本文爲極市平臺原創收集，轉載請附原文鏈接：
https://blog.csdn.net/Extremevision/article/details/81875068
之前我們整理了CVPR 2018 論文解讀集錦和歷年VALSE 視覺資源彙總（兩篇都仍在更新中），目前計算機視覺三大頂級會議之一的ECCV，European Conference on Computer Vision(歐洲計算機視覺國際會議) ，將於2018年9月8日在德國慕尼黑舉行，目前已經逐漸公開接收論文名單，爲了能夠讓大家更集中深刻地瞭解ECCV2018的優秀論文，極市爲大家整理了一些ECCV2018論文解讀集錦，同時還有ECCV2018的相關討論和競賽，後續還會持續更新，歡迎大家閱讀和收藏。
15.ECCV2018論文Express | 單幅RGB圖像整體三維場景解析與重建（附原文下載）
本文提出了一種計算框架，將視覺概念作爲逆圖形，使用隨機語法模型（stochastic grammar model），聯合解析（jointly parse）單幅RGB圖像，重建出由一組CAD模型組成的整體3D結構。
14.ECCV18 Oral | MIT&谷歌視頻運動放大讓計算機輔助人眼“明察秋毫”
本文是第一個使用卷積神經網絡在人工合成數據上學習運動放大濾波器的工作，實驗證明經過學習得到的過濾器在真實視頻上與之前的方法相比獲得更高質量的視覺效果，明顯減少了振鈴僞像和噪聲放大。
13.ECCV 2018 | 上海交通大學ECCV 2018四篇入選論文解讀（附原文下載）
上海交通大學SJTU-UCLA機器感知與推理聯合研究中心4篇ECCV論文解讀，研究方向涉及自動駕駛、視頻理解、視覺跟蹤以及新型神經網絡。
12.ECCV 2018 | CornerNet：目標檢測算法新思路
密歇根大學Hei Law等人在發表ECCV2018的一篇論文，提出CornerNet模型預測目標邊界框的左上角和右下角一對頂點，即使用單一卷積模型生成熱點圖和連接矢量。
11.ECCV 2018 | IBN-Net：打開Domain Generalization的新方式
本文由香港中文大學發表於ECCV2018，論文探索了IN和BN的優劣，據此提出的IBN-Net在語義分割的域適應任務上取得了十分顯著的性能提升。
10.憑一張照片找到視頻中你所有的鏡頭，包括背影丨商湯ECCV 2018論文
商湯最近發了一篇ECCV，搞了一個巨大的電影片段數據庫。無論一位電影明星演的是青春少女還是白髮老人，無論TA露出了正臉還是側顏，無論影片的鏡頭明亮鮮麗還是灰黃暗淡，AI都能精確的找到TA，TA的正臉、身姿和背影。
本文是ECCV2018接收論文《 Salient Objects in Clutter: Bringing Salient Object Detection to the Foreground》中文翻譯版，作者範登平，該文針對現有顯著性物體檢測的數據集存在的設計偏差，構建併發布了目前世界上最大的instance level的顯著物體檢測數據集。
8.華科白翔老師團隊ECCV2018 OCR論文：Mask TextSpotter
白翔老師團隊ECCV2018 論文：提出了一種用於場景text spotting的可端到端訓練的神經網絡模型Mask TextSpotter，在處理不規則形狀的文本實例（例如，彎曲文本）方面優於之前的方法。
7.ECCV 2018 | 美圖雲聯合中科院提出基於交互感知注意力機制神經網絡的行爲分類技術
ECCV2018收錄文章，來自美圖雲視覺技術部門和中科院自動化所的研發人員借鑑 PCA（主成分分析）思想，提出了一種引入局部特徵交互感知的自注意機制模型，並將模型嵌入到 CNN 網絡中，提出一個端到端的網絡結構。
圖像中雨水條紋會嚴重降低能見度，導致許多當前的計算機視覺算法無法工作，比如在自動駕駛場景下圖像去雨就變得非常重要。本文提出了一種基於深度卷積和遞歸神經網絡的新型深度網絡體系結構，用於單圖像去雨。
5.ECCV2018 | ELEGANT：基於交換隱層編碼和殘差學習的人臉屬性遷移
本文提出的ELEGANT 模型克服了以往基於深度神經網絡做人臉屬性遷移方法的缺點，實現基於交換隱層編碼和殘差學習的人臉屬性遷移。
4.[ECCV 2018] 用於時序動作提名生成的邊界敏感網絡
這篇論文主要針對時序動作提名生成(temporal action proposal generation)任務提出了一種新的方法-邊界敏感網絡(Boundary Sensitive Network, BSN)，該方法突破了原有的top-down方法的一些缺陷，能夠簡潔高效地生成高質量的時序動作提名。
3.ECCV 2018 | 曠視科技提出DetNet：一個爲物體檢測而生的Backbone
本文創新性地提出 DetNet——一個專爲物體檢測而設計的骨幹網絡，從底層技術的維度更新了計算機視覺網絡，將會進一步推動其相關應用落地，優化產品服務。DetNet 將會更快更準地檢測和分割一張給定圖像之中的物體，完善在智慧城市、新零售、倉儲物流、消費終端等諸多領域的技術應用。
2.MultiPoseNet:人體檢測、姿態估計、語義分割一“網”打盡
文中提出了一種新的自底向上（Bottom-Up）模式的多人姿勢估計架構，它將多任務模型(multi-task model)與新穎的分配算法（assignment method）相結合。MultiPoseNet方法是目前最快的實時姿態估計系統，在GTX1080TI顯卡上速度是23幀/秒。
1.ECCV2018論文解讀：用迴歸方法判斷熱度圖中的人體姿態
本文提出一種積分迴歸的方法用於人體姿勢估計任務，該途徑結合了基於熱度圖的方法和迴歸方法的優點，可以方便地應用於並改進任何基於熱度圖的模型。本文通過綜合性實驗全面驗證了該方法的有效性，並表明在2D和3D的人體姿勢估計數據集MPII、COCO、Human3.6M中，本方法都取得當前最好的結果。