CVPR2019 | 03-20日更新11篇论文及代码汇总（含1篇oral，目标识别、行人检测、VQA、立体匹配等）

前段时间，计算机视觉顶会CVPR 2019 公布了接收结果，极市也对此做了相关报道：1300篇！CVPR2019接收结果公布，你中了吗？。目前官方只公布了接收论文ID列表，极市已汇总目前公开的所有论文链接及code（目前已更新221篇），今日更新论文如下：

CVPR2019 全部论文汇总：

https://github.com/extreme-assistant/cvpr2019

CVPR2019 论文解读

http://bbs.cvmart.net/topics/287/cvpr2019

1.Learning to Compose Dynamic Tree Structures for Visual Contexts（VQA,Oral）

作者：Kaihua Tang, Hanwang Zhang, Baoyuan Wu, Wenhan Luo, Wei Liu

论文链接：https://arxiv.org/abs/1812.01880

代码链接：

https://github.com/KaihuaTang/VCTree-Visual-Question-Answering

2.Photometric Mesh Optimization for Video-Aligned 3D Object Reconstruction 
作者：Pelin Dogan, Leonid Sigal, Markus Gross
论文链接：

https://chenhsuanlin.bitbucket.io/photometric-mesh-optim/paper.pdf
代码链接：

https://github.com/chenhsuanlin/photometric-mesh-optim
项目链接：

https://chenhsuanlin.bitbucket.io/photometric-mesh-optim/

3.Neural Sequential Phrase Grounding (SeqGROUND)
作者：Pelin Dogan, Leonid Sigal, Markus Gross
论文链接：https://arxiv.org/abs/1903.07669

4.Direct Object Recognition Without Line-of-Sight Using Optical Coherence(目标识别）
作者：Xin Lei, Liangyu He, Yixuan Tan, Ken Xingze Wang, Xinggang Wang, Yihan Du, Shanhui Fan, Zongfu Yu
论文链接：https://arxiv.org/abs/1903.07705

5.Probabilistic End-to-end Noise Correction for Learning with Noisy Labels 
作者：Kun Yi, Jianxin Wu
论文链接：https://arxiv.org/abs/1903.07788

6.SSA-CNN: Semantic Self-Attention CNN for Pedestrian Detection（行人检测）
作者：Chengju Zhou,Meiqing Wu,Siew-Kei Lam
论文链接：https://arxiv.org/abs/1902.09080v1
论文摘要：本文将语义分割结果作为自我关注线索进行探索，以显着提高行人检测性能。

7.MagicVO: End-to-End Monocular Visual Odometry through Deep Bi-directional Recurrent Convolutional Neural Network（单目视觉测距）
作者：Jian Jiao, Jichao Jiao, Yaokai Mo, Weilun Liu, Zhongliang Deng
论文链接：https://arxiv.org/abs/1811.10964
论文摘要：本文提出了一种解决单眼视觉测距问题的新框架，称为MagicVO。 基于卷积神经网络（CNN）和双向LSTM（Bi-LSTM），MagicVO在摄像机的每个位置输出6-DoF绝对标度姿势，并以一系列连续单目图像作为输入。

8.Deep Rigid Instance Scene Flow
作者：Wei-Chiu Ma 、Shenlong Wang 、Rui Hu、Yuwen Xiong、 Raquel Urtasun
论文链接：

https://people.csail.mit.edu/weichium/papers/cvpr19-dsisf/paper.pdf
论文摘要：在本文中，我们解决了自动驾驶环境下的场景流量估计问题。 我们利用深度学习技术以及强大的先验，因为在我们的应用领域中，场景的运动可以由机器人的运动和场景中的演员的3D运动来组成。

9.Hierarchical Discrete Distribution Decomposition for Match Density Estimation（立体匹配）
作者：Zhichao Yin, Trevor Darrell, Fisher Yu
论文链接：https://arxiv.org/abs/1812.06264
论文简要：在本文中，我们提出了分层离散分布分解，称为HD3，以学习概率点和区域匹配。它不仅可以模拟匹配不确定性，还可以模拟区域传播。

10.From Adversarial Training to Generative Adversarial Networks 
作者：Xuanqing Liu, Cho-Jui Hsieh 
论文链接：https://arxiv.org/pdf/1807.10454.pdf

11.Learning Linear Transformations for Fast Arbitrary Style Transfer 
作者：Xueting Li, Sifei Liu, Jan Kautz, Ming-Hsuan Yang 
论文链接：

https://arxiv.org/pdf/1808.04537v1.pdf