感觉灵感被掏空?你需要这 9 篇论文来补一补 | PaperDaily #05
来源:互联网 发布:hecras软件 编辑:程序博客网 时间:2024/05/16 14:07
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。
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。
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)。
@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。
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。
@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。
[ 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。
@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。
@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。
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
- 感觉灵感被掏空?你需要这 9 篇论文来补一补 | PaperDaily #05
- 缺少灵感?你一定需要这8篇论文 | 本周值得读 #37
- 提升效率必备,9 篇论文帮你积累知识点 | PaperDaily #06
- 本期最新 9 篇论文,帮你完美解决「读什么」的问题 | PaperDaily #19
- 最近有了被掏空的感觉
- 大家心目中的这些「优质」论文,你读过几篇?| PaperDaily #01
- 本期最新 9 篇论文,每一篇都想推荐给你 | PaperDaily #14
- 本周不容错过的的9篇NLP论文 | PaperDaily #21
- 这个小长假,你错过了哪些精彩论文?| PaperDaily #03
- 两道二分图建模的题。感觉脑子已经被掏空
- iPhone8要掏空你的身体了!
- 这 8 份「Paper + Code」,你一定用得上 | PaperDaily #08
- Opencv环境配置一遍就够了!!(.props避免身体被掏空,适用于其他需要配置各种目录的项目)
- “Paper + Code”才是研读论文的正确姿势 | PaperDaily #02
- NLP 专题论文解读:从 Chatbot 到 NER | PaperDaily #11
- A380飞机,估计坐一次就能将你的钱包掏空
- 感觉需要调整心态
- 感觉需要的内容
- android开机动画启动流程
- 4
- elasticsearch之快照
- 直播预告 | 东南大学周张泉:基于知识图谱的推理技术
- 知识图谱 vs. 对话系统专题讨论
- 感觉灵感被掏空?你需要这 9 篇论文来补一补 | PaperDaily #05
- 多线程(一)
- openstack创建实例失败,bug(1)解决办法
- 【BzoJ 4719】【Noip2016】【天天爱跑步】【lca】【方程移项】【桶排优化】
- 第七周 项目四-队列数组
- 如何做好一个数据分析师?
- 洛谷P1084:疫情控制 (二分答案+倍增+贪心)
- 指针
- 使用字节流复制文件过程中容易导致复制的文件无法使用(如MP3文件比原来大了一千多倍且音乐无法播放)很严重的一个bug