VSRD: Instance-Aware Volumetric Silhouette Rendering for Weakly Supervised 3D Object Detection
Tokyo Institute of Technology（东京工业大学）；T2 Inc.（T2公司）
本文提出VSRD弱监督三维目标检测框架，通过实例感知体积剪影渲染将SDF分解为长方体SDF与残差距离场，仅用二维掩码监督端到端优化三维边界框并生成伪标签训练单目检测器，在KITTI-360上超越现有弱监督方法。
2024-03-29 cs.CV
Approximate Differentiable Rendering with Algebraic Surfaces
Carnegie Mellon University（卡内基梅隆大学）
微分渲染器提供了对象的3D表示和该对象的图像之间的直接数学联系。在这项工作中，我们开发了一个近似微分渲染器的紧凑，可解释的表示，我们称之为模糊元球。我们的近似渲染器专注于通过深度图和轮廓渲染形状。它牺牲了保真度以换取实用性，产生了可用于解决视觉任务的快速运行时间和高质量梯度信息。与基于网格的可微分渲染器相比，我们的方法向前传递的速度快5倍，向后传递的速度快30倍。由我们的方法生成的深度图和轮廓图像是平滑的，并且到处都是定义的。在我们的评估可微渲染姿态估计，我们表明，我们的方法是唯一一个可比的经典技术。在从轮廓的形状，我们的方法表现良好，只使用梯度下降和每像素的损失，没有任何代理损失或正则化。这些重建即使在具有分割伪影的自然视频序列上也工作良好。项目页面：https://leonidk.github.io/fuzzy-metaballs
2022-07-21 cs.AI cs.CV cs.GR
Depth Map Decomposition for Monocular Depth Estimation
Korea University（高丽大学）；Gauss Labs Inc.（高斯实验室公司）；Dongguk University（东国大学）
提出了一种新的单目深度估计算法，该算法将度量深度图分解为归一化深度图和尺度特征。所提出的网络由一个共享的编码器和三个解码器组成，称为G-Net，N-Net和M-Net，分别估计梯度图，归一化深度图和度量深度图。M-Net学习使用G-Net和N-Net提取的相对深度特征更准确地估计度量深度。该算法的优点是可以使用没有深度标签的数据集来提高深度深度估计的性能。在不同数据集上的实验结果表明，该算法不仅提供了具有竞争力的性能，国家的最先进的算法，但也产生了可接受的结果，即使只有少量的度量深度数据可用于其训练。
2022-08-23 cs.CV
SAOR: Single-View Articulated Object Reconstruction
University of Edinburgh（爱丁堡大学）
本文提出 SAOR，利用无骨架部件模型、跨实例一致性损失和轮廓采样，从单张野外图像重建铰接物体的三维形状、纹理与视点。
2024-04-08 cs.CV
Illustrator's Depth: Monocular Layer Index Prediction for Image Decomposition
本文提出插画师深度，通过单目层索引预测实现图像分解，提升编辑性和可解释性，应用于图像矢量化、文本到矢量图形生成和3D relief生成。
2026-03-16 cs.CV
Single Image Depth Prediction with Wavelet Decomposition
Ecole des Ponts Univ Gustave Eiffel（古斯塔夫·埃菲尔大学桥梁学院）；CNRS（法国国家科学研究中心）；Niantic（Niantic公司）
我们提出了一种新的方法，预测准确的深度从单目图像与高效率。这种最佳效率是通过利用小波分解，这是集成在一个完全可微的编码器-解码器架构。我们证明，我们可以通过预测稀疏小波系数重建高保真深度图。与以前的作品相比，我们表明，小波系数可以学习系数没有直接监督。相反，我们只监督通过逆小波变换重建的最终深度图像。我们还表明，小波系数可以在完全自我监督的情况下学习，而无需获得地面实况深度。最后，我们将我们的方法应用于不同的最先进的单眼深度估计模型，在每种情况下，与原始模型相比，得到类似或更好的结果，同时需要解码器网络中的乘法相加的不到一半。代码https://github.com/nianticlabs/wavelet-monodepth
2021-08-16 cs.CV
Self-Supervised Monocular Scene Decomposition and Depth Estimation
KUIS AI Center（KUIS AI中心）；Koç University（科奇大学）
自监督单目深度估计方法要么忽略场景中独立移动的对象，要么需要单独的分割步骤来识别它们。我们提出MonoDepthSeg来联合估计深度并从单目视频中分割移动对象，而不使用任何地面真实标签。我们将场景分解为固定数量的组件，每个组件对应于图像上的一个区域，其自身的变换矩阵表示其运动。我们估计的掩模和运动的每个组件有效地与共享的编码器。我们在三个驱动数据集上评估了我们的方法，并表明我们的模型在将场景分解为单独移动组件的同时明显提高了深度估计。
