CVPR 2020接收1470篇论文，华为诺亚连中7篇，微软力作让伪造人脸无所遁形

作为计算机视觉领域三大顶会之一，每年一届的CVPR（IEEE Conference on Computer Vision and Pattern Recognition）备受关注，论文投稿也连年持续大涨，从CVPR2018有 3300 篇有效投稿到CVPR 2020有效投稿达6656。 而本次接收论文有
1470篇论文，接收率22%左右。

接收论文ID List：http://cvpr2020.thecvf.com/sites/default/files/2020-02/accepted_list.txt

华为诺亚方舟中7篇

而据最新的消息，知乎用户王云鹤透漏华为诺亚方舟投了11篇中了7篇（这个中奖率，不愧是诺亚方舟呀）

其中已经放出来的论文如下（转自知乎用户王云鹤的回答）：

1.GhostNet: More Features from Cheap Operations （文末可下载）
利用了一个很巧妙的结构，搭建了超越了MobileNet v3的轻量级神经网络，这个模型已经开源，大家可以跑跑看，在ARM CPU上的表现是很惊人的：https://github.com/iamhankai/ghostnet​github.com

We beat other SOTA lightweight CNNs such as MobileNetV3 and FBNet.

2.AdderNet: Do We Really Need Multiplications in Deep Learning? （文末可下载）

这个工作之前引起了大家的关注，这个确实挺好玩的，是我几年前的一个idea，几经辗转找到了靠谱的实现方式和训练手段，在大规模神经网络和数据集上取得了非常好的表现。

关于本篇论文Reddit热议的帖子

3.CARS: Contunuous Evolution for Efficient Neural Architecture Search（文末可下载）
代码：https://github.com/huawei-noah/CARS​github.com

微软 CVPR 2020|Face X-Ray for More General Face Forgery Detection，换脸识别机让伪造人脸无处遁形

来源：雷锋网
此项技术发表在论文《Face X-Ray for More General Face Forgery Detection》（文末可下载）中，据研究人员在相应的论文中指出，此类工具有助于防止换脸图像被滥用。这项技术与现有方法不同，它能够准确检测“未知”图像，即不论什么算法合成的，在不进行针对性的训练的情况下也可以进行检测。

生成训练样本概述

参考链接

• https://baijiahao.baidu.com/s?id=1659417456362836265
• https://www.zhihu.com/question/372070853
  
  

推荐阅读

• 南大周志华教授：AI领域如何做优秀研究并写高水平论文？（含PPT）
• 详解深度学习中的Normalization，BN/LN/WN

欢迎关注我的极术专栏：AI搬运小能手，给您分享最前沿靠谱的高质量AI技术干货。