几篇论文实现代码：
《Glass Segmentation with RGB-Thermal Image Pairs》(CVPR 2022) GitHub: github.com/dong-huo/rgb-t-glass-segmentation [fig2]
《Learning Multi-View Aggregation In the Wild for Large-Scale 3D Semantic Segmentation》(CVPR 2022) GitHub: github.com/drprojects/DeepViewAgg [fig4]
《Domino: Discovering Systematic Errors with Cross-Modal Embeddings》(ICLR 2022) GitHub: github.com/HazyResearch/domino [fig7]
《Modeling the Second Player in Distributionally Robust Optimization》(ICLR 2021) GitHub: github.com/pmichel31415/P-DRO
《DMCNet: Diversified Model Combination Network for Understanding Engagement from Video Screengrabs》(2022) GitHub: github.com/wanghewei16/video-engagement-analysis
《RecurSeed and CertainMix for Weakly Supervised Semantic Segmentation》(2022) GitHub: github.com/OFRIN/RecurSeed_and_CertainMix [fig5]
《Learning to Detect Every Thing in an Open World》(2021) GitHub: github.com/ksaito-ut/openworld_ldet
《Automated LoD-2 Model Reconstruction from Satellite-derived Digital Surface Model and Orthophoto》(2021) GitHub: github.com/gdaosu/lod2buildingmodel [fig1]
《FlipDA: Effective and Robust Data Augmentation for Few-Shot Learning》(2021) GitHub: github.com/zhouj8553/FlipDA [fig6]
《Sim2Real Docs: Domain Randomization for Documents in Natural Scenes using Ray-traced Rendering》(2021) GitHub: github.com/fidelity/sim2real-docs
《Glass Segmentation with RGB-Thermal Image Pairs》(CVPR 2022) GitHub: github.com/dong-huo/rgb-t-glass-segmentation [fig2]
《Learning Multi-View Aggregation In the Wild for Large-Scale 3D Semantic Segmentation》(CVPR 2022) GitHub: github.com/drprojects/DeepViewAgg [fig4]
《Domino: Discovering Systematic Errors with Cross-Modal Embeddings》(ICLR 2022) GitHub: github.com/HazyResearch/domino [fig7]
《Modeling the Second Player in Distributionally Robust Optimization》(ICLR 2021) GitHub: github.com/pmichel31415/P-DRO
《DMCNet: Diversified Model Combination Network for Understanding Engagement from Video Screengrabs》(2022) GitHub: github.com/wanghewei16/video-engagement-analysis
《RecurSeed and CertainMix for Weakly Supervised Semantic Segmentation》(2022) GitHub: github.com/OFRIN/RecurSeed_and_CertainMix [fig5]
《Learning to Detect Every Thing in an Open World》(2021) GitHub: github.com/ksaito-ut/openworld_ldet
《Automated LoD-2 Model Reconstruction from Satellite-derived Digital Surface Model and Orthophoto》(2021) GitHub: github.com/gdaosu/lod2buildingmodel [fig1]
《FlipDA: Effective and Robust Data Augmentation for Few-Shot Learning》(2021) GitHub: github.com/zhouj8553/FlipDA [fig6]