2021-10-21 cs.CV
Unified Depth Prediction and Intrinsic Image Decomposition from a Single Image via Joint Convolutional Neural Fields
Yonsei University（延世大学）；Microsoft Research（微软研究院）
我们提出了一种从单个图像输入联合预测深度图和内在图像的方法。这两个任务通过联合条件随机场（CRF）以协同方式进行制定，该联合条件随机场（CRF）使用称为联合卷积神经场（JCNF）模型的新型卷积神经网络（CNN）架构进行求解。针对我们的联合估计问题，JCNF与以前的CNN不同之处在于，它在每个任务的网络之间共享卷积激活和层，它在梯度域中的推理，其中深度和内在图像之间存在更大的相关性，以及引入梯度尺度网络，学习估计梯度的置信度，以便在解决方案中有效地平衡它们。这种方法被证明是超越国家的最先进的方法，无论是对单图像的深度估计和内在的图像分解。
2016-03-21 cs.CV
SHADeS: Self-supervised Monocular Depth Estimation Through Non-Lambertian Image Decomposition
University College London（伦敦大学学院）；UCL Hawkes Institute（伦敦大学学院霍克斯研究所）
本文提出自监督模型 SHADeS，通过非朗伯图像分解将镜面反射作为独立光照分量，从单张结肠镜图像联合估计阴影、反照率、深度和镜面反射，并在真实与体模数据上验证其鲁棒性。
2025-02-18 cs.CV
Depth-wise Decomposition for Accelerating Separable Convolutions in Efficient Convolutional Neural Networks
Carnegie Mellon University（卡内基梅隆大学）；Columbia University（哥伦比亚大学）；Michigan State University（密歇根州立大学）
针对深度可分离卷积加速但损失准确率的问题，提出基于SVD/GSVD的深度分解，将常规卷积分解为可分离卷积，并在ShuffleNet V2上验证其优于通道分解且Top-1提升约2%。
2023-09-23 cs.CV
A deep representation for depth images from synthetic data
Sapienza Rome University（罗马大学）
在大规模RGB数据库上训练的卷积神经网络（CNN）已经成为最近大多数从RGB-D数据进行对象分类的方法中的秘密武器。由于彩色化技术，这些方法利用从2D图像中学习的过滤器来提取2.5D中有意义的表示。尽管如此，这两种图像的感知特征是非常不同的，第一种通常强烈地以纹理为特征，而第二种主要以物体的轮廓为特征。理想情况下，人们希望有两个CNN，一个用于RGB，一个用于深度，每个CNN都在合适的数据汇集上训练，能够捕获每个通道的感知特性。由于缺乏适当的深度数据库，迄今为止还无法做到这一点。本文解决了这个问题，建议选择综合生成的图像，而不是手工收集2.5D大规模数据库。虽然合成图像显然是真实数据的代理，但它允许以质量换取数量，从而可以生成几乎无限数量的数据。我们表明，从这种数据汇集中学习的过滤器，使用通常用于视觉数据的相同架构，学习非常不同的过滤器，从而产生深度特征（a）能够更好地表征深度图像的不同方面，以及（b）与从2D数据集上预训练的CNN中获得的特征互补。两个公开的数据库上的实验表明，我们的方法的力量。
2016-09-30 cs.CV
Monocular Depth Decomposition of Semi-Transparent Volume Renderings
Ulm University（乌尔姆大学）
神经网络在从彩色图像中提取几何信息方面取得了巨大的成功。特别是，单目深度估计网络在真实世界场景中越来越可靠。在这项工作中，我们调查的适用性，这样的单眼深度估计网络的半透明体渲染图像。由于深度是出了名的难以定义的体积场景中没有明确定义的表面，我们认为不同的深度计算已经出现在实践中，并比较国家的最先进的单眼深度估计方法，这些不同的解释在评估过程中考虑不同程度的不透明度的渲染。此外，我们研究如何扩展这些网络，以进一步获得颜色和不透明度信息，以创建一个分层表示的场景的基础上一个单一的彩色图像。该分层表示由空间上分离的半透明间隔组成，这些间隔与原始输入渲染合成。在我们的实验中，我们表明，现有的方法，单目深度估计可以适应执行良好的半透明体渲染，这有几个应用领域的科学可视化，如重新组合与额外的对象和标签或额外的阴影。
2023-02-18 cs.CV
SparseTrack: Multi-Object Tracking by Performing Scene Decomposition based on Pseudo-Depth
Huazhong University of Science and Technology（华中科技大学）
