感觉灵感被掏空？你需要这 9 篇论文来补一补 | PaperDaily #05

在碎片化阅读充斥眼球的时代，越来越少的人会去关注每篇论文背后的探索和思考。

在这个栏目里，你会快速 get 每篇精选论文的亮点和痛点，时刻紧跟 AI 前沿成果。

点击本文底部的「阅读原文」即刻加入社区，查看更多最新论文推荐。

这是 PaperDaily 的第 5 篇文章
[ 自然语言处理 ]

What does Attention in Neural Machine Translation Pay Attention to?

@paperweekly 推荐

#Attention Model

本文对 attention 进行了详细研究，对比了 NMT 中的 alignment，给出了很多有意思的结论。

论文链接

http://www.paperweekly.site/papers/857

Flexible End-to-End Dialogue System for Knowledge Grounded Conversation

@lukepan 推荐

#Chatbot

该论⽂所引⼊的知识是以 tuple 的形式储存在 KB 中的。 knowledge 的引⼊⽅式如下：Candidate Facts Retriever 从 input 中提取 entity，然后在 KB 中进⾏ query，将通过 relation 寻找到的 objects 和 subjects 作为 Candidate Facts 存储为⼀个集合。 

在 Reply Decoding 流程中，为了决定该使⽤哪些 facts，提出了 dynamic knowledge enquirer，⽤以根 据 local contexts at various positions within a response 来 rank 并选择集合中哪些 facts 应该被使⽤。

论文链接

http://www.paperweekly.site/papers/891

Program Induction by Rationale Generation : Learning to Solve and Explain Algebraic Word Problems

@RamonYeung 推荐

#Question Answering

DeepMind 和牛津大学共同打造的代数问题数据集 AQuA（AQuA = Algebra Question Answering）。

论文链接

http://www.paperweekly.site/papers/913

[ 计算机视觉 ]

Detect to Track and Track to Detect

@corenel 推荐

#Object Detection

新出的一篇视频内目标检测的文章，在逐帧的 RoI Pooling 上增加了帧间的 RoI Tracking（regresses box transformations (translation, scale, aspect ratio) across frames），结构简单，精度不错，通过调间隔时间可以调整处理速度。

论文链接

http://www.paperweekly.site/papers/912

GP-GAN: Gender Preserving GAN for Synthesizing Faces from Landmarks

@starif 推荐

#Face Synthesis

此文尝试用 facial landmarks 通过 GAN 来合成人脸。除了 Adversarial loss，文章使用了 perceptual loss、L1 reconstruction error，特别还设计了 gender preserving loss。

性别具有确定性、二元性，是人脸的一个很特别的属性，也是对机器学习来说一个易用的信息，如何利用这一属性来提高人脸的合成效果，文章或许可以给你一个很好的启发。

论文链接

http://www.paperweekly.site/papers/860

Face Super-Resolution Through Wasserstein GANs

@993917172 推荐

#Face Reenactment

2017 年，生成对抗网络 GAN 广泛应用在超分辨率复原 SR 等领域，并取得巨大发展。但是，GAN 的变体 WGAN，CGAN 等方法仍然较少的应用于 SR 上。 

本文把超分辨率复原思想和 WGAN 结合起来，思路和上面的 SRGAN 有点类似。与之不同，它是用于解决人脸图像分辨率不足的问题。该方法不仅采用基础 GAN（2014）作为基本网络框架，还将 WGAN 作为提升 GAN 网络学习能力的重要工具。 

总的来说，该方法使用卷积神经网络进行图像复原，简单高效，结合 GAN 网络，只要较少的训练样本就可以让生成图像非常逼真，广大学者可以尝试在更多图像对监控场景下应用人脸图像的思路，发挥生成对抗网络的威力。

论文链接

http://www.paperweekly.site/papers/927

[ 机器学习 ]

Mixed Precision Training

@机器之心 推荐

#CTC

减少模型半数内存用量：百度 & 英伟达提出混合精度训练法。

论文链接

http://www.paperweekly.site/papers/858

A Brief Survey of Deep Reinforcement Learning

@Nevertiree 推荐

#Deep Reinforcement Learning

深度强化学习的最新综述，发表于 2017 下半年。本文是 Reddit 推荐的热文。

论文链接

http://www.paperweekly.site/papers/922

MoleculeNet: A Benchmark for Molecular Machine Learning

@paperweekly 推荐

#Molecular Machine Learning

一个分子机器学习 benchmark，最喜欢看到这种将机器学习应用到传统学科领域了。

论文链接

http://www.paperweekly.site/papers/862

本文由 AI 学术社区 PaperWeekly 精选推荐，社区目前已覆盖自然语言处理、计算机视觉、人工智能、机器学习、数据挖掘和信息检索等研究方向，点击「阅读原文」即刻加入社区！

关于PaperWeekly

PaperWeekly 是一个推荐、解读、讨论、报道人工智能前沿论文成果的学术平台。如果你研究或从事 AI 领域，欢迎在公众号后台点击「交流群」，小助手将把你带入 PaperWeekly 的交流群里。

▽ 点击 | 阅读原文 | 查看更多优质论文