ICCV 2019大会精华资源最新总结（附2019ICCV1075篇论文全集+部分论文源码集）

ICCV 的全称是 IEEE International Conference on Computer Vision，即国际计算机视觉大会，由 IEEE 主办，与计算机视觉模式识别会议（CVPR）和欧洲计算机视觉会议（ECCV）并称计算机视觉方向的三大顶级会议。在 CCF 版 AI 顶会和期刊列表以及今年 9 月份清华提出的「计算机科学推荐学术会议和期刊列表」中，ICCV 均属于 A 类顶级会议，在业内影响极大。

两年一届的ICCV 2019（International Conference on Computer Vision）于10月27日-11月2日在韩国首尔召开！ ICCV2019全部接收论文共计1075篇全部公布，大家可以在下面链接查看所有的论文PDF。 链接: http://openaccess.thecvf.com/ICCV2019.py

Workshops & Tutorials Pocket Guide ：http://iccv2019.thecvf.com/files/guides/ICCV_2019_Workshops_Tutorials.pdf

At-a-glance summary：http://iccv2019.thecvf.com/files/guides/workshop_timetable.pdf

Main Conference Pocket Guide ：http://iccv2019.thecvf.com/files/guides/ICCV_2019_Main_Conference.pdf

At-a-glance summary ： http://iccv2019.thecvf.com/files/guides/main_timetable.pdf

今年的参会人数高达 7501 人，是上一届的 2.4 倍。其中，来自中国的参会人数高达 1264 人，仅次于举办地韩国（2964）。而在论文方面，今年 ICCV 接收论文中，中国论文量最多，高达 350 多篇，第二名为美国，其次为德国、韩国。 ICCV 2019 共收到 4303 篇论文，是上一届大会 ICCV 2017 论文投稿数量（2143）的 2 倍以上。最终大会接收了 1075 篇论文，接收率为 25.02%，其中 200 篇为 oral 论文（4.6% 接收率）。

今年ICCV总计投稿4303 篇论文，是上一届 ICCV 2017 的两倍。最终共有1075 篇论文被接收，接收率为 25.02%，由此可见，目前计算机视觉领域的竞争实在是很激烈啊！！！为了让大家更方便学习，我将在ICCV大会此期间持续更新汇总ICCV2019的相关资源信息。

马尔奖因计算神经学创始人 David C. Marr 而得名，是计算机视觉研究领域的最高荣誉之一。这一次，获得 ICCV2019 马尔奖的论文为《SinGAN：Learning a Generative Model From a Single Natural Image》，论文作者分别为来自以色列理工学院的 Tamar Rott Shaham 和 Tomer Michaeli，以及谷歌的 Tali Dekei。

论文标题：SinGAN：Learning a Generative Model From a Single Natural Image

在这篇论文中，研究者介绍了一种无监督的生成模型 SinGAN，它以一种无条件约束的方式从单张自然图像中学习知识。经过训练，研究者的模型能捕捉图像块（patch）的内部分布，从而生成高质量、多样化的样本，并承载与训练图像相同的视觉内容。

SinGAN 包含一个全卷积金字塔 GAN，金字塔的每一层负责学习不同比例的图像块分布。这样就能生成具有任意大小和横纵比的新样本，这种生成样本明显具有可变性，但同时又能保持真实图像的全局结构与精细纹理。与之前的单图像 GAN 相比，研究者的方法不仅能生成纹理图像，同时它还以一种无条件约束的方式生成。 研究者在最后还表明，SinGAN 生成的图像经常被人类弄混，它们与真实图像没什么差别。

ICCV 2019 最佳学生论文奖由《PLMP-Point-Line Minimal Problems in Complete Multi-View Visibility》摘得，论文作者分别来自佐治亚理工学院（Georgia Tech）、瑞典皇家理工学院（KTH）以及捷克理工大学（Czech Technical University in Prague）。

论文标题：PLMP-Point-Line Minimal Problems in Complete Multi-View Visibility

在这篇论文中，研究者通过透视相机观察到的点线一般排列，提出了所有极小值问题的完整分类，其中透视相机是经过校准的。研究者证明，对于超过 6 个相机、5 个点和 6 条线的情况，其总共只有 30 个极小值问题，不存在其它情况。

