2021年度计算机视觉领域杰出论文盘点

文章主题：加拿大博主, 2021年, 优秀论文, 计算机视觉

666AI工具大全，助力做AI时代先行者！

在网络世界中，一位名叫Louis Bouchard的加拿大博主，近期发布了一篇关于2021年不容错过的重要学术论文清单，共计40篇。这些论文的主题主要集中在计算机视觉领域。为了让大家更好地了解这些优秀的作品，我们特别挑选了部分论文进行展示。接下来，让我们一起领略这些论文的魅力吧！

1、DALL·E: Zero-Shot Text-to-Image Generation from OpenAI

论文链接：Zero-Shot Text-to-Image Generation – AMiner

代码地址：https://github.com/openai/DALL-E

视频解读：https://youtu.be/DJToDLBPovg

2、VOGUE: Try-On by StyleGAN Interpolation Optimization

论文链接：VOGUE: Try-On by StyleGAN Interpolation Optimization – AMiner

视频解读：https://youtu.be/i4MnLJGZbaM

3、Taming Transformers for High-Resolution Image Synthesis

论文链接：VOGUE: Try-On by StyleGAN Interpolation Optimization – AMiner

代码地址：https://github.com/CompVis/taming-transformers

视频解读：https://youtu.be/JfUTd8fjtX8

4、Thinking Fast And Slow in AI

论文链接：Thinking Fast And Slow In Ai – AMiner

视频解读：https://youtu.be/3nvAaVSQxs4

5、Automatic detection and quantification of floating marine macro-litter in aerial images

论文链接：Automatic Detection And Quantification Of Floating Marine Macro-Litter In Aerial Images: Introducing A Novel Deep Learning Approach Connected To A Web Application In R – AMiner

代码地址：https://github.com/amonleong/MARLIT视频解读：https://youtu.be/2dTSsdW0WYI

6、ShaRF: Shape-conditioned Radiance Fields from a Single View

论文链接：ShaRF: Shape-conditioned Radiance Fields from a Single View – AMiner代码地址：http://www.krematas.com/sharf/index.html

视频解读：https://youtu.be/gHkkrNMlGNg

7、Generative Adversarial Transformers

论文链接：Generative Adversarial Transformers – AMiner代码地址：https://github.com/dorarad/gansformer视频解读：https://youtu.be/HO-_t0UArd4

8、We Asked Artificial Intelligence to Create Dating Profiles. Would You Swipe Right?

代码地址：https://colab.research.google.com/drive/1VLG8e7YSEwypxU-noRNhsv5dW4NfTGce#forceEdit=true&sandboxMode=true&scrollTo=aeXshJM-Cuaf

视频解读：https://youtu.be/IoRH5u13P-4

9、Swin Transformer: Hierarchical Vision Transformer using Shifted Windows

论文链接：Swin Transformer: Hierarchical Vision Transformer using Shifted Windows – AMiner

代码地址：https://github.com/microsoft/Swin-Transformer

视频解读：https://youtu.be/QcCJJOLCeJQ

在本篇中，我们将探讨IMAGE GANS与不同差异化渲染技术在 inverse graphics 和可解释的3D神经渲染领域的应用。

论文链接：Image GANs meet Differentiable Rendering for Inverse Graphics and Interpretable 3D Neural Rendering – AMiner视频解读：https://youtu.be/dvjwRBZ3Hnw

11、Deep nets: What have they ever done for vision?

论文链接：Deep Nets: What have they ever done for Vision? – AMiner视频解读：https://youtu.be/GhPDNzAVNDk

在本篇中，我们将探讨一种名为”Infinite Nature”的技术，该技术能够从单张图像中不断生成自然场景的无限视图。这种技术的出现，无疑为我们提供了一种全新的方式来欣赏和理解自然界的美丽。通过对单张图像进行处理和分析，Infinite Nature能够捕捉到图像中的各种视觉信息，并将其转化为丰富的自然场景。无论是壮观的山水画，还是细腻的花草植物，Infinite Nature都能为我们呈现出令人惊叹的视觉效果。此外，由于其 perpetual view generation 特性，Infinite Nature所生成的自然场景还能够根据观察者的需求进行实时调整，从而提供个性化的视觉体验。总的来说，Infinite Nature是一种具有创新性和实用性的技术，它不仅让我们能够更加深入地欣赏自然之美，同时也为我们的生活和娱乐带来更多的可能性。

论文链接：Infinite Nature: Perpetual View Generation of Natural Scenes from a Single Image – AMiner代码地址：https://github.com/google-research/google-research/tree/master/infinite_nature视频解读：https://youtu.be/NIOt1HLV_Mo在线试用：https://colab.research.google.com/github/google-research/google-research/blob/master/infinite_nature/infinite_nature_demo.ipynb#scrollTo=sCuRX1liUEVM

