2025-01-08 智能仪表资讯 0
在即将到来的2019年10月27日至11月2日，计算机视觉界的盛事——ICCV 2019，将在韩国首尔的COEX会议中心上举行。作为这三个顶尖计算机视觉会议之一，它不仅吸引了业内外专家学者的广泛关注，也为我们提供了一次深入探讨技术前沿和交流创新成果的绝佳机会。在此之前，AI研习社已经精心整理了从1998年至2017年的ICCV历年最佳论文，为大家提供了宝贵的学习资源。以下是这些年度杰出成果的列表：
2017：Mask R-CNN，由Kaiming He等人主导，从Facebook AI Research发布。这项工作极大地提升了目标检测任务的性能。
2015：Deep Neural Decision Forests，由Peter Kontschieder、Microsoft Research团队发表，这是一种结合神经网络与决策树模型，以高效准确地解决多类别图像分类问题。
2013：From Large Scale Image Categorization to Entry-Level Categories，这篇论文由Vicente Ordonez领导的小组完成，他们来自北卡罗来纳大学教书医院（University of North Carolina at Chapel Hill）。他们提出了一个基于多尺度特征表示和分类器融合框架，使得复杂图像分类变得更加简单。
2011：Relative Attributes，由Devi Parikh和Kristen Grauman合作完成。这项工作利用相对属性概念，通过分析对象之间相似性来改善物体识别任务。
2009：Discriminative models for multi-class object layout，Chaitanya Desai等人共同撰写。此文提出了一种新的多类物体布局检测方法，可以更好地处理复杂场景中的对象排列问题。
2007：Population Shape Regression From Random Design Data，Bradley Davis等人联合研究。这项工作使用随机设计数据集进行人口统计形状回归分析，对于理解生物样本中遗传变异带来的影响具有重要意义。
2005：Globally Optimal Estimates for Geometric Reconstruction Problems，由Fredrik Kahl和Didier Henrion合作发表。他们开发了一种全局最优估计算法，用以解决几何重建问题，如三维结构恢复或立体视测量中出现的问题。
2003：
Detecting Pedestrians using Patterns of Motion and Appearance，是Paul Viola及其同事们共同努力的一份优秀作品。
Image Parsing: Unifying Segmentation, Detection and Recognition，该文章由Zhuowen Tu及他人的团队贡献，其中包含对图像分割、检测与识别任务统一处理的一些新思路。
Image-based Rendering using Image-based Priors，Andrew Fitzgibbon等人共同著作，他们提出了利用先验知识实现图像渲染技术的一个新框架，在数字媒体领域有着重要影响力。
除此之外，还有其他一些值得一提的经典文献，比如Kentaro Toyama 和 Andrew Blake 的“Probabilistic Tracking with Exemplars in a Metric Space”，以及Steven Seitz 的“The Space of All Stereo Images”。
以上是自1998年以来的一些关键贡献，它们各自代表了当时计算机视觉领域某个方面发展的一个里程碑。每一篇论文都承载着作者们对于如何更好理解世界观点的一份思考与创造，无论是在理论还是应用层面，都对后续研究产生过深远影响。如果你想进一步了解这些杰出的研究成果或者参与相关活动，请点击链接访问详细信息，或直接参加https://www.yanxishe.com/meeting/68?from=leiphonecolumn预定的活动吧！
