ECCV22最新54篇论文分方向整理目标检测图像分割等（附下载）

　　本文首发极市平台公众号，转载请获得授权并标明出处。
　　ECCV 2022 论文分方向整理目前在极市社区持续更新中，已累计更新了 54 篇，项目地址：https://github.com/extreme-assistant/ECCV2022-Paper-Code-Interpretation
　　以下是本周更新的 ECCV 2022 论文，包含检测，分割，图像处理，视频理解，神经网络结构设计，无监督学习，迁移学习等方向。
　　论文合集打包下载地址：https://www.cvmart.net/community/detail/6592
　　- 检测
　　- 分割
　　- 图像处理
　　- 视频处理
　　- 图像、视频检索与理解
　　- 估计
　　- 目标跟踪
　　- 文本检测与识别
　　- GAN/生成式/对抗式
　　- 神经网络结构设计
　　- 数据处理
　　- 模型训练/泛化
　　- 模型压缩
　　- 模型评估
　　- 半监督学习/自监督学习
　　- 多模态/跨模态学习
　　- 小样本学习
　　- 强化学习  检测2D目标检测
　　[1] Point-to-Box Network for Accurate Object Detection via Single Point Supervision (通过单点监督实现精确目标检测的点对盒网络)
　　paper：https://arxiv.org/abs/2207.06827
　　code：https://github.com/ucas-vg/p2bnet
　　[2] You Should Look at All Objects (您应该查看所有物体)
　　paper：https://arxiv.org/abs/2207.07889
　　code：https://github.com/charlespikachu/yslao
　　[3] Adversarially-Aware Robust Object Detector (对抗性感知鲁棒目标检测器)
　　paper：https://arxiv.org/abs/2207.06202
　　code：https://github.com/7eu7d7/robustdet
　　3D目标检测
　　[1] Rethinking IoU-based Optimization for Single-stage 3D Object Detection (重新思考基于 IoU 的单阶段 3D 对象检测优化)
　　paper：https://arxiv.org/abs/2207.09332
　　人物交互检测
　　[1] Towards Hard-Positive Query Mining for DETR-based Human-Object Interaction Detection (面向基于 DETR 的人机交互检测的硬性查询挖掘)
　　paper：https://arxiv.org/abs/2207.05293
　　code：https://github.com/muchhair/hqm
　　图像异常检测
　　[1] DICE: Leveraging Sparsification for Out-of-Distribution Detection (DICE：利用稀疏化进行分布外检测)
　　paper：https://arxiv.org/abs/2111.09805
　　code：https://github.com/deeplearning-wisc/dice  分割实例分割
　　[1] Box-supervised Instance Segmentation with Level Set Evolution (具有水平集进化的框监督实例分割)
　　paper：https://arxiv.org/abs/2207.09055
　　[2] OSFormer: One-Stage Camouflaged Instance Segmentation with Transformers (OSFormer：使用 Transformers 进行单阶段伪装实例分割)
　　paper：https://arxiv.org/abs/2207.02255
　　code：https://github.com/pjlallen/osformer
　　语义分割
　　[1] 2DPASS: 2D Priors Assisted Semantic Segmentation on LiDAR Point Clouds (2DPASS：激光雷达点云上的二维先验辅助语义分割)
　　paper：https://arxiv.org/abs/2207.04397
　　code：https://github.com/yanx27/2dpass  视频目标分割
　　[1] Learning Quality-aware Dynamic Memory for Video Object Segmentation (视频对象分割的学习质量感知动态内存)
　　paper：https://arxiv.org/abs/2207.07922
　　code：https://github.com/workforai/qdmn
　　图像处理超分辨率
　　[1] Dynamic Dual Trainable Bounds for Ultra-low Precision Super-Resolution Networks (超低精度超分辨率网络的动态双可训练边界)
　　paper：https://arxiv.org/abs/2203.03844
　　code：https://github.com/zysxmu/ddtb  图像去噪
　　[1] Deep Semantic Statistics Matching (D2SM) Denoising Network (深度语义统计匹配（D2SM）去噪网络)
　　paper：https://arxiv.org/abs/2207.09302  图像复原/图像增强/图像重建
　　[1] Semantic-Sparse Colorization Network for Deep Exemplar-based Colorization (用于基于深度示例的着色的语义稀疏着色网络)
　　paper：https://arxiv.org/abs/2112.01335
　　[2] Geometry-aware Single-image Full-body Human Relighting (几何感知单图像全身人体重新照明)
　　paper：https://arxiv.org/abs/2207.04750
　　[3] Multi-Modal Masked Pre-Training for Monocular Panoramic Depth Completion (单目全景深度补全的多模态蒙面预训练)
　　paper：https://arxiv.org/abs/2203.09855
　　[4] PanoFormer: Panorama Transformer for Indoor 360 Depth Estimation (PanoFormer：用于室内 360 深度估计的全景变压器)
　　paper：https://arxiv.org/abs/2203.09283
　　[5] SESS: Saliency Enhancing with Scaling and Sliding (SESS：通过缩放和滑动增强显着性)
