CSIG-
广东省
ECCV 2020
论文预交流在线学术报告会
2020
年
8
月
15
日
主办：
中国图象图形学学会（
CSIG
）
协办
：广东省图象图形学会（
GDSIG
）
承办：
深圳大学
华南理工大学
CSIG-
文档图像分析与识别专委会
GDSIG-
计算机视觉专委会
在线会议系统：
腾讯会议系统
直播平台：
极市平台
欧洲计算机视觉国际会议（European Conference on Computer Vision,
ECCV
）是两年一度的计算机视觉领域国际顶尖学术会议，会议的主要内容涵盖计算机视觉、模式识别、图像处理、人工智能等前沿理论与技术。ECCV是计算机视觉领域三大顶会之一，在各种学术统计中，ECCV被认为有着很强的影响力和很高的排名。
为了给本领域研究者、技术开发人员和研究生介绍计算机视觉前沿问题、理论、方法及技术的一些最新进展，我们组织此次“CSIG-广东省ECCV 2020论文预交流学术报告会(ECCV2020-Guangdong)”，邀请此领域部分优秀团队的13位青年学子，介绍他们今年ECCV2020录用论文的最新研究成果。
CSIG-广东省ECCV 2020论文预交流学术报告会定于2020年8月15日(星期六)在线举办。相关信息如下:
时间：
2020年8月15日 星期六
会议直播网址
：https://live.bilibili.com/3344545
会议日程一览表
|
2020年8月
15
日上午 （会议主持人：沈琳琳教授、郑伟诗教授）
|
|
08:30 – 08:50
|
腾讯会议系统登录开放（会议ID另行通知）
|
|
08:50 – 09:00
|
会议开幕致辞 （赖剑煌 教授）
|
|
09:00 – 09:25
|
TENet: Triple Excitation Network for Video Salient Object Detection
|
报告人
*
：任苏成、何盛烽
|
|
09:25 – 09:50
|
Geometry Constrained Weakly Supervised Object Localization
|
报告人：卢伟增、沈琳琳
|
|
09:50 – 10:15
|
Label Propagation with Augmented Anchors: A Simple Semi-Supervised Learning baseline for Unsupervised Domain Adaptation
|
报告人：张亚斌、贾奎
|
|
10:15 – 10:40
|
Suppressing Mislabeled Data via Grouping and Self-Attention
|
报告人：王锴、乔宇、彭小江
|
|
10:40 – 11:05
|
An Asymmetric Modeling for Action Assessment
|
报告人：高基彬、郑伟诗
|
|
11:05 – 11:30
|
RD-GAN: Few/Zero-Shot Chinese Character Style Transfer via Radical Decomposition and Rendering
|
报告人：黄耀雄、金连文、王永攀
|
|
11:30 – 11:55
|
Collaborative Training between Region Proposal Localization and Classification for Domain Adaptive Object Detection
|
报告人：赵赣龙、李冠彬、林倞
|
|
2020年8月15日下午（会议主持人：贾奎 教授）
|
|
14:30 – 14:55
|
Interactive Multi-Dimension Modulation with Dynamic Controllable Residual Learning for Image Restoration
|
报告人：何静雯、乔宇、董超
|
|
14:55 – 15:20
|
Self-Supervised CycleGAN for Object-Preserving Image-to-Image Domain Adaptation
|
报告人：谢鑫鹏、沈琳琳
|
|
15:20 – 15:45
|
Human Interaction Learning on 3D Skeleton Point Clouds for Video Violence Recognition
|
报告人：苏宇堃、吴庆耀
|
|
15:45 – 16:10
|
XingGAN for Person Image Generation
|
报告人：唐浩、Philip H.S. Torr、Nicu Sebe
|
|
16:10 – 16:35
|
Generative Low-bitwidth Data Free Quantization
|
报告人：许守恺、谭明奎
|
|
16:35 – 17:00
|
Unselfie: Translating Selfies to Neutral-pose Portraits in the Wild
|
报告人：马里千、吕婧琬、Alexei A. Efros
|
|
17:00 – 17:10
|
闭幕式致辞 （金连文 教授）
|
*
备注：每篇论文由排序第一的报告人进行演讲报告，其余报告人协助回答问题及参与讨论。
报告题目及中文摘要：
报告1.
TENet: Triple Excitation Network for Video Salient Object Detection (基于三重激励网络的视频显著性检测)
摘要：
本文提出一种简单有效三重激励网络，从空间、时间和在线激励三个方面加强视频显著目标检测(VSOD)。这些激励机制是根据课程学习的精神而设计的，旨在通过使用标签有选择地激发特征激活来减少训练开始时的学习模糊性。然后通过课程率的改变，逐步减少标签激励的权重，并用课程互补图代替标签，以更好更快地收敛。特别是，空间激励加强了对清晰物体边界的特征激活，而时间激励通过运动来强调时空显著区域。空间和时间激励可以解决视频显著性检测的显著性转移问题和时空特征之间的冲突。此外，我们的半课程学习设计实现了视频显著性检测的第一个在线优化策略，允许在测试过程中激励和提高显著性响应，而无需重新训练。所提出的三重激励可以很容易地嵌入不同的视频显著性检测方法。大量的实验表明，这三种激励方法都是有效的，而且该方法的性能优于现有的图像和视频显著目标检测方法。