《Sim2Real Docs: Domain Randomization for Documents in Natural Scenes using Ray-traced Rendering》(2021) GitHub: github.com/fidelity/sim2real-docs
[左哼哼]047Lk#体育# #篮球# 明日上午8点30分，篮网将客场挑战步行者。据多位篮网随队记者报道，欧文已不在明日的伤病名单中，他可以在明日完成首秀。
据此前报道，欧文因未接种疫苗无法出战篮网的主场比赛，在周四对阵步行者前，欧文已缺席篮网本赛季的前35场比赛。
美媒对比了欧文和克莱-汤普森的生涯出战场数。值得一提的是，他们两人都是2011届新秀，但是出勤率方面却有着很大的区别。
据悉，欧文是2011年的状元秀，汤普森是2011年的11号秀。在2019年受伤前，汤普森在8个赛季只缺席了25场比赛。相比之下，欧文没有一个赛季的出战场数超过75场，过去两年效力篮网，他累计只打了74场常规赛。
因此，尽管汤普森因伤缺席了两个赛季，但是他的出勤率仍然非常高。71drO
据此前报道，欧文因未接种疫苗无法出战篮网的主场比赛，在周四对阵步行者前，欧文已缺席篮网本赛季的前35场比赛。
美媒对比了欧文和克莱-汤普森的生涯出战场数。值得一提的是，他们两人都是2011届新秀，但是出勤率方面却有着很大的区别。
据悉，欧文是2011年的状元秀，汤普森是2011年的11号秀。在2019年受伤前，汤普森在8个赛季只缺席了25场比赛。相比之下，欧文没有一个赛季的出战场数超过75场，过去两年效力篮网，他累计只打了74场常规赛。
因此，尽管汤普森因伤缺席了两个赛季，但是他的出勤率仍然非常高。71drO
接前面武康大楼的微博。https://t.cn/A66Qlnxk
我2005年使用的索尼R1其实是昨天我提到的如奥林巴斯C-8080wz之流“消费旗舰数码相机”面对DSLR大潮袭来的“最后挣扎”——将一块APS-C画幅的CMOS塞入到一台不可换镜头但专业功能齐备的大变焦比镜头机身内（我们称这类相机为‘桥式相机’），试图以这种方式解决功能、画质、体积等各种矛盾。[思考]
我这里放了一些我在2005年拍摄的索尼R1样张原图上来。可以看到，得益于更大的底（APS-C画幅比昨天奥巴C-8080wz的2/3寸底简直是降维打击）本机无论在曝光宽容度、焦外虚化上都比上一年的消费旗舰优秀许多。同时，尽管用今天的眼光来看索尼R1在ISO400下的夜景画面依旧有明显的伪色/颗粒问题，但相较于2/3底的产品还是有极大进步——至少是真的能用了。
我在2012年就曾以“回眸”的姿态评价过索尼R1这款产品，我节选了部分文字放在文后供大家参考。当时我之所以会写这篇文字，其实是有感于索尼发布了“长焦黑卡”（RX10）系列。从某种意义上来说，采用1英寸CMOS的长焦黑卡就是索尼R1这类桥式相机的正统后续。但令人遗憾的是，历史最终证明这种在扩展性上有很大局限，同时也未必能在体积/价格上取得多少便宜的设计终究是无法抵挡“可换镜头微单”与“手机拍照”的双重攻击的。
_____________________________
附录：《回眸 从索尼R1浅谈数码影像的发展》(节选，原文发表于2012-09-23)
“...即使以6-7年后的今天来重看，依然觉得索尼R1相机是一款充满魅力的产品。
事实上，之所以我会对R1旧事重提，就是因为它实际是索尼Cyber-shot系列中第一款采用大型影像传感器（APS-C CMOS）的产品（正式发布于2005年9月的Photokina期间，距离今天已经有7年时间了），今天正被大家热议的索尼RX100和RX1和它多少也有那么一点渊源关系——字母R似乎就是使用大型影像传感器的统一标识。
现在来看索尼R1这款产品的规格，似乎也并不落后：1030w有效像素的APS-C CMOS、卡尔蔡司Vario-Sonnar T* 10组12片(4片非球面)的24-120mm F2.8-4.8镜头，可翻转的LCD屏幕+EVF取景，全屏自由对焦点选择，全手动控制类单反机身等等。值得注意的是，当时为了提升影像边缘画质，因此R1镜头后组镜片与CMOS之间的距离仅有2.1mm，几乎是紧贴着CMOS。另外，尽管当时还没有现在这样丰富的机身内影像处理，但索尼R1已经加入了一种名为A.G.C.S（Advanced Gradation Control System 高级阶段控制系统）的影像处理程序，会自动抑制画面高光和提亮暗部，让画面能够获得更高的曝光宽容度。这个功能实际就是以后索尼相机的DRO功能的雏形，而它的背后则是一款叫做Real Imaging Processor的影像处理器。
我们认为它宣告了消费级别DC因为影像传感器尺寸而无法与DSLR画质抗衡时代的结束。但现在看来，这个结论放到索尼R1单一机身上固然不错，但对于整个数码影像行业而言，而为时尚早。索尼R1固然是当时索尼不可换镜头Cyber-shot系列发展到巅峰的一个里程碑式产品，但它的出现有其特有的时代背景而非行业的普遍现象。
当时，索尼尚无DSLR产品与各大单反相机厂商在DSLR高端领域进行竞争，因此狠心推出这样集当时索尼数码影像技术大成的不可换镜头产品参与市场竞争。不过受到当时的技术限制，R1本身也存在体积过大过重，镜头不可换且焦段/光圈仍有限制等问题。而当时尚处于起步阶段的23.5w像素EVF取景器效果依然无法与DLSR的光学取景器相提并论，加上机身制造成本导致售价很高（与C/N的入门DSLR机身相比无优势）等原因，索尼R1的销售并不太理想。
对于索尼R1的更直接打击来自于索尼自身，短短半年多后也就是2006年的6月，部分融合被收购的柯尼卡美能达公司技术而成的索尼首款α系列DSLR：α-100（A100）正式发布，机身内采用的影像处理器部分技术源自R1所使用的，但名字则改为今后将为人们熟知的BIONZ。紧接着，在之后半年多时间内索尼又接连推出A200、A300等多款新DSLR，宣告索尼正式全面加入DSLR市场争夺。既然自家已经有了可换镜头的DSLR产品线，那么索尼自然无需再开发R1这样的不可换镜头产品（毕竟无法通过镜头赢取更多利润）。索尼R1开始逐渐退出人们的视线，而在此后多年时间里，各家大厂也无心开发此类产品，至多也只是一些探索性质的擦边球。
...”
