ACCV （Asian Conference on Cpmputer Vision） 为CCF(中国计算机学会)推荐的国际会议，是仅次于CVPR、ICCV、ECCV 的计算机视觉领域C类会议（与BMVC类似），影响力逐年上升，今年的ACCV 2020 原计划在日本京都于11月30-12月4日召开，因疫情影响全部活动改为线上。
ACCV 2020 共录用论文 255 篇，官方提供所有论文开放下载，在“OpenCV中文网”公众号后台回复“ACCV2020”,即可收到所有论文的打包下载。
目前，大会已经公布了最佳论文，让我们一起来看看吧 ！
最佳论文奖
Best Paper Award
A Sparse Gaussian Approach to Region-Based 6DoF Object Tracking
作者：Manuel Stoiber、Martin Pfanne、Klaus H. Strobl、Rudolph Triebel、Alin Albu-Schaffer
单位：德国航空航天中心、慕尼黑工业大学
开源地址：
https://github.com/DLR-RM/RBGT
该文研究的内容是基于RGB相机的物体6DoF跟踪。提出了一种新的、高效的稀疏方法来实现基于区域的6DoF目标跟踪，只需要一个单目RGB摄像机和三维物体模型。建立了新的数学模型，开发了用于正则化牛顿优化的对数似然导数的鲁棒逼近。在实验中，该方法不仅跟踪成功率方面优于之前最先进的基于区域的方法，而且速度快一个数量级！
相关演示：
最佳论文荣誉提名奖
Best Paper Honorable Mention Award
Pre-training without Natural Images
作者：Hirokatsu Kataoka, Kazushige Okayasu, Asato Matsumoto，Eisuke Yamagata，Ryosuke Yamada, Nakamasa Inoue，Akio Nakamura，and Yutaka Satoh
单位：日本国家先进工业研究院、东京电机大学、筑波大学、东京理工学院
开源地址：
https://github.com/hirokatsukataoka16/FractalDB
基于大量有标注的自然图像训练而得到的CNN网络取得了举世瞩目的成功，有实验表明其滤波器学到了各种有意义的视觉特征，那能否用人为生成的特定纹理和形状的图像来训练网络而不用自然图像呢？这些生成的图像可以无限扩容，可以省却大量人力。
该文作者证明这是可行的，通过大量的实验表明，使用生成的图像训练的模型在很多时候可以和自然图像训练的网络相媲美，虽然并不总是比自然图像数据集好，但也提取到了非常有意义的特征。
相关演示：