CVPR 2023 接收结果出炉！再创汗青新高！任命2360篇！（附10篇最新论文）

  

点击下方卡片，关注“CVer”公众号

  

AI/CV重磅干货，第一时间送达

  点击进入—>【盘算机视觉】微信技能交流群
  2023 年 2 月 28 日凌晨，CVPR 2023 顶会论文接收结果出炉！这次没有先放出论文 ID List，而是直接 email 关照作者（朋侪圈挚友纷纷晒截图，报喜讯~你被刷屏了没？！）。

  CVPR 2023 主委会官方发布这次论文接收数据：有效投稿 9155 篇（比 CVPR 2022 增长12%），收录 2360 篇（CVPR 2016 投稿才 2145 篇），接收率为 25.78 %。
  

  CVPR 2023 集会会议将于 2023 年 6 月 18 日至 22 日在加拿大温哥华（Vancouver）举行。这次线下到场人数一定会比客岁多许多，因为将会有一大波国内的学者线下到场学术交流（公费旅游bushi）。

  

  

Amusi 简朴推测一下，CVPR 2023 收录的工作中 " 扩散模子、多模态、预练习、MAE " 相干工作的数量会明显增长。

  本文快速整理了10篇 CVPR 2023 最新工作，内容如下所示。如果你想持续相识更多更新的CVPR 2023 论文和代码，各人可以关注CVPR2023-Papers-with-Code，在CVer公众号背景复兴：CVPR2023，即可下载，链接如下：
  https://github.com/amusi/CVPR2023-Papers-with-Code
  这个项目是从2020年开始，累计提交了600+次！Star数已经破万+！覆盖CVPR 2020-2023的论文工作，很开心能帮助到一些同砚。
  

  如果你的 CVPR 2023 论文接收了，接待提交issues~
  Backbone

  1. Integrally Pre-Trained Transformer Pyramid Networks
  

• 单位：国科大, 华为, 鹏城实行室
  
  
• Paper: https://arxiv.org/abs/2211.12735
  
• Code: https://github.com/sunsmarterjie/iTPN
  

  

本文提出团体预练习的ViT金字塔网络(iTPN)：通过团体预练习主干和金字塔网络缩小上游预练习和微调的gap，体现SOTA！性能优于CAE、ConvMAE等网络，代码已开源！

  

  2. Stitchable Neural Networks
  

• 单位：蒙纳士大学ZIP Lab
  
  
• Homepage: https://snnet.github.io/
  
• Paper: https://arxiv.org/abs/2302.06586
  
• Code: https://github.com/ziplab/SN-Net
  

  

Stitchable 神经网络（SN-Net）：一种用于模子摆设的新的可扩展和高效的框架，它可以快速地天生具有差别复杂性和性能权衡的大量网络，促进了现实天下应用的深度模子的大规模摆设，代码即将开源！

  

  MAE

  3. Learning 3D Representations from 2D Pre-trained Models via Image-to-Point Masked Autoencoders
  

• 单位：上海AI Lab, 港中大MMLab, 北大
  
  
• Paper: https://arxiv.org/abs/2212.06785
  
• Code: https://github.com/ZrrSkywalker/I2P-MAE
  

  

I2P-MAE：Image-to-Point掩码自编码器，一种从2D预练习模子中获得良好的3D表现方法，在3D点云分类上体现SOTA（革新ModelNet40和ScanObjectNN新记载）！性能优于P2P、PointNeXt等网络，代码即将开源！

  

  NeRF

  4. NoPe-NeRF: Optimising Neural Radiance Field with No Pose Prior
  

• 单位：牛津大学
  
  
• Home: https://nope-nerf.active.vision/
  
• Paper: https://arxiv.org/abs/2212.07388
  
• Code: None
  

  

NoPe-NeRF：一个端到端可微模子，用于团结相机姿势估计和从图像序列中进行新奇的视图合成，在真实室内和室外场景上实行表明：此方法在新奇的视图渲染质量和姿态估计精度方面优于现有方法。

  

  Diffusion Models(扩散模子)

  5. Video Probabilistic Diffusion Models in Projected Latent Space
  

• 单位：KAIST, 谷歌
  
  
• Homepage: https://sihyun.me/PVDM/
  
• Paper: https://arxiv.org/abs/2302.07685
  
• Code: https://github.com/sihyun-yu/PVDM
  

  

