-
用于二维手势估计的旋转不变混合图形模型网络
-
从人体移动轨迹中学习具有空间层次的细粒度位置嵌入
-
中等服装变化下基于轮廓草图的行人再识别
-
基准成像系统的综合数据库
-
基于双向语言模型的半监督序列标注
论文名称：Rotation-invariant Mixed Graphical Model Network for 2D Hand Pose Estimation
作者：Kong Deying /Ma Haoyu /Chen Yifei /Xie Xiaohui
发表时间：2020/2/5
论文链接：https://arxiv.org/abs/2002.02033v1
推荐原因
这篇论文发表于WACV 2020，考虑的是二维手姿势估计问题。
这篇论文提出了一种名为旋转不变混合图形模型网络（R-MGMN）的网络架构，用来解决单摄像头采集的RGB图像中的二维手姿势估计问题。通过集成一个旋转网络，R-MGMN可以应对图像中手的旋转。R-MGMN还具有一个图形模型库，可以根据输入图像来选择图形模型的组合。R-MGMN通过在每个图形模型上执行置信传播来生成一组边际分布，然后将这些边际分布作为手部关键点位置的置信度映射，最终所有的置信度映射合在一起得到最终的置信度映射。这篇论文在两个公共手势数据集上评估了R-MGMN，实验结果表明R-MGMN明显优于其他的算法。
论文名称：Learning Fine Grained Place Embeddings with Spatial Hierarchy from Human Mobility Trajectories
作者：Shimizu Toru /Yabe Takahiro /Tsubouchi Kota
发表时间：2020/2/6
论文链接：https://arxiv.org/abs/2002.02058v1
推荐原因
这篇论文考虑的是位置嵌入问题。
以往的研究通过人员流动轨迹来生成位置嵌入，而实际应用需要具有高空间分辨率的位置嵌入。由于数据稀疏性，许多应用不得不降低空间分辨率，从而导致位置嵌入质量的降低。为了解决这个问题，这篇论文提出了一种生成细粒度位置嵌入的方法，根据观察到的数据点的局部密度来利用空间层次信息。基于日本3个城市的真实世界轨迹数据，这篇论文实验了下一个位置的预测任务，验证了所提的位置嵌入方法的有效性。
论文名称：Person Re-identification by Contour Sketch under Moderate Clothing Change
作者：Yang Qize /Wu Ancong /Zheng Wei-Shi
发表时间：2020/2/6
论文链接：https://arxiv.org/abs/2002.02295v1
推荐原因
这篇论文要解决的是行人重识别问题。
与以往只考虑同一个着装的行人重识别问题不同，这篇论文定义了跨服饰行人重识别问题，即在不同着装下的行人重识别任务。这篇论文考虑的是在短时间内，天气没有变化，因此行人穿着的衣服的厚度没有大的变化，从而通过处理行人图像的轮廓草图，而不是通过衣服的颜色信息，来提取特征。这种方式可以对于服饰的变化更加鲁棒。这篇论文还为了这个问题建了一个来自221个行人的包含33698张图像的数据集。通过在新数据集上的实验，这篇论文验证了所提方法的有效性。
论文名称：A Comprehensive Database for Benchmarking Imaging Systems
作者：Karen Panetta /Qianwen Wan /Sos Agaian /Srijith Rajeev /Shreyas Kamath /Rahul Rajendran /Shishir Paramathma Rao /Aleksandra Kaszowska /Holly A. Taylor / Arash Samani /Xin Yuan
发表时间：2018/11/30
论文链接：https://ieeexplore.ieee.org/document/8554155
推荐原因
这篇论文贡献了Tufts大学收集的人脸数据库，包含了来自15个以上国家/地区的113位个人的10,000多张图像，包含了不同的性别身份、年龄和种族背景。这些人脸图像是从Tufts大学的学生、教职员工及其家属那里采集的，能够为人脸识别相关的研究提供更加鲁棒的算法测试。同时这篇论文也回顾了目前已有的其他人脸识别相关的数据集。
论文名称：Semi-supervised sequence tagging with bidirectional language models
作者：Matthew E. Peters /Waleed Ammar /Chandra Bhagavatula /Russell Power
