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...
旷视研究院基础模型（Model）组提出了一种新的带有不确定性的边界框回归损失，可用于学习更准确的目标定位。该文已被CVPR2019接收。
在Long Beach开CVRP中途抽空写了一下我们这次被接收的工作：Self-Supervised Learning via Conditional Motion Propagation [1] 的一些...
在本文中，旷视（南京）研究院对基于深度学习的细粒度图像分析进行了综述，从细粒度图像识别、检索和生成三个方向展开论述。此外，旷视...
DCNN在图像去噪领域取得了极大的关注，然而仍存在两个缺陷：（1）训练困难；（2）性能饱和。为解决上述问题，作者设计了一种称之为BRDNe...
