充分验证了互补时空建模的有效性。”

2.Reflash Dropout in Image Super-Resolution“

“Dropout 在过去几乎从未被用在超分上，然而当最近的研究更多聚焦于多退化(real) 场景时，我们发现简单的一行 dropout 带来的提升竟然可以胜过十倍的参数量。这个发现激励了我们尝试解释其作用原理，进而让我们发现 dropout 确实可以防止超分网络中的 co-adapting 现象并提高网络的泛化能力。”

➤详情传送门

极市直播｜CVPR 2022-中科院深圳先进技术研究院多媒体中心论文分享

➤论文地址

1.Dual-AI: Dual-path Actor Interaction Learning for Group Activity Recognition

论文地址：https://arxiv.org/abs/2204.02148

项目主页：mingfei.info/Dual-AI

2.Reflash Dropout in Image Super-Resolution

论文地址：https://arxiv.org/pdf/2112.12089.pdf

代码地址：

https://github.com/Xiangtaokong/Reflash-Dropout-in-Image-Super-Resolution

➤ 分享大纲

韩鸣飞—Dual-AI：基于互补时空建模的群体行为识别

1、 群体行为识别的任务设定

2、 群体行为识别的目前研究进展

3、 互补的时空建模方法

4、 互补时空建模的实验结果分析

孔祥涛—让Dropout在图像超分中重焕光彩

1、 超分辨率的应用场景

2、 超分辨率的简单入门知识

3、 超分辨率目前的研究趋势（盲超分与真实场景）

4、 Dropout在真实场景超分中的作用和效果

5、 Dropout在真实场景超分中的工作原理解释

➤回放视频在这里☟

https://www.bilibili.com/video/BV1gY4y1k7fU/

➤ PPT内容截图（后台回复“95”即可获取）

➤往期视频在线观看

B站： http://space.bilibili.com/85300886#!/

腾讯视频： http://v.qq.com/vplus/8be9a676d97c74ede37163dd964d600c

往期线上分享集锦：http://bbs.cvmart.net/topics/149/cvshare（或直接阅读原文）

如果觉得有用，就请分享到朋友圈吧！

‍

‍△点击卡片关注极市平台，获取 最新CV干货

推荐阅读

• 极市直播回放丨第90期-CVPR 2022 唐业辉：量子启发的新型视觉主干模型WaveMLP
  

• 极市直播回放丨第89期-陈使明：零样本学习的关键问题研究
  

• 极市直播回放丨第87期-ICCV2021 刘家铭：利用超分辩率算法重新定义网络视频传输任务抑制
  

• 极市直播回放丨第88期-ICCV 2021 严彬：基于时空Transformer的视觉目标跟踪STARK
  

• 极市直播回放丨第86期-CVPR 2021-汪瑜：针对域自适应目标检测的域特异性特征抑制
  

• 极市直播回放丨第85期-ICCV21 Oral-包文韬：开放世界动作识别新基准，DEAR：首个大规模视频动作识别的证据学习新模型
  

• 极市直播回放丨第84期-刘虹雨：结合深度神经网络进行有效的图像修复和编辑
  

• 极市直播回放丨第83期-朱思语：基于深度学习的视觉稠密建图和定位
  

• 极市直播回放丨第82期-严彬：CVPR 2021-LightTrack：基于网络结构搜索的超轻量级跟踪模型设计
  

• 极市直播回放｜第81期-CSIG-广东省CVPR2021论文在线学术报告会圆满落幕
  

• 极市直播回放丨第80期-张新宇：CVPR 2021-Alpha Refine：通过精确的边界框估计提高跟踪性能
  

• 极市直播回放丨第79期-陈鑫：CVPR 2021-TransT: 基于Transformer的高性能单目标跟踪算法
  

• 极市直播回放丨第78期-田春伟：基于卷积神经网络的图像复原研究
  

• 极市直播回放丨第77期-邓欣：TIP 2021-多曝光图像融合及超分辨的联合实现方法
  

• 极市直播回放丨第76期-许鸿斌：AAAI'21杰出论文，一个解决三维重建对数据依赖的新框架（已开源）
  

• 极市直播回放丨第75期-方浩：车道线检测新SOTA，RESA：循环特征位移聚合器（AAAI2021）
  

# CV技术社群邀请函 #

△长按添加极市小助手

添加极市小助手微信（ID : cvmart2）

备注：姓名-学校/公司-研究方向-城市（如：小极-北大-目标检测-深圳）

即可申请加入极市目标检测/图像分割/工业检测/人脸/医学影像/3D/SLAM/自动驾驶/超分辨率/姿态估计/ReID/GAN/图像增强/OCR/视频理解等技术交流群

每月大咖直播分享、真实项目需求对接、求职内推、算法竞赛、干货资讯汇总、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~

觉得有用麻烦给个在看啦~