　　paper：https://arxiv.org/abs/2207.01769
　　[6] RigNet: Repetitive Image Guided Network for Depth Completion (RigNet：用于深度补全的重复图像引导网络)
　　paper：https://arxiv.org/abs/2107.13802
　　图像外推(Image Outpainting)
　　[1] Outpainting by Queries (通过查询进行外包)
　　paper：https://arxiv.org/abs/2207.05312
　　code：https://github.com/kaiseem/queryotr
　　风格迁移(Style Transfer)
　　[1] CCPL: Contrastive Coherence Preserving Loss for Versatile Style Transfer (CCPL：通用风格迁移的对比相干性保留损失)
　　paper：https://arxiv.org/abs/2207.04808
　　code：https://github.com/JarrentWu1031/CCPL  视频处理(Video Processing)
　　[1] Improving the Perceptual Quality of 2D Animation Interpolation (提高二维动画插值的感知质量)
　　paper：https://arxiv.org/abs/2111.12792
　　code：https://github.com/shuhongchen/eisai-anime-interpolator
　　[2] Real-Time Intermediate Flow Estimation for Video Frame Interpolation (视频帧插值的实时中间流估计)
　　paper：https://arxiv.org/abs/2011.06294
　　code：https://github.com/MegEngine/arXiv2020-RIFE  图像、视频检索与理解动作识别
　　[1] ReAct: Temporal Action Detection with Relational Queries (ReAct：使用关系查询的时间动作检测)
　　paper：https://arxiv.org/abs/2207.07097
　　code：https://github.com/sssste/react
　　[2] Hunting Group Clues with Transformers for Social Group Activity Recognition (用Transformers寻找群体线索用于社会群体活动识别)
　　paper：https://arxiv.org/abs/2207.05254  视频理解
　　[1] GraphVid: It Only Takes a Few Nodes to Understand a Video (GraphVid：只需几个节点即可理解视频)
　　paper：https://arxiv.org/abs/2207.01375
　　[2] Deep Hash Distillation for Image Retrieval (用于图像检索的深度哈希蒸馏)
　　paper：https://arxiv.org/abs/2112.08816
　　code：https://github.com/youngkyunjang/deep-hash-distillation
　　视频检索(Video Retrieval)
　　[1] TS2-Net: Token Shift and Selection Transformer for Text-Video Retrieval (TS2-Net：用于文本视频检索的令牌移位和选择转换器)
　　paper：https://arxiv.org/abs/2207.07852
　　code：https://github.com/yuqi657/ts2_net
　　[2] Lightweight Attentional Feature Fusion: A New Baseline for Text-to-Video Retrieval (轻量级注意力特征融合：文本到视频检索的新基线)
　　paper：https://arxiv.org/abs/2112.01832  估计位姿估计
　　[1] Category-Level 6D Object Pose and Size Estimation using Self-Supervised Deep Prior Deformation Networks (使用自监督深度先验变形网络的类别级 6D 对象姿势和大小估计)
　　paper：https://arxiv.org/abs/2207.05444
　　code：https://github.com/jiehonglin/self-dpdn
　　深度估计
　　[1] Physical Attack on Monocular Depth Estimation with Optimal Adversarial Patches (使用最优对抗补丁对单目深度估计进行物理攻击)
　　paper：https://arxiv.org/abs/2207.04718  目标跟踪
　　[1] Towards Grand Unification of Object Tracking (迈向目标跟踪的大统一)
　　paper：https://arxiv.org/abs/2207.07078
　　code：https://github.com/masterbin-iiau/unicorn
　　文本检测与识别
　　[1] Dynamic Low-Resolution Distillation for Cost-Efficient End-to-End Text Spotting (用于经济高效的端到端文本识别的动态低分辨率蒸馏)
　　paper：https://arxiv.org/abs/2207.06694
　　code：https://github.com/hikopensource/davar-lab-ocr  GAN/生成式/对抗式
　　[1] Eliminating Gradient Conflict in Reference-based Line-Art Colorization (消除基于参考的艺术线条着色中的梯度冲突)
　　paper：https://arxiv.org/abs/2207.06095
　　code：https://github.com/kunkun0w0/sga
　　[2] WaveGAN: Frequency-aware GAN for High-Fidelity Few-shot Image Generation (WaveGAN：用于高保真少镜头图像生成的频率感知 GAN)
　　paper：https://arxiv.org/abs/2207.07288
　　code：https://github.com/kobeshegu/eccv2022_wavegan
　　[3] FakeCLR: Exploring Contrastive Learning for Solving Latent Discontinuity in Data-Efficient GANs (FakeCLR：探索对比学习以解决数据高效 GAN 中的潜在不连续性)