研究者展示了一系列检测极小值的测试，它们从对自由度进行计数开始，并结束于对代表性样本的完全符号化与数值化的验证。对于所发现的所有极小值问题，研究者展示了它们的代数「程度」，即解的数量，这一指标度量了极小值问题的固有难度。此外，这种代数程度还展示了问题的难度如何随视图的增加而增长。

重要的是，一些新的极小值问题有非常小的代数程度，因此它们在图像匹配和三维重建上能得到很好的应用。

最佳论文荣誉提名奖中共有两篇论文获奖，其中一篇的作者是威斯康辛大学-麦迪逊分校的 Anant Gupta、Atul Ingle、Mohit Gupta。而另一篇论文是来自以色列特拉维夫大学的 Oron Ashual 和 Lior Wolf 两位研究者完成的。

论文标题：Asynchronous Single-Photon 3D Image

光电探测雪崩二极管（Single-photon avalanche diode：SPAD）在飞行时间（time-of-flight：ToF）的深度距离相关的研究中变得受欢迎了，因为这种类型的摄像头可以在皮秒内捕捉并处理单个图像。然而，环境光（如阳光）可能使得基于 SPAD 的三维摄像头发生问题，在实测波形上造成严重的非线性扭曲（积压），使得深度信息严重错误。

本文中，研究者提出了一种异步单光子三维成像技术，使用一种数据获取技术减缓积压问题。在获得数据的过程中，异步获取技术暂时偏离 SPAD 评价窗口，并通过预定义的激光周期或随机偏移量进行补偿。

研究者对于积压产生的扭曲问题这样考虑：通过选择一系列补偿信息，可以涵盖整个深度距离。研究者开发了一个泛化的图像构建模型，并进行了理论分析，用于探索异步获取方案的空间，并设计高性能的方案。

研究者称，其模拟和实验中结果显示，他们的方法在一系列成像场景中和 SOTA 相比显著提升了深度的准确性，包括有着高强度环境光的场景下。

论文标题：Specifying Object Attributes and Relations in Interactive Scene Generation

在本文中，研究者提出了一种从输入的场景图中生成图像的方法。这一方法可分为两个方面，分别为布局嵌入和外观嵌入。这种双嵌入的方法使得生成的图像更好地和场景图匹配、有着更好的图像质量、并支持更复杂的场景图。此外，嵌入方法支持从每个场景图中生成多个且不同的图像，也可以进一步由用户控制。研究者在论文中展示了两种针对每个目标进行的控制：（i）从其他图像中引入新的元素；（ii）通过选择典型的外观，然后探索目标空间。研究者的代码目前已开源。

PAMI 是 IEEE 旗下的期刊，是模式识别和机器学习领域最重要的学术性汇刊之一，有着很高的影响因子和排名。今年 ICCV 上的 PAMI 奖包含四大奖项，分别是 Helmholtz 奖、Everingham 奖、Azriel Rosenfeld 终身成就奖和杰出研究者奖。

Helmholtz 奖

Helmholtz 奖旨在奖励对计算机视觉领域做出重要贡献的工作，颁发对象是十年前对计算机视觉领域产生重大影响的论文。奖项名称来自 19 世纪的物理、生理学家 Hermann von Helmholtz。

今年的 Helmholtz 奖颁给了两篇论文——《Building Rome in a Day》和《Attribute and Simile Classifiers for Face Verification》。

《Building Rome in a Day》是华盛顿大学、康奈尔大学和微软的联合研究项目，旨在通过从 Flickr.com 上下载的所有与罗马相关的图像来重建罗马这座城市。他们要设计一个并行分布式系统，匹配这些图像以找到共同点，并使用这些信息来计算城市的三维结构和摄像头的位置。实验结果表明，在一个拥有 500 个计算核心的集群中，他们可以在不到一天的时间内重建包含 15 万张图像的城市。