13、A Portable, Self-Contained Neuroprosthetic Hand with Deep Learning-Based Finger Control

论文链接：A Portable, Self-Contained Neuroprosthetic Hand With Deep Learning-Based Finger Control – AMiner视频解读：https://youtu.be/wNBrCRzlbVw

14、Total Relighting: Learning to Relight Portraits for Background Replacement

论文链接：Total Relighting: Learning To Relight Portraits For Background Replacement – AMiner视频解读：https://youtu.be/rVP2tcF_yRI

15、LASR: Learning Articulated Shape Reconstruction from a Monocular Video

论文链接：LASR – Learning Articulated Shape Reconstruction From a Monocular Video. – AMiner视频解读：https://youtu.be/lac7wqjS-8E

16、Enhancing Photorealism Enhancement

论文链接：Enhancing Photorealism Enhancement – AMiner代码地址：https://github.com/isl-org/PhotorealismEnhancement视频解读：https://youtu.be/3rYosbwXm1w

17、DefakeHop: A Light-Weight High-Performance Deepfake Detector

论文链接：DefakeHop: A Light-Weight High-Performance Deepfake Detector – AMiner视频解读：https://youtu.be/YMir8sRWRos

18、High-Resolution Photorealistic Image Translation in Real-Time: A Laplacian Pyramid Translation Network

论文链接：High-Resolution Photorealistic Image Translation in Real-Time – A Laplacian Pyramid Translation Network. – AMiner代码地址：https://github.com/csjliang/LPTN视频解读：https://youtu.be/X7WzlAyUGPo

19、Barbershop: GAN-based Image Compositing using Segmentation Masks

论文链接：Barbershop: GAN-based Image Compositing using Segmentation Masks – AMiner代码地址：https://github.com/ZPdesu/Barbershop视频解读：https://youtu.be/HtqYMvBVJD8

20、TextStyleBrush: Transfer of text aesthetics from a single example

论文链接：TextStyleBrush: Transfer of Text Aesthetics from a Single Example – AMiner代码地址：https://github.com/facebookresearch/IMGUR5K-Handwriting-Dataset?fbclid=IwAR0pRAxhf8Vg-5H3fA0BEaRrMeD21HfoCJ-so8V0qmWK7Ub21dvy_jqgiVo视频解读：https://youtu.be/hhAri5fl-XI

21、Animating Pictures with Eulerian Motion Fields

论文链接：Animating Pictures With Eulerian Motion Fields. – AMiner代码地址：https://eulerian.cs.washington.edu/视频解读：https://youtu.be/KgTa2r7d0I0

22、CVPR 2021 Best Paper Award: GIRAFFE – Controllable Image Generation

论文链接：GIRAFFE – Representing Scenes As Compositional Generative Neural Feature Fields. – AMiner代码地址：https://github.com/autonomousvision/giraffe视频解读：https://youtu.be/JIJkURAkCxM

23、GitHub Copilot & Codex: Evaluating Large Language Models Trained on Code

论文链接：Evaluating Large Language Models Trained on Code – AMiner代码地址：https://copilot.github.com/视频解读：https://youtu.be/az3oVVkTFB8

24、Apple: Recognizing People in Photos Through Private On-Device Machine Learning

视频解读：https://youtu.be/LIV-M-gFRFA

25、Image Synthesis and Editing with Stochastic Differential Equations

论文链接：SDEdit: Image Synthesis and Editing with Stochastic Differential Equations – AMiner代码地址：https://github.com/ermongroup/SDEdit视频解读：https://youtu.be/xoEkSWJSm1khttps://colab.research.google.com/drive/1KkLS53PndXKQpPlS1iK-k1nRQYmlb4aO?usp=sharing

26、Sketch Your Own GAN

论文链接：Sketch Your Own GAN – AMiner代码地址：https://github.com/PeterWang512/GANSketching视频解读：https://youtu.be/vz_wEQkTLk0

27、Teslas Autopilot Explained

在今年8月份的特斯拉AI日活动中，特斯拉AI总监Andrej Karpathy及其他相关人员展示了特斯拉如何利用八个摄像头捕捉图像，从而构建了一套基于视觉的自动驾驶系统。

视频解读：https://youtu.be/DTHqgDqkIRw

28、Styleclip: Text-driven manipulation of StyleGAN imagery

论文链接：StyleCLIP: Text-Driven Manipulation of StyleGAN Imagery – AMiner代码地址：https://github.com/orpatashnik/StyleCLIP视频解读：https://youtu.be/RAXrwPskNsohttps://colab.research.google.com/github/orpatashnik/StyleCLIP/blob/main/notebooks/StyleCLIP_global.ipynb

