meiwang(美网2022时间)

机器之心& ArXiv每周电台

参与:杜威、初航、罗若天。

本周的重要论文包括Google等研究机构对利用神经光传输重新提亮照片的探索，以及沈向洋从建模、学习、推理三个方面对神经NLP的评述。

目录:

来自时间数据的空间图像

深度人脸识别:综述*

时间约束网络

神经自然语言处理的进展:建模、学习和推理

用于重新照明和视图合成的神经光传输

最新一代抗GAN网络的开发与应用

通过利用结构意识和互补数据集改进单目深度估计

XIV每周电台:NLP、CV和ML的更多精选论文

1:来自临时数据的空间图像

作者:亚历克斯图尔平，加布里埃拉穆萨拉，瓦伦丁卡皮塔尼等

链接:https://www.osapublishing.org/optica/abstract.cfm? uri = optica-7-8-900

想象一下，你闭着眼睛对着一只动物大喊，然后根据回声就能分辨出这只动物是猫还是狗。听起来是不是很不可思议？

英国格拉斯哥大学计算科学学院的研究人员最近制作了一种类似的成像技术。他们通过计算光线反射到一个简单的探测器上所需的时间来获得场景的3D图像。当然，光靠光提供的信息是不够的。这项名为“时间成像”的新技术也使用机器学习方法从噪声中挖掘模式。

这项研究采用了不同的方法，根据包含目标检索图像类型的数据集的先验知识提供附加信息，并为此目标训练有监督的机器学习算法。

基于单点时间分辨传感器的三维成像。

该系统从不同情况下的时间直方图中恢复3D图像的性能。

推荐:这项研究发表在光学杂志Optica上。

论文:深度人脸识别:综述

作者:，，邓

链接:https://arxiv.org/pdf/1804.06655.pdf

摘要:本文对北京邮电大学的研究人员在深度人脸识别方面做了全面的综述。

首先，他们总结了当前深度人脸识别方法中提出的不同网络结构和损失函数。其次，总结了“一对多增强”和“多对一归一化”两种人脸处理方法。最后，研究者深入分析了跨要素场景、