提出SparseTrack多目标跟踪器，通过伪深度估计和深度级联匹配算法将密集目标集分解为稀疏子集进行关联，有效解决拥挤场景下的遮挡问题。
2023-11-20 cs.CV
Controlling Explanatory Heatmap Resolution and Semantics via Decomposition Depth
Fraunhofer Heinrich Hertz Institute（弗劳恩霍夫海因里希·赫兹研究所）；Singapore University of Technology（新加坡科技设计大学）；Berlin Institute of Technology（柏林工业大学）；Korea University（高丽大学）
我们提出了分层相关传播（LRP）算法在最先进的深度卷积神经网络和Fisher向量分类器中的应用，以使用可视化热图来比较两种分类器的图像感知和预测策略。分层相关传播（LRP）是一种计算输入图像的各个分量的分数的方法，表示它们对一个特定测试点的分类器预测的贡献。我们展示了LRP过程中不同分解截止点选择的影响，控制PASCAL VOC 2007测试数据集测试图像上热图的分辨率和语义。
2016-04-04 cs.CV
X-ray In-Depth Decomposition: Revealing The Latent Structures
Technische Universität München（慕尼黑工业大学）；Johns Hopkins University（约翰斯·霍普金斯大学）
X射线摄影是最容易获得的成像方式，具有广泛的应用范围，从心脏、骨科和创伤手术的诊断到术中指导。正确解释X射线图像中隐藏和模糊的解剖结构仍然是一个挑战，通常需要高辐射剂量和多个角度的成像。在这项工作中，我们的目标是分解成独立的，非重叠的，裁剪的子体积使用深度学习方法的d X射线分量的常规X射线图像。尽管建模这样一个高度不适定的问题具有挑战性的方面，令人兴奋和令人鼓舞的结果，在这个方向上的进一步贡献铺平了道路。
2017-03-22 cs.CV
Learning Feature Decomposition for Domain Adaptive Monocular Depth Estimation
Johns Hopkins University（约翰斯·霍普金斯大学）；Amazon Lab126（亚马逊Lab126）
单目深度估计（MDE）由于其低成本和在机器人定位、地图绘制和障碍物检测等任务中的重要作用而引起了广泛的研究。随着深度学习的发展，监督方法取得了巨大的成功，但它们依赖于大量的地面实况深度注释，而这些注释的获取成本很高。无监督领域自适应（UDA）将知识从标记的源数据转移到未标记的目标数据，从而放松了监督学习的约束。然而，现有的UDA方法可能无法完全对齐跨不同数据集的域差距，因为域转移的问题。我们相信通过精心设计的特征分解可以实现更好的域对齐。在本文中，我们提出了一种新的UDA方法的MDE，称为学习特征分解自适应（LFDA），学习分解的特征空间的内容和风格组件。LFDA仅尝试对齐内容组件，因为它具有较小的域间隙。同时，它从训练主任务中排除了特定于源域的风格组件。此外，LFDA使用单独的特征分布估计来进一步弥合域差距。在三个领域自适应MDE场景上的大量实验表明，与现有方法相比，该方法具有更高的精度和更低的计算成本。
2022-07-30 cs.CV
Tri-Perspective View Decomposition for Geometry-Aware Depth Completion
Nanjing University of Science and Technology（南京理工大学）；Huazhong University of Science and Technology（华中科技大学）；Chinese Academy of Sciences（中国科学院）；Northwestern Polytechnical University（西北工业大学）
针对深度补全中难以捕捉细粒度3D几何的问题，提出TPVD框架，通过将点云分解为三视角并设计TPV Fusion与GSPN网络增强几何建模，在多个基准上取得最优，并贡献了TOFDC数据集。
2024-03-22 cs.CV
HiH: A Multi-modal Hierarchy in Hierarchy Network for Unconstrained Gait Recognition
College of Information Science and Technology, Hebei Agricultural University（河北农业大学信息科学与技术学院）
HiH 提出一种融合剪影与姿态序列的多模态层级嵌套网络，通过层级步态分解、可变形空间增强和时间对齐模块，在无约束步态识别中实现精度与效率的平衡。
2024-05-01 cs.CV
αDepth: Learning Scene-Level Soft Boundary Decomposition for Stereo Conversion
ETH Zürich（苏黎世联邦理工学院）；DisneyResearch|Studios（迪士尼研究|工作室）
