ywh2000

摘要： 一、单手 二、双手 1. InterHand 2.6M 三、手物 四、其他 setting 阅读全文

摘要： CVPR 2023 读论文思考的问题 论文试图解决什么问题？写作背景是什么？ 问题： 如何更好地在任意场景下实现双手的姿态估计和重构？ 背景： 现有的方法将两只手当做一个整体去提取特征，同时回归出两只手的信息，这种特征对于双手识别来说并不是最优的，同时也带来了限制：输入必须是2只手；当遇到复杂情景（ 阅读全文

摘要： CVPR 2023 读论文思考的问题 论文试图解决什么问题？写作背景是什么？ 问题： 如何在双手识别中集成 paramatic (MANO) 和 non-paramatic hand (GCN) representation 方法的优点？ 背景： 基于手部模型 MANO 的方法能够产生合理且稳定的手 阅读全文

摘要： CVPR 2022 (Oral) 读论文思考的问题 论文试图解决什么问题？写作背景是什么？ 问题： 如何将图卷积神经网络（GCN）结构应用到双手交互识别上，且能很好地解决双手的遮挡、相似和交互的问题？ 背景： 双手识别的挑战：1. 严重的相互遮挡，双手形状类似。2. 难以有效地建模交互的上下文信息 阅读全文

摘要： ICCV 2021 读论文思考的问题 论文试图解决什么问题？写作背景是什么？ 问题： 如何针对性解决双手手势识别里出现的重度遮挡以及深度交互的问题？ 背景： 由于严重的遮挡和交互特点，先前针对单手手势识别设计的模型不能很好地应用到双手的情景中 文章提出了什么样的解决方法？ 提出了一个深度学习模型，通 阅读全文

摘要： Bridge Text Spotting CVPR 2024 读论文思考的问题 论文试图解决什么问题？ 问题： 如何在保证模块化的前提下，更好地解决两阶段场景文本检测方法中的误差累积问题？ 背景： 端到端的场景文本检测识别模型在新场景应用、更换检测器等情况下需要花费大量的时间训练 两阶段模型虽然有误 阅读全文

摘要： 问题缘起 在 ICDAR-2015 的场景文本端到端检测与识别任务中，总会出现 2 个不同的检测指标：End-to-End 和 Word Spotting，计算出来的数值一般有一点区别。一直搞不懂这两个指标的区别在哪，最近看到了一篇论文[1]，里面给出了这两个指标的解释。 解答 直接贴图： 可以看到 阅读全文

摘要： TextFormer arXiv:2306.03377 读论文思考的问题 论文试图解决什么问题？写作背景是什么？ 问题： 如何设计一种更好的 query-based 的方法来同时实现端到端的场景文本检测 能否利用弱监督数据（只有文本）进一步增强端到端模型的文本识别能力？ 背景： 目前的端到端场景文本 阅读全文

摘要： BLIP ICML 2022 (Spotlight) 读论文思考的问题 论文试图解决什么问题？写作背景是什么？ 问题： 在视觉-语言预训练（VLP）中，如何提高充斥着噪声的海量图文对数据的质量，提升预训练效果？ 如何设计模型，使得预训练后的模型在理解（understanding-based）任务和生 阅读全文

摘要： SEED CVPR 2020 读论文思考的问题 论文试图解决什么问题？写作背景是什么？ 问题： 如何利用全局的语义信息提高文本识别模型对低质量文本的鲁棒性和识别效果？ 背景： 以往的基于 encoder-decoder 的文本识别方法通常基于局部的视觉特征解码出文本，忽略了对单词显式的全局语义信息的 阅读全文