风格化

Stereoscopic Neural Style Transfer

当前的图片风格迁移，应用在立体图像对上，局部纹理会产生不一致，在AR/VR场景使用时，会让使用者产生眩晕。通过引入双目视察一致性和遮挡两种损失函数，可以实现双目的图像风格迁移。

GAN

Eye In-Painting with Exemplar Generative Adversarial Networks

处理眨眼的图片，自动填充睁眼状态。

SeGAN: Segmenting and Generating the Invisible

场景可见部分推测不可见部分分割，最终生成被分割物体完整的轮廓。

StarGAN: Unified Generative Adversarial Networks for Multi-Domain Image-to-Image Translation

在不同领域进行图像变换

卫星图片数据集 Functional Map of the World

包含时序序列图片，可进行异常检测、目标检测。

3D 信息处理

SurfConv: Bridging 3D and 2D Convolution for RGBD Images

空间深度离散化，可分层进行卷积。

分割

视频动作分割

Weakly-Supervised Action Segmentation with Iterative Soft Boundary Assignment

最后

以上就是精明睫毛为你收集整理的CVPR2018 论文笔记风格化GAN3D 信息处理分割的全部内容，希望文章能够帮你解决CVPR2018 论文笔记风格化GAN3D 信息处理分割所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。