感覺靈感被掏空?你需要這 9 篇論文來補一補 | PaperDaily #05

在碎片化閱讀充斥眼球的時代,越來越少的人會去關注每篇論文背後的探索和思考。 在這個欄目里,你會快速 get 每篇精選論文的亮點和痛點,時刻緊跟 AI 前沿成果。 點擊即刻加入社區,查看更多最新論文推薦。

[ 自然語言處理 ]

What does Attention in Neural Machine Translation Pay Attention to?

@paperweekly 推薦

#Attention Model

本文對 attention 進行了詳細研究,對比了 NMT 中的 alignment,給出了很多有意思的結論。

論文鏈接:paperweekly.site/papers

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

@lukepan 推薦

#Chatbot

該論?所引?的知識是以 tuple 的形式儲存在 KB 中的。 knowledge 的引??式如下:Candidate Facts Retriever 從 input 中提取 entity,然後在 KB 中進? query,將通過 relation 尋找到的 objects 和 subjects 作為 Candidate Facts 存儲為?個集合。

在 Reply Decoding 流程中,為了決定該使?哪些 facts,提出了 dynamic knowledge enquirer,?以根 據 local contexts at various positions within a response 來 rank 並選擇集合中哪些 facts 應該被使?。

論文鏈接:paperweekly.site/papers

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

@RamonYeung 推薦

#Question Answering

DeepMind 和牛津大學共同打造的代數問題數據集 AQuA(AQuA = Algebra Question Answering)。

論文鏈接:paperweekly.site/papers

[ 計算機視覺 ]

Detect to Track and Track to Detect

@corenel 推薦

#Object Detection

新出的一篇視頻內目標檢測的文章,在逐幀的 RoI Pooling 上增加了幀間的 RoI Tracking(regresses box transformations (translation, scale, aspect ratio) across frames),結構簡單,精度不錯,通過調間隔時間可以調整處理速度。

論文鏈接:paperweekly.site/papers

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

@starif 推薦

#Face Synthesis

此文嘗試用 facial landmarks 通過 GAN 來合成人臉。除了 Adversarial loss,文章使用了 perceptual loss、L1 reconstruction error,特別還設計了 gender preserving loss。

性別具有確定性、二元性,是人臉的一個很特別的屬性,也是對機器學習來說一個易用的信息,如何利用這一屬性來提高人臉的合成效果,文章或許可以給你一個很好的啟發。

論文鏈接:paperweekly.site/papers

Face Super-Resolution Through Wasserstein GANs

@993917172 推薦

#Face Reenactment

2017 年,生成對抗網路 GAN 廣泛應用在超解析度復原 SR 等領域,並取得巨大發展。但是,GAN 的變體 WGAN,CGAN 等方法仍然較少的應用於 SR 上。

本文把超解析度復原思想和 WGAN 結合起來,思路和上面的 SRGAN 有點類似。與之不同,它是用於解決人臉圖像解析度不足的問題。該方法不僅採用基礎 GAN(2014)作為基本網路框架,還將 WGAN 作為提升 GAN 網路學習能力的重要工具。

總的來說,該方法使用卷積神經網路進行圖像復原,簡單高效,結合 GAN 網路,只要較少的訓練樣本就可以讓生成圖像非常逼真,廣大學者可以嘗試在更多圖像對監控場景下應用人臉圖像的思路,發揮生成對抗網路的威力。

論文鏈接:paperweekly.site/papers

[ 機器學習 ]

Mixed Precision Training

@機器之心 推薦

#CTC

減少模型半數內存用量:百度 & 英偉達提出混合精度訓練法。

論文鏈接:paperweekly.site/papers

A Brief Survey of Deep Reinforcement Learning

@Nevertiree 推薦

#Deep Reinforcement Learning

深度強化學習的最新綜述,發表於 2017 下半年。本文是 Reddit 推薦的熱文。

論文鏈接:paperweekly.site/papers

MoleculeNet: A Benchmark for Molecular Machine Learning

@paperweekly 推薦

#Molecular Machine Learning

一個分子機器學習 benchmark,最喜歡看到這種將機器學習應用到傳統學科領域了。

論文鏈接:paperweekly.site/papers

本文由 AI 學術社區 PaperWeekly 精選推薦,社區目前已覆蓋自然語言處理、計算機視覺、人工智慧、機器學習、數據挖掘和信息檢索等研究方向,點擊即刻加入社區

關於PaperWeekly

PaperWeekly 是一個推薦、解讀、討論、報道人工智慧前沿論文成果的學術平台。如果你研究或從事 AI 領域,歡迎在公眾號後台點擊「交流群」,小助手將把你帶入 PaperWeekly 的交流群里。

微信公眾號:PaperWeekly

新浪微博:@PaperWeekly


推薦閱讀:

YOLO2
R-CNN &Fast RCNN & Faster RCNN
YOLO演算法的原理與實現
RCNN- 將CNN引入目標檢測的開山之作

TAG:chatbot | 目标检测 | 深度学习DeepLearning |