《Attribute and Simile Classifiers for Face Verification》是哥伦比亚大学的一项研究。在这篇论文中，研究者提出了两种人脸验证的方法——「attribute」分类器和「simile」分类器。二者都不需要昂贵的图像对对齐。与当时的最佳分类器相比，错误率分别降低了 23.92% 和 26.34%，合并后的错误率降低了 31.68%。

Everingham 奖

Everingham 奖的设立初衷是纪念计算机视觉领域专家 Mark Everingham 并激励后来者在计算机视觉领域做出更多贡献。颁奖对象包括为计算机视觉社区其他成员做出巨大贡献的无私研究者或研究团队。

本次获得 Everingham 奖项的分别是亚马逊杰出科学家及研究主管 Gerard Medioni 和「Labeled Faces in the Wild」（LFW）人脸数据集的团队，包括 Erik Learened-Miller、Gary B.Huang、Tamara Berg 等人。

Gerard Medioni 因其几十年来为 CVPR&ICCV 大会所做出的卓越贡献而获此荣誉，他还发起了用于组织大会和研讨会的统一注册系统，此外他也是计算机视觉基金会的联合创始人，其研究范围涵盖了计算机领域的广泛议题，例如边缘检测、立体和运动分析、形状推断和描述以及系统集成等。

LFW 团队因 2007 年以来对 LFW 数据集和基准的生成及维护等贡献而获此荣誉，他们的工作有力地推动了在不受控制的现实世界中进行人脸识别的研究进展。

Azriel Rosenfeld 终身成就奖

该奖项是为了纪念已故的计算机科学家和数学家 Azriel Rosenfeld 教授，奖励在长期职业生涯中为计算机视觉领域作出突出贡献的杰出研究者。

今年的 Azriel Rosenfeld 终身成就奖颁给了视觉领域的专家教授 Shimon Ullman。 Shimon Ullman 现任以色列魏茨曼科学院（The Weizmann Institute of Science）计算机科学与应用数学系主任和计算机科学 Samy 和 Ruth Cohn 教授。他的主要研究领域包括人类视觉系统对视觉信息的处理以及计算机视觉等。这项研究的目的在于了解人类自身视觉系统的运作方式以及如何构建具有视觉功能的人工系统，例如如何为残障人士提供帮助等。2015 年，他荣获了以色列计算机科学奖；2016 年成为美国人文与科学院（American Academy of Arts and Sciences）成员。

杰出研究者奖

基于主要研究贡献及对其他研究的激发影响等考量原则，杰出研究者奖旨在奖励对计算机视觉发展作出重大贡献的研究者。今年的杰出研究者奖由 William T. Freeman 和 Shree Nayar 两位教授摘得。

Freeman 是麻省理工学院电气工程与计算机科学系（EECS）的 Thomas 和 Gerd Perkins 教授，他的研究重点包括运动再现、计算机摄影和视觉学习等方面，并拥有 30 多项专利；他先后在 1997 年、2006 年、2009 年和 2012 年的计算机视觉或机器学习会议上获得优秀论文奖，并于 1990 年、1995 年和 2005 年获得论文的「时间检验奖」（Test-of-time Award）；他还积极参加计算机视觉、图形和机器学习相关会议，曾担任 ICCV 2005 和 CVPR 2013 的程序委员会共同主席。

Shree Nayar 是哥伦比亚大学计算机科学系教授，其研究领域集中在计算成像、计算机视觉、机器人、图像处理和人机交互等。此外，他还是哥伦比亚大学计算机视觉实验室（Columbia Vision Laboratory，CAVE）的负责人，该实验室主要开发先进的计算机视觉系统。他曾获得 ICCV 1990、 ICPR 1994、CVPR 1994、ICCV 1995、CVPR 2000 和 CVPR 2004 的最佳论文奖。2008 年入选美国国家工程院。

ICCV中国论文投稿情况：

ICCV2019论文下载百度云链接

https://pan.baidu.com/s/1yeA8qNkkb92Z0vA-8h2FTg

密码: nynu

ICCV2019全部论文开源源码汇总Excel点这里