AMiner平台由清华大学计算机系研发,拥有我国完全自主知识产权。平台包含了超过2.3亿学术论文/专利和1.36亿学者的科技图谱,提供学者评价、专家发现、智能指派、学术地图等科技情报专业化服务。系统2006年上线,吸引了全球220个国家/地区1000多万独立IP访问,数据下载量230万次,年度访问量超过1100万,成为学术搜索和社会网络挖掘研究的重要数据和实验平台。
CVPR 2021 论文推荐
DeepTag: An Unsupervised Deep Learning Method for Motion Tracking on Cardiac Tagging Magnetic Resonance Images(DeepTag: 一种无监督的深度学习方法,用于心脏标记磁共振图像的运动跟踪)
论文链接:https://www.aminer.cn/pub/6042123891e0115d09aff209?conf=cvpr2021
推荐理由: 心脏标记磁共振成像(tagging magnetic resonance imaging, t-MRI)是区域性心肌变形和心脏应变估计的金标准。然而,由于t-MRI图像遇到的运动跟踪困难,该技术在临床诊断中并未得到广泛应用。在本文中,作者提出了一种新型的基于深度学习的完全无监督的方法,用于t-MRI图像的体内运动跟踪。该工作首先通过双向生成式异构注册神经网络估计任意两个连续t-MRI帧之间的运动场,再通过可分化的组成层估计参考帧和任何其他帧之间的拉格朗日运动场。利用时间信息对时空运动场进行合理的估计,这种新颖的方法为动态医学成像中的运动跟踪和图像注册提供了有用的解决方案。上述方法已经在一个具有代表性的临床t-MRI数据集上进行了验证,实验结果表明它在地标跟踪精度和推理效率方面优于传统的运动跟踪方法。
The Selectivity and Competition of the Mind’s Eye in Visual Perception(视觉感知中心眼的选择性和竞争性)
论文链接:https://www.aminer.cn/pub/5fbce47691e01127d58eef4c/?conf=cvpr2021
推荐理由: 研究表明,大脑内的神经元对某些刺激具有选择性。例如,当人们看到面孔而不是非面孔的物体时,纺锤形面孔区(fusiform face area, FFA)区域会选择性地激活。然而,初级视觉系统将信息导向正确的大脑高层的机制目前尚不清楚。在该工作中,作者通过创建一个新的计算模型,将横向和自上而下的反馈以等级竞争的形式纳入其中,从而推进了对感知神经机制的理解。该工作表明,这些元素可以帮助解释大脑内高层区域的信息流和选择性。此外,作者提出了定量和定性的结果,证明了与视觉系统中观察到的一般主题和特定反应的一致性。
PLOP: Learning without Forgetting for Continual Semantic Segmentation(PLOP: 持续语义分割的无忘学习)
论文链接:https://www.aminer.cn/pub/5fbcec8c91e01127d58ef02b/?conf=cvpr2021
推荐理由: 如今,深度学习方法已无处不在地用于处理计算机视觉任务,如语义分割,需要大量的数据集和运算能力。用于语义分割(semantic segmentation, CSS)的持续学习是一种新兴的趋势,它包括通过依次添加新的类来更新旧的模型。然而,持续学习方法通常容易出现灾难性遗忘.尤其是在CSS中,以前迭代中的旧类被折叠到后台,上述问题进一步加剧。在本文中,作者提出了Local POD,这是一种多尺度的池化提炼方案,可以在特征层面上保留长短程空间关系。此外,设计了一种基于熵的伪标签的背景以处理背景转移和避免灾难性的遗忘旧类。作者的方法PLOP,在现有的CSS场景以及新提出的挑战性的基准中,都显著优于最先进的方法。
AMiner,一个具有认知智能的学术搜索引擎:https://www.aminer.cn/
#AMiner# #论文#