提出αDepth表示，通过圆形Alpha表示（CAR）将软边界分解为局部层次，实现高保真立体转换，无需用户干预。
2026-11-05 cs.CV
Dynamic Mode Decomposition along Depth in Vision Transformers
NYU Tandon & NYU Abu Dhabi（纽约大学Tandon学院及阿布扎赫尔纽约大学）
研究视觉变换器深度是否实现近似自主线性动力学，通过动态模式分解验证并分析其在不同深度下的稳定性与可扩展性。
2026-05-08 cs.CV
RGBD Based Dimensional Decomposition Residual Network for 3D Semantic Scene Completion
Nanjing University of Science and Technology（南京理工大学）；The University of Adelaide（阿德莱德大学）
RGB图像与深度图像不同，因为它们携带更多关于颜色和纹理信息的细节，这些细节可以用作深度的重要补充，以提高3D语义场景完成（SSC）的性能。SSC由三维形状完成和语义场景标注两部分组成，而现有的方法大多以深度作为唯一输入，存在性能瓶颈。此外，最先进的方法采用具有繁琐网络和巨大参数的3D CNN。我们介绍了一种用于3D密集预测任务的轻量级维度分解残差网络（DDR）。新的因子分解卷积层有效地减少了网络参数，提出的深度和彩色图像的多尺度融合机制可以同时提高完成和分割精度。我们的方法在两个公共数据集上表现出出色的性能。与最新的方法SSCNet相比，我们在SC-IoU中获得了5.9%的增益，在SSC-IOU中获得了5.7%的增益，尽管与SSCNet相比仅使用了21%的网络参数和16.6%的FLOP。
2019-05-01 cs.CV
Intrinsic Image Decomposition for Robust Self-supervised Monocular Depth Estimation on Reflective Surfaces
Daegu Gyeongbuk Institute of Science and Technology（大邱庆北科学技术院）
针对反射表面导致自监督单目深度估计误差的问题，提出融合内在图像分解的框架，协同训练深度估计与分解，并引入伪深度生成和知识蒸馏，在多个数据集上显著提升深度预测精度。
2025-03-28 cs.CV cs.LG
Front2Back: Single View 3D Shape Reconstruction via Front to Back Prediction
University of British Columbia（英属哥伦比亚大学）；Universidad Panamericana（泛美大学）；Vector Institute（向量研究所）
从单个2D图像重建3D形状是经典的计算机视觉问题，其困难源于恢复被遮挡或仅部分观察到的表面的固有模糊性。最近的方法通过使用大部分非结构化的神经网络来解决这一挑战，该神经网络有效地提取3D形状的条件映射和先验。在这项工作中，我们通过利用三个核心观察来诱导结构和几何约束：（1）大多数日常物体的表面通常几乎完全暴露于典型的相对视图对;（2）日常物体通常表现出全局反射对称性，可以从单个视图准确预测;（3）3D形状的相对正交视图共享一致的轮廓。根据这些观察，我们首先预测正交2.5D可见表面图（深度、法线和轮廓），并检测该数据中的全局反射对称性;其次，我们使用正面图作为输入来预测背面深度和法线图，并且当可用时，使用这些图的对称反射;最后，我们使用最适合于该数据的表面重建方法从这些映射的并集重建3D网格。我们的实验表明，我们的框架优于国家的最先进的方法，从2D和2.5D数据的3D形状重建的输入保真度和细节保留。具体来说，我们在ShapeNet基准数据集中平均提高了12%的性能，对于某些类别的对象（例如，椅子和船）。
2020-01-31 cs.CV cs.GR
Object-Driven Multi-Layer Scene Decomposition From a Single Image
Technische Universität München（慕尼黑工业大学）；Google（谷歌）
我们提出了一种方法，解决了预测图像的可见内容背后的颜色和深度的挑战。我们的方法旨在从单个RGB输入建立分层深度图像（LDI），这是一种有效的表示方法，可以将场景分层，包括原始遮挡区域。与以前的工作不同，我们启用了一个自适应方案的层数，并结合语义编码，以更好地部分遮挡对象的幻觉。此外，我们的方法是对象驱动的，这特别提高了被遮挡的中间对象的准确性。该框架包括两个步骤。首先，我们在颜色和深度方面单独完成每个对象，同时估计场景布局。其次，我们重建场景的基础上回归层和强制重组图像类似于原始输入的结构。学习的表示支持各种应用，如3D摄影和缩小现实，所有这些都来自单个RGB图像。
2019-08-26 cs.CV
Scene Motion Decomposition for Learnable Visual Odometry
Samsung AI Center Russia（三星俄罗斯人工智能中心）
