ICCV 2019最佳論文和最佳學生論文已出爐！
最佳論文
SinGAN:LearningaGenerativeModelfromaSingleNaturalImage
用一張自然圖片，學出一個生成模型
作者：Tamar Rott Shaham，Technion；
Tali Dekel ，Google Research；
Tomer Michaeli ，Technion
摘要：我們介紹SinGAN，這是一種無條件的生成模型，可以從單個自然圖像中學習。 我們的模型經過訓練，可以捕獲圖像內斑塊的內部分佈，然後能夠生成高質量，多樣的樣本，並承載與圖像相同的視覺內容。 SinGAN包含一個完全卷積的GAN金字塔，每個金字塔負責學習圖像的不同比例分佈。這允許生成新的如此任意的任意大小的光譜，儘管具有顯着的可變性，但仍保持訓練圖像的整體結構和精細的紋理。 與以前的單個圖像GAN方案相比，我們的方法不僅限於紋理圖像，而且不是有條件的（即它從噪聲中生成樣本）。 用戶研究證實，生成的樣本通常被混淆爲真實圖像。 我們將說明SinGAN在各種圖像處理任務中的實用性。
論文鏈接：https://arxiv.org/pdf/1905.01164.pdf
源碼地址：https://github.com/tamarott/SinGAN
論文解讀：http://bbs.cvmart.net/articles/1158
最佳學生論文
PLMP - Point-Line Minimal Problems in Complete Multi-View Visibility
完整的多視圖可見性中的點線最小問題
摘要：對於通過校準的透視相機完全觀察到的點和線的一般排列，我們對所有最小問題進行了完整分類。 我們證明總共只有30個最小的問題，對於6個以上的攝像機，5個以上的點以及6條以上的線，則不存在任何問題。 我們提出了一系列檢測最小值的測試，這些測試從對自由度進行計數開始，到對代表示例進行完整的符號和數字驗證結束。 對於發現的所有最小問題，我們介紹它們的代數度，即度量其內在困難的解的數量。 它顯示了問題的難度如何隨着視圖數量的增長而增長。 重要的是，幾個新的最小問題在圖像匹配和3D重建中可能具有很小的實用性。
論文鏈接：https://arxiv.org/pdf/1903.10008.pdf
極市小編已經下載了所有的1990~2019年 ICCV 最佳論文（Marr Prize Paper）可點擊下方鏈接，下載學起來哈！
1987 ~2019 年曆屆 ICCV 最佳論文（Marr Prize Paper）彙總
我們還爲大家總結匯總了今年ICCV論文解讀，可以看看哦~
ICCV2019 論文解讀彙總（10-29 更新中）
推薦閱讀：
ICCV2019 全部論文分類彙總（含目標檢測 / 圖像分割等，1008 更新中）
△ 掃一掃關注 極市平臺
每天推送最新CV乾貨