我2005年使用的索尼R1其实是昨天我提到的如奥林巴斯C-8080wz之流“消费旗舰数码相机”面对DSLR大潮袭来的“最后挣扎”——将一块APS-C画幅的CMOS塞入到一台不可换镜头但专业功能齐备的大变焦比镜头机身内（我们称这类相机为‘桥式相机’），试图以这种方式解决功能、画质、体积等各种矛盾。[思考]
我这里放了一些我在2005年拍摄的索尼R1样张原图上来。可以看到，得益于更大的底（APS-C画幅比昨天奥巴C-8080wz的2/3寸底简直是降维打击）本机无论在曝光宽容度、焦外虚化上都比上一年的消费旗舰优秀许多。同时，尽管用今天的眼光来看索尼R1在ISO400下的夜景画面依旧有明显的伪色/颗粒问题，但相较于2/3底的产品还是有极大进步——至少是真的能用了。
我在2012年就曾以“回眸”的姿态评价过索尼R1这款产品，我节选了部分文字放在文后供大家参考。当时我之所以会写这篇文字，其实是有感于索尼发布了“长焦黑卡”（RX10）系列。从某种意义上来说，采用1英寸CMOS的长焦黑卡就是索尼R1这类桥式相机的正统后续。但令人遗憾的是，历史最终证明这种在扩展性上有很大局限，同时也未必能在体积/价格上取得多少便宜的设计终究是无法抵挡“可换镜头微单”与“手机拍照”的双重攻击的。
_____________________________
附录：《回眸 从索尼R1浅谈数码影像的发展》(节选，原文发表于2012-09-23)
“...即使以6-7年后的今天来重看，依然觉得索尼R1相机是一款充满魅力的产品。
事实上，之所以我会对R1旧事重提，就是因为它实际是索尼Cyber-shot系列中第一款采用大型影像传感器（APS-C CMOS）的产品（正式发布于2005年9月的Photokina期间，距离今天已经有7年时间了），今天正被大家热议的索尼RX100和RX1和它多少也有那么一点渊源关系——字母R似乎就是使用大型影像传感器的统一标识。
现在来看索尼R1这款产品的规格，似乎也并不落后：1030w有效像素的APS-C CMOS、卡尔蔡司Vario-Sonnar T* 10组12片(4片非球面)的24-120mm F2.8-4.8镜头，可翻转的LCD屏幕+EVF取景，全屏自由对焦点选择，全手动控制类单反机身等等。值得注意的是，当时为了提升影像边缘画质，因此R1镜头后组镜片与CMOS之间的距离仅有2.1mm，几乎是紧贴着CMOS。另外，尽管当时还没有现在这样丰富的机身内影像处理，但索尼R1已经加入了一种名为A.G.C.S（Advanced Gradation Control System 高级阶段控制系统）的影像处理程序，会自动抑制画面高光和提亮暗部，让画面能够获得更高的曝光宽容度。这个功能实际就是以后索尼相机的DRO功能的雏形，而它的背后则是一款叫做Real Imaging Processor的影像处理器。
我们认为它宣告了消费级别DC因为影像传感器尺寸而无法与DSLR画质抗衡时代的结束。但现在看来，这个结论放到索尼R1单一机身上固然不错，但对于整个数码影像行业而言，而为时尚早。索尼R1固然是当时索尼不可换镜头Cyber-shot系列发展到巅峰的一个里程碑式产品，但它的出现有其特有的时代背景而非行业的普遍现象。
当时，索尼尚无DSLR产品与各大单反相机厂商在DSLR高端领域进行竞争，因此狠心推出这样集当时索尼数码影像技术大成的不可换镜头产品参与市场竞争。不过受到当时的技术限制，R1本身也存在体积过大过重，镜头不可换且焦段/光圈仍有限制等问题。而当时尚处于起步阶段的23.5w像素EVF取景器效果依然无法与DLSR的光学取景器相提并论，加上机身制造成本导致售价很高（与C/N的入门DSLR机身相比无优势）等原因，索尼R1的销售并不太理想。
对于索尼R1的更直接打击来自于索尼自身，短短半年多后也就是2006年的6月，部分融合被收购的柯尼卡美能达公司技术而成的索尼首款α系列DSLR：α-100（A100）正式发布，机身内采用的影像处理器部分技术源自R1所使用的，但名字则改为今后将为人们熟知的BIONZ。紧接着，在之后半年多时间内索尼又接连推出A200、A300等多款新DSLR，宣告索尼正式全面加入DSLR市场争夺。既然自家已经有了可换镜头的DSLR产品线，那么索尼自然无需再开发R1这样的不可换镜头产品（毕竟无法通过镜头赢取更多利润）。索尼R1开始逐渐退出人们的视线，而在此后多年时间里，各家大厂也无心开发此类产品，至多也只是一些探索性质的擦边球。
...”
✋热门推荐