光流（OF）和深度通常用于视觉里程计，因为它们提供了关于刚性场景中相机自运动的足够信息。我们重新制定的自我运动估计的问题作为一个问题的运动估计的三维场景相对于一个静态相机。整个场景运动可以表示为其可见点的运动的组合。使用OF和深度，我们根据6DoF来估计每个点的运动，并以运动图的形式表示结果，每个运动图都处理单个自由度。在这项工作中，我们提供运动地图作为输入到一个深度神经网络，预测场景运动的6DoF。通过我们对室外和室内数据集的评估，我们表明，与深度和OF的朴素堆叠相比，利用运动地图可以提高精度。我们工作的另一个贡献是一种新型的网络架构，它有效地利用了运动映射，并优于可学习的RGB/RGB-D基线。
2019-07-16 cs.CV
Convex Decomposition of Indoor Scenes
UIUC（伊利诺伊大学厄巴纳-香槟分校）
本文提出一种将杂乱室内 RGBD 场景分解为固定数量凸体基元的学习回归与几何精修方法，并证明其表示误差可媲美单目深度预测。
2023-08-16 cs.CV
ReasonX: MLLM-Guided Intrinsic Image Decomposition
Imperial College London（伦敦帝国学院）；Adobe Research（Adobe研究院）
ReasonX通过多模态大语言模型提供相对比较监督，提升内在图像分解的泛化能力与精度。
2025-12-03 cs.CV
3D object reconstruction and 6D-pose estimation from 2D shape for robotic grasping of objects
University of Applied Sciences Koblenz（科布伦茨应用科学大学）；Georg-August-University Göttingen（哥廷根大学）；University Medical Center Göttingen（哥廷根大学医学中心）
我们提出了一种方法，用于3D对象重建和6D姿态估计从2D图像，使用的知识作为主键码的对象形状。在所提出的流水线中，2D图像中的对象的识别和标记提供2D片段轮廓，其与从表示所识别的对象类的3D模型的各种视图获得的投影的2D轮廓进行比较。通过直接从2D图像计算变换参数，减少了配准过程中所需的自由参数的数量，使得该方法可行。此外，3D变换和投影几何，以达到在一个完整的3D重建的对象在相机空间中使用校准的设置。包括第二个相机允许解决剩余的模糊性。使用合成数据和测试与实际数据的方法进行定量评估，并显示了其他结果为众所周知的Linemod数据集。在机器人实验中，成功地抓住物体证明了它在现实世界中的可用性，并在可能的情况下，提供与其他方法的比较。该方法适用于3D对象模型的场景，CAD模型或点云是可用的，并且可以获得2D图像的精确的逐像素分割图。与其他方法不同的是，该方法不使用3D深度进行训练，拓宽了应用领域。
2022-03-02 cs.CV cs.RO
Learning Image-Adaptive Scale Fields for Metric Depth Recovery
Technical University of Munich（慕尼黑技术大学）
本文提出通过图像自适应尺度场模型来解决单目深度估计中尺度不确定的问题，利用稀疏度量锚点通过最小二乘法确定基底映射权重，提升度量深度精度与鲁棒性。
2026-05-08 cs.CV
Visual SLAM with 3D Gaussian Primitives and Depth Priors Enabling Novel View Synthesis
Columbia University（哥伦比亚大学）；New York University（纽约大学）；Peng Cheng Laboratory（鹏城实验室）
提出一种实时RGB-D SLAM系统，融合3D高斯泼溅与深度先验，实现稠密重建、位姿估计和新视角合成，兼顾实时性与精度。
2024-08-21 cs.CV cs.RO
DiffTrans: Differentiable Geometry-Materials Decomposition for Reconstructing Transparent Objects
Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））；Peng Cheng Laboratory（鹏城实验室）；Nanjing University（南京大学）
DiffTrans通过可微渲染框架实现透明物体的高效几何-材料分解，适用于复杂场景中的高精度重建。
2026-02-28 cs.CV cs.GR
GSGTrack: Gaussian Splatting-Guided Object Pose Tracking from RGB Videos
Tongji University（同济大学）；Beijing Institute of Control Engineering（北京控制工程研究所）
本文提出 GSGTrack，仅利用 RGB 视频，通过 3D Gaussian Splatting、图几何优化、轮廓损失和几何一致图像对选择实现未知物体 6DoF 位姿跟踪与重建。
2024-12-03 cs.CV cs.RO