据称PVDM：是第一个用于视频合成的latent扩散模子，它学习低维隐空间中的视频分布，可以在有限资源下使用高分辨率视频进行有效练习，以使用单个模子合成恣意长度的视频，代码刚刚开源！单位：KAIST, 谷歌

  

  6. Solving 3D Inverse Problems using Pre-trained 2D Diffusion Models
  

• 单位：KAIST, 洛斯阿拉莫斯国家实行室
  
• Paper: https://arxiv.org/abs/2211.10655
  
• Code: None
  

  本文提出DiffusionMBIR：一种用于3D医学图像重修的扩散模子重修计谋，实行证明：其可以或许实现希罕视图CT、有限角度CT和压缩感知MRI的开始进重修。

  

  视觉和语言(Vision-Language)

  7. GIVL: Improving Geographical Inclusivity of Vision-Language Models with Pre-Training Methods
  

• 单位：UCLA, 亚马逊Alexa AI
  
  
• Paper: https://arxiv.org/abs/2301.01893
  
• Code: None
  

  本文提出GIVL：一种地理包容性视觉和语言预练习模子，在地理多样化的V&L使命上实现了开始进的和更平衡的性能。
  

  目的检测(Object Detection)

  8. YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors
  

• 单位：YOLOv4 原班人马
  
  
• Paper: https://arxiv.org/abs/2207.02696
  
• Code: https://github.com/WongKinYiu/yolov7
  

  逾越YOLOv5、YOLOX、PPYOLOE、YOLOR等目的检测网络！
  

  9. DETRs with Hybrid Matching
  

• 单位：北大, 中科大, 浙大, MSRA
  
  
• Paper: https://arxiv.org/abs/2207.13080
  
• Code: https://github.com/HDETR
  

  本文提出一种非常简朴且有效的肴杂匹配方案，以办理基于 DETR 的方法在多种视觉使命(2D/3D目的检测、姿态估计等)上的低练习服从，并进步正确性，如助力PETRv2、TransTrack和可变形DETR等网络性能提拔，代码已开源！
  

  10. Enhanced Training of Query-Based Object Detection via Selective Query Recollection
  

• 单位：CMU, Meta AI
  
  
• Paper: https://arxiv.org/abs/2212.07593
  
• Code: https://github.com/Fangyi-Chen/SQR
  

  即插即用！本文提出选择性查询回忆(SQR)：一种基于查询的目的检测器练习新计谋，可以很容易地插入到各种DETR变体中，明显进步它们的性能，代码已开源！

  

  

点击进入—>【盘算机视觉】微信技能交流群

  

最新CVPP 2023论文和代码下载

1. [/code]  [align=left]背景复兴：[b]CVPR2023，[/b]即可下载CVPR 2023论文和代码开源的论文合集[/align]
2.   [align=left]背景复兴：[b]Transformer综述，[/b]即可下载最新的3篇Transformer综述PDF[/align]
3.   [code]目标检测和Transformer交流群成立
4. 扫描下方二维码，或者添加微信：CVer333，即可添加CVer小助手微信，便可申请加入CVer-目标检测或者Transformer 微信交流群。另外其他垂直方向已涵盖：目标检测、图像分割、目标跟踪、人脸检测&识别、OCR、姿态估计、超分辨率、SLAM、医疗影像、Re-ID、GAN、NAS、深度估计、自动驾驶、强化学习、车道线检测、模型剪枝&压缩、去噪、去雾、去雨、风格迁移、遥感图像、行为识别、视频理解、图像融合、图像检索、论文投稿&交流、PyTorch、TensorFlow和Transformer等。
5. 一定要备注：研究方向+地点+学校/公司+昵称（如目标检测或者Transformer+上海+上交+卡卡），根据格式备注，可更快被通过且邀请进群
7. ▲扫码或加微信号: CVer333，进交流群
8. CVer学术交流群（知识星球）来了！想要了解最新最快最好的CV/DL/ML论文速递、优质开源项目、学习教程和实战训练等资料，欢迎扫描下方二维码，加入CVer学术交流群，已汇集数千人！
10. ▲扫码进群
11. ▲点击上方卡片，关注CVer公众号

复制代码

1. 整理不易，请点赞和在看

复制代码

来源：https://blog.csdn.net/amusi1994/article/details/129273152
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！