　　paper：https://arxiv.org/abs/2207.08630
　　code：https://github.com/iceli1007/fakeclr
　　[4] UniCR: Universally Approximated Certified Robustness via Randomized Smoothing (UniCR：通过随机平滑获得普遍近似的认证鲁棒性)
　　paper：https://arxiv.org/abs/2207.02152  神经网络结构设计神经网络架构搜索(NAS)
　　[1] ScaleNet: Searching for the Model to Scale (ScaleNet：搜索要扩展的模型)
　　paper：https://arxiv.org/abs/2207.07267
　　code：https://github.com/luminolx/scalenet
　　[2] Ensemble Knowledge Guided Sub-network Search and Fine-tuning for Filter Pruning (集成知识引导的子网络搜索和过滤器修剪微调)
　　paper：https://arxiv.org/abs/2203.02651
　　code：https://github.com/sseung0703/ekg
　　[3] EAGAN: Efficient Two-stage Evolutionary Architecture Search for GANs (EAGAN：GAN 的高效两阶段进化架构搜索)
　　paper：https://arxiv.org/abs/2111.15097
　　code：https://github.com/marsggbo/EAGAN  数据处理归一化
　　[1] Fine-grained Data Distribution Alignment for Post-Training Quantization (训练后量化的细粒度数据分布对齐)
　　paper：https://arxiv.org/abs/2109.04186
　　code：https://github.com/zysxmu/fdda  模型训练/泛化噪声标签
　　[1] Learning with Noisy Labels by Efficient Transition Matrix Estimation to Combat Label Miscorrection (通过有效的转移矩阵估计学习噪声标签以对抗标签错误校正)
　　paper：https://arxiv.org/abs/2111.14932
　　模型压缩知识蒸馏
　　[1] Knowledge Condensation Distillation (知识浓缩蒸馏)
　　paper：https://arxiv.org/abs/2207.05409
　　code：https://github.com/dzy3/kcd)  模型评估
　　[1] Hierarchical Latent Structure for Multi-Modal Vehicle Trajectory Forecasting (多模式车辆轨迹预测的分层潜在结构)
　　paper：https://arxiv.org/abs/2207.04624
　　code：https://github.com/d1024choi/hlstrajforecast  半监督学习/无监督学习/自监督学习
　　[1] FedX: Unsupervised Federated Learning with Cross Knowledge Distillation (FedX：具有交叉知识蒸馏的无监督联合学习)
　　paper：https://arxiv.org/abs/2207.09158
　　[2] Synergistic Self-supervised and Quantization Learning (协同自监督和量化学习)
　　paper：https://arxiv.org/abs/2207.05432
　　code：https://github.com/megvii-research/ssql-eccv2022)
　　[3] Contrastive Deep Supervision (对比深度监督)
　　paper：https://arxiv.org/abs/2207.05306
　　code：https://github.com/archiplab-linfengzhang/contrastive-deep-supervision
　　[4] Dense Teacher: Dense Pseudo-Labels for Semi-supervised Object Detection (稠密教师：用于半监督目标检测的稠密伪标签)
　　paper：https://arxiv.org/abs/2207.02541
　　[5] Image Coding for Machines with Omnipotent Feature Learning (具有全能特征学习的机器的图像编码)
　　paper：https://arxiv.org/abs/2207.01932  多模态学习/跨模态视觉-语言
　　[1] Contrastive Vision-Language Pre-training with Limited Resources (资源有限的对比视觉语言预训练)
　　paper：https://arxiv.org/abs/2112.09331
　　code：https://github.com/zerovl/zerovl  跨模态
　　[1] Cross-modal Prototype Driven Network for Radiology Report Generation (用于放射学报告生成的跨模式原型驱动网络)
　　paper：https://arxiv.org/abs/
　　code：https://github.com/markin-wang/xpronet
　　小样本学习
　　[1] Learning Instance and Task-Aware Dynamic Kernels for Few Shot Learning (用于少数镜头学习的学习实例和任务感知动态内核)
　　paper：https://arxiv.org/abs/2112.03494
　　迁移学习/自适应
　　[1] Factorizing Knowledge in Neural Networks (在神经网络中分解知识)
　　paper：https://arxiv.org/abs/2207.03337
　　code：https://github.com/adamdad/knowledgefactor
　　[2] CycDA: Unsupervised Cycle Domain Adaptation from Image to Video (CycDA：从图像到视频的无监督循环域自适应)
　　paper：https://arxiv.org/abs/2203.16244
　　强化学习
　　[1] Target-absent Human Attention (目标缺失——人类注意力缺失)
　　paper：https://arxiv.org/abs/2207.01166
　　code：https://github.com/neouyghur/sess