Robust Depth Linear Error Decomposition with Double Total Variation and Nuclear Norm for Dynamic MRI Reconstruction
针对动态MRI重建中的多域差异、时空特性及计算成本问题，提出RDLEDM模型，通过线性分解、双重TV和NN正则化及原始-对偶快速算法，实现了更高的重建精度和更低的时间复杂度。
2023-10-23 cs.CV cs.LG eess.IV
CODA: Depth-Aligned Scene Completion and Object Decomposition from a Single RGB-D Image
KAIST（韩国科学技术院）；Samsung Heavy Industries Co., Ltd.（三星重工有限公司）
CODA提出从单张RGB-D图像先补全完整场景几何再分解物体的生成模型，通过两种3D接地机制减少漂移，在杂乱场景数据集上实现更准确重建和更高物体稳定性。
2026-09-23 cs.CV cs.LG cs.RO
EndoMUST: Monocular Depth Estimation for Robotic Endoscopy via End-to-end Multi-step Self-supervised Training
Academy for Engineering & Technology, Fudan University（工程与技术学院，复旦大学）；Shanghai Key Laboratory of Medical Image Computing and Computer Assisted Intervention, Fudan University（上海医学图像计算与计算机辅助干预重点实验室，复旦大学）
针对机器人内窥镜自监督深度估计中的光照与干扰问题，提出多步高效微调框架EndoMUST，在SCARED和Hamlyn数据集上达到最先进性能，误差降低4%-10%。
2025-06-19 cs.CV cs.RO
Schmidt Decomposition-Based Methods for Efficient Quantum Image Encoding
Fraunhofer Institute for Industrial Mathematics ITWM（弗劳恩霍夫工业数学研究所ITWM）；Technical University of Sofia（索非亚技术大学）；Institut d’Optique Graduate School - Université Paris-Saclay（巴黎萨克雷大学光学研究所）；Algorithms for Computer Vision, Imaging and Data Analysis Lab, Technical University of Applied Sciences Schweinfurt（施韦因富特应用技术大学计算机视觉、成像与数据分析实验室）
针对量子图像编码在NISQ设备上电路复杂度过高的问题，提出基于Schmidt分解的低秩近似方法，在保持图像质量的同时显著降低电路深度和门数量，FRQI模型实现97%的深度缩减且MSE仅约0.27。
2026-06-29 cs.CV math.QA quant-ph
Compressing Facial Makeup Transfer Networks by Collaborative Distillation and Kernel Decomposition
Chu Kochen Honors College, Zhejiang University（浙江大学竺可桢学院）
虽然面部化妆传输网络在生成感知上令人愉悦的化妆图像方面取得了高质量的性能，但其能力仍然受到网络架构的大规模计算和存储的限制。我们解决这个问题，通过压缩面部化妆转移网络与协同蒸馏和内核分解。协作蒸馏的主要思想是基于一个发现，编码器-解码器对构建一个排他性的协作关系，这被认为是一种新的知识，为低层次的视觉任务。对于核分解，我们应用卷积核的深度分离来从原始网络构建一个轻量级卷积神经网络（CNN）。大量的实验表明，压缩方法的有效性时，应用于国家的最先进的面部化妆传输网络- BeautyGAN。
2020-09-16 cs.AI cs.CV
Object-Centric Image Generation with Factored Depths, Locations, and Appearances
University of Torontoland（托伦托兰大学）；Googol ShallowMind
我们提出了一个生成模型的图像，明确的原因，他们显示的对象集。我们的模型学习了一种结构化的潜在表示，将对象彼此分离并与背景分离;与以前的作品不同，它显式地表示每个对象的2D位置和深度，以及其分割掩码和外观的嵌入。该模型可以以纯粹无监督的方式单独从图像中训练，而不需要对象掩码或深度信息。此外，它总是生成完整的对象，即使很大一部分训练图像包含遮挡。最后，我们表明，我们的模型可以推断新的图像分解成其组成对象，包括准确预测的深度排序和分割的闭塞部分。
2020-04-01 cs.CV cs.LG stat.ML