TimeLens: 基于事件的视频帧插值方法

论文链接：TimeLens: Event-based Video Frame Interpolation – AMiner代码地址：https://github.com/uzh-rpg/rpg_timelens视频解读：https://youtu.be/HWA0yVXYRlk

30、Diverse Generation from a Single Video Made Possible

论文链接：Diverse Generation from a Single Video Made Possible – AMiner代码地址：https://nivha.github.io/vgpnn/视频解读：https://youtu.be/Uy8yKPEi1dg

31、Skillful Precipitation Nowcasting using Deep Generative Models of Radar

论文链接：Skilful Precipitation Nowcasting Using Deep Generative Models Of Radar – AMiner代码地址：https://github.com/deepmind/deepmind-research/tree/master/nowcasting视频解读：https://youtu.be/dlSIq64psEY

32、The Cocktail Fork Problem: Three-Stem Audio Separation for Real-World Soundtracks

论文链接：The Cocktail Fork Problem: Three-Stem Audio Separation for Real-World Soundtracks – AMiner代码地址：https://cocktail-fork.github.io/视频解读：https://youtu.be/Rpxufqt5r6I

33、ADOP: Approximate Differentiable One-Pixel Point Rendering

论文链接：ADOP: Approximate Differentiable One-Pixel Point Rendering – AMiner代码地址：https://github.com/darglein/ADOP视频解读：https://youtu.be/Jfph7Vld_Nw

34、(Style)CLIPDraw: Coupling Content and Style in Text-to-Drawing Synthesis

CLIPDraw论文链接：CLIPDraw: Exploring Text-to-Drawing Synthesis through Language-Image Encoders – AMiner在线试用：https://colab.research.google.com/github/kvfrans/clipdraw/blob/main/clipdraw.ipynb

论文链接：StyleCLIPDraw: Coupling Content and Style in Text-to-Drawing Synthesis – AMiner在线试用：https://colab.research.google.com/github/pschaldenbrand/StyleCLIPDraw/blob/master/Style_ClipDraw.ipynb视频解读：https://youtu.be/5xzcIzHm8Wo

35、SwinIR: Image restoration using swin transformer

论文链接：SwinIR – Image Restoration Using Swin Transformer. – AMiner代码地址：https://github.com/JingyunLiang/SwinIR视频解读：https://youtu.be/GFm3RfrtDoUhttps://replicate.ai/jingyunliang/swinir

36、EditGAN: High-Precision Semantic Image Editing

论文链接：EditGAN: High-Precision Semantic Image Editing – AMiner代码地址：https://nv-tlabs.github.io/editGAN/视频解读：https://youtu.be/bus4OGyMQec

37、CityNeRF: Building NeRF at City Scale

论文链接：CityNeRF: Building NeRF at City Scale – AMiner代码地址：https://city-super.github.io/citynerf/视频解读：https://youtu.be/swfx0bJMIlY

38、ClipCap: CLIP Prefix for Image Captioning

论文链接：ClipCap: CLIP Prefix for Image Captioning – AMiner代码地址：https://github.com/rmokady/CLIP_prefix_caption视频解读：https://youtu.be/VQDrmuccWDo在线试用：https://colab.research.google.com/drive/1tuoAC5F4sC7qid56Z0ap-stR3rwdk0ZV?usp=sharing

The development of highly accurate protein structure prediction using Alphafold has revolutionized the field of structural biology.

当然，博主在整理的过程中也不能保证完美。经网友提醒，这里可以手动添加一项突破性研究：「AlphaFold」。

去年，谷歌旗下人工智能技术公司 DeepMind 宣布深度学习算法「Alphafold」破解了出现五十年之久的蛋白质分子折叠问题。2021年7月，AlphaFold 的论文正式发表在《Nature》杂志上。

这项研究被评为Nature年度技术突破，Alphafold 的缔造者之一 John Jumper 也被评为《Nature》2021 年度十大科学人物。DeepMind也已经将他们的预测结果免费开放给公众。

论文链接：https://www.nature.com/articles/s41586-021-03819-2

对于你来说，2021年最令人印象深刻的论文又是哪篇呢？

【关于转载】本文转载于公众号“机器之心”，仅用于学术分享，有任何问题请与我们联系：report@aminer.cn

AI时代，拥有个人微信机器人AI助手！AI时代不落人后！

免费ChatGPT问答，办公、写作、生活好得力助手！

搜索微信号aigc666aigc999或上边扫码，即可拥有个人AI助手！