一文看尽 CVPR2022 最新 22 篇论文（附打包下载）

CVPR 2022 已经放榜，本次一共有2067篇论文被接收，接收论文数量相比去年增长了24%。由于每年的 CVPR 全部论文以及相关细节都需要等到六月会议召开才会正式公布，在这之前，为了让大家更快地获取和学习到计算机视觉前沿技术，极市对CVPR022 最新论文进行追踪，包括分研究方向的论文、代码汇总以及论文技术直播分享。

CVPR 2022 论文分方向整理会在极市社区进行更新，项目地址：https://bbs.cvmart.net/articles/6124

以下是最新更新的 CVPR 2022 论文一览，包括的研究方向有：神经网络架构设计、异常检测、三维视觉、姿态估计、图像修复、模型训练、视觉语言表征学习、对比学习、深度估计、语义分割、动作检测、人脸防伪、长尾识别。

打包下载地址：

CVPR 2022 今日论文速递（22 篇打包下载）涵盖网络架构设计、姿态估计、三维视觉、动作检测、语义分割等方向

神经网络架构设计

[1] An Image Patch is a Wave: Quantum Inspired Vision MLP(量子启发的视觉 MLP)

paper：https://arxiv.org/abs/2111.12294

code1：https://github.com/huawei-noah/CV-Backbones/tree/master/wavemlp_pytorch

code2：https://gitee.com/mindspore/models/tree/master/research/cv/wave_mlp

在CV领域的最近工作表明，主要由全连接层堆叠的纯 MLP 架构可以实现与 CNN 和 Transformer 竞争的性能。视觉 MLP 的输入图像通常被拆分为多个tokens，而现有的 MLP 模型直接将它们以固定的权重聚合，忽略了来自不同图像的tokens的变化语义信息。为了动态聚合tokens，本文建议将每个token表示为具有振幅和相位两部分的波函数。基于类波token表示，本文为视觉任务建立了一种新颖的 Wave-MLP 架构。大量实验表明，在图像分类、对象检测和语义分割等各种视觉任务上，所提出的 Wave-MLP 优于最先进的 MLP 架构。

【2】 A ConvNet for the 2020s

paper：https://arxiv.org/abs/2201.03545

code：https://github.com/facebookresearch/ConvNeXt

详细解读：“文艺复兴” ConvNet卷土重来，压过Transformer！FAIR重新设计纯卷积新架构

这项工作重新检查了设计空间并测试了纯 ConvNet 所能达到的极限。本文逐渐将标准 ResNet “现代化”为视觉 Transformer 的设计，并在此过程中发现了导致性能差异的几个关键组件。这一探索的结果是一系列纯 ConvNet 模型，称为 ConvNeXt。ConvNeXts 完全由标准 ConvNet 模块构建，在准确性和可扩展性方面与 Transformer 竞争，实现 87.8% ImageNet top-1 准确率，在 COCO 检测和 ADE20K 分割方面优于 Swin Transformers，同时保持标准 ConvNet 的简单性和效率。

【3】Mobile-Former: Bridging MobileNet and Transformer(连接 MobileNet 和 Transformer)

paper：https://arxiv.org/abs/2108.05895

Mobile-Former是一种 MobileNet 和 Transformer 的并行设计，中间有一个双向桥，这种结构利用了 MobileNet 在本地处理和全局交互中的 Transformer 的优势，同时可以实现局部和全局特征的双向融合。

Mobile-Former 中的 Transformer 包含 token 非常少（ 6 个或更少），并随机初始化这些 token 来学习全局先验，从而降低计算成本。结合提出的轻量级交叉注意力对桥梁进行建模，Mobile-Former 不仅计算效率高，而且具有更强的表示能力。它在低 FLOP 状态下性能优于 MobileNetV3。此外，通过用 Mobile-Former 替换 DETR 中的主干、编码器和解码器来构建的检测器性能优于 DETR 1.1 AP，但节省了 52% 的计算成本和 36% 的参数。