今日 Paper | 物體渲染；圖像和諧化；無偏數(shù)據(jù)處理方法；面部偽造檢測等

本文作者： AI研習(xí)社

2020-03-19 14:50

導(dǎo)語：為了更好地服務(wù)廣大 AI 青年，AI 研習(xí)社正式推出全新「論文」版塊。

今日 Paper | 物體渲染；圖像和諧化；無偏數(shù)據(jù)處理方法；面部偽造檢測等

IGNOR: 基于深度學(xué)習(xí)的圖像引導(dǎo)的物體渲染

論文名稱：IGNOR: Image-guided Neural Object Rendering

作者：Thies Justus /Zollh?fer Michael /Theobalt Christian /Stamminger Marc /Nie?ner Matthias

發(fā)表時間：2018/11/26

論文鏈接：https://paper.yanxishe.com/review/13549?from=leiphonecolumn_paperreview0319

推薦原因

本文被ICLR 2020接收！文章提出了一種基于學(xué)習(xí)的圖像引導(dǎo)的渲染技術(shù)，該技術(shù)將基于圖像的渲染和基于GAN的圖像合成相結(jié)合，可以生成重建對象的高真實感渲染結(jié)果。

文章技術(shù)的核心是如何處理視角相關(guān)的視覺效果，為了解決這個問題作者首先訓(xùn)練了一個基于特定對象的深度神經(jīng)網(wǎng)絡(luò)來合成目標對象與視角無關(guān)的外觀。為了處理視角相關(guān)的效果，如物體表面的高光等，作者剔除了EffectsNet來進一步預(yù)測與視角相關(guān)的效果。作者在合成和真實數(shù)據(jù)上定性和定量的證明了文章方法的有效性。

基于域驗證的圖像和諧化

論文名稱：Deep Image Harmonization via Domain Verification

作者：Wenyan Cong

發(fā)表時間：2020/1/1

論文鏈接：https://paper.yanxishe.com/review/13544?from=leiphonecolumn_paperreview0319

推薦原因

研究意義：

圖像合成是圖像處理中的重要操作，但是從背景或者其他圖片轉(zhuǎn)移顏色信息到前景上會嚴重降低合成圖像的質(zhì)量。目前沒有用于圖像協(xié)調(diào)的高質(zhì)量公共可用數(shù)據(jù)集極大地阻礙了圖像協(xié)調(diào)的發(fā)展技術(shù)。近年來，已經(jīng)有少量的工作嘗試用深度學(xué)習(xí)做圖像和諧化，但成對的合成圖和真實圖極難獲得。我們通過基于COCO合成的圖像（分別是Adobe5k，F(xiàn)lickr，day2night）來貢獻圖像協(xié)調(diào)數(shù)據(jù)集，通過深度學(xué)習(xí)的訓(xùn)練生成監(jiān)督信息，從而解決目前遇到的弊端。

創(chuàng)新點：

1、構(gòu)建并公布了由四個子數(shù)據(jù)庫組成的圖像和諧化數(shù)據(jù)庫。

2、提出了域驗證 (domain verification) 的概念，嘗試了基于域驗證的圖像和諧化算法。

人體姿態(tài)估計中的無偏數(shù)據(jù)處理方法的研究

論文名稱：The Devil is in the Details: Delving into Unbiased Data Processing for Human Pose Estimation

作者：Junjie Huang

發(fā)表時間：2019/12/1

論文鏈接：https://paper.yanxishe.com/review/13543?from=leiphonecolumn_paperreview0319

推薦原因

本文研究意義：

目前，對于人體姿勢預(yù)測的研究主要局限于自上而下的方法。然而，對于訓(xùn)練和預(yù)測的基本組成部分，尚未在姿勢預(yù)測中考慮數(shù)據(jù)的處理。基于此，本文以此為出發(fā)點，提出了有偏數(shù)據(jù)的處理在研究自上而下的姿態(tài)估計器中的作用。

本文的創(chuàng)新點：

1、UDP，解決了現(xiàn)有的SOTA人體姿態(tài)估計算法中標準編解碼方法存在較大統(tǒng)計誤差的問題。

2、該算法解決了由于翻轉(zhuǎn)測試而導(dǎo)致的結(jié)果不對齊問題。

3、該算法即用即插，在基本不增加模型復(fù)雜度的情況下，有效提升了算法性能。

面部X射線，可進行更一般的面部偽造檢測

論文名稱：Face X-ray for More General Face Forgery Detection

作者：Lingzhi Li1

發(fā)表時間：2019/12/1

論文鏈接：https://paper.yanxishe.com/review/13542?from=leiphonecolumn_paperreview0319

推薦原因

本文研究意義：

這篇文章是微軟亞洲研究院的研究paper。在本文中，作者提出了一個方法---面部X射線，它既不需要了解換臉后的圖像數(shù)據(jù)，也不需要知道換臉算法，就能對圖像做『X-Ray』，鑒別出是否換臉，以及指出換臉的邊界。

本文的創(chuàng)新點：

作者提出的新模型 Face X-Ray 具有兩大屬性：能泛化到未知換臉算法、能提供可解釋的換臉邊界。要獲得這樣的優(yōu)良屬性，訣竅就藏在換臉算法的一般過程中。在當(dāng)下工業(yè)界中，盛行的大多數(shù)換臉算法一般可以分為檢測、修改以及融合三部分。而本文標新立異之處在于，該新模型Face X-Ray是通過檢測第三階段產(chǎn)生的誤差來進行實驗的。

即插即用(Plug and Play)的受限文本生成方法

論文名稱：PLUG AND PLAY LANGUAGE MODELS: A SIMPLE APPROACH TO CONTROLLED TEXT GENERATION

作者：Sumanth Dathathri

發(fā)表時間：2019/12/1

論文鏈接：https://paper.yanxishe.com/review/13541?from=leiphonecolumn_paperreview0319

推薦原因

本文研究意義：

作者在普通語言模型的基礎(chǔ)上提出了一個用于建模生成句子中的不同屬性的屬性模型，該模型可以實現(xiàn)多種屬性上的受限文本生成。此外，作者提出的新方法PPLM，是不需要改變原有語言模型的結(jié)構(gòu)，只需要讓兩個模型同時訓(xùn)練，就可以實現(xiàn)屬性控制效果的顯著提升。

創(chuàng)新點：

1、提出了一種即插即用的受限文本生成方法--PPLM。

2、PPLM不需要改變語言模型的結(jié)構(gòu)，只需要讓這兩個模型同時訓(xùn)練即可。