公众号内容拓展学习笔记（2022.3.1）

📎 今日要点

TTFNet：改进CenterNet，使得训练时间缩短7倍 ⭐️⭐️
- Abstract: TTFNet：改进CenterNet，使得训练时间缩短7倍
- Paper: Training-Time-Friendly Network for Real-Time Object Detection
- Code: https://github.com/ZJULearning/ttfnet
- Tips: 本文是对CenterNet的一种改进，主要是增加了训练时参与回归的样本，提升了收敛速度，加快了训练时间，同时使用了椭圆高斯核来代替CenterNet中的圆形高斯核，感觉更加合理。
SWideRNet：全景分割新标杆！ ⭐️⭐️
- Abstract: SWideRNet：全景分割新标杆！
- Paper: [Scaling Wide Residual Networks for Panoptic Segmentation](paper: https://arxiv.org/abs/2011.11675)
- Tips: 本文是DeepLab系列作者“Liang-Chieh Chen”大神在全景分割领域的又一力作。它在Wide-ResNet的基础上引入SE与"Switchable Atrous Convolution,SAC"两种改进，嵌入到Panoptic-DeepLab框架中并在全景分割领域取得了SOTA性能(在更快、更大模型配置方面均取得了SOTA指标)。
谷歌Quoc V. Le团队新作FLASH：高效Transformer新设计！训练成本暴减！ ⭐️⭐️
- Abstract: 谷歌Quoc V. Le团队新作FLASH，高效Transformer新设计
- Paper: Transformer Quality in Linear Time
- Code: https://github.com/DerrickXuNu/OpenCOOD
- Tips: : 谷歌的新研究FLASH，让 transformer 模型的效率有了巨大提升，该方法的核心在于减少注意力机制。
R-C3D 视频活动检测 ⭐️⭐️
- Abstract: 视频活动检测经典模型 R-C3D
- Paper: R-C3D: Region Convolutional 3D Network for Temporal Activity Detect
- Code: http://ai.bu.edu/r-c3d/
- Tips: 论文提出了活动检测模型，即R-C3D,这是一种端到端活动检测模型，结合活动建议和分类阶段，可以检测任意长度的活动。
AAAI 2022 | RTPB: 针对无偏场景图生成的抵抗训练方法 ⭐️⭐️
- Abstract: RTPB: 针对无偏场景图生成的抵抗训练方法
- Paper: Resistance Training using Prior Bias: toward Unbiased Scene Graph Generation
- Tips: 为抑制数据集长尾分布问题对场景图生成任务的影响，我们提出了一种基于数据集先验偏差的抵抗训练方法，基于训练集的统计信息，调整训练进程，抑制数据长尾分布对模型的影响，实现更加平衡的场景图生成。
谷歌和伯克利分校的新工作：规模化大场景的神经绘制方法Block-NeRF ⭐️⭐️
- Abstract: 谷歌和伯克利分校的新工作：规模化大场景的神经绘制方法Block-NeRF
- Paper: Block-NeRF: Scalable Large Scene Neural View Synthesis
- Tips: Block-NeRF，一种可以代表大规模环境的Neural Radiance Fields（NeRF）变型。具体来说，规模化的NeRF渲染跨越多个块（blocks）的城市规模场景时，将场景分解为单独训练的NeRF。这种分解将渲染时间与场景大小分解，使渲染能够扩展到任意大的环境，并允许对环境进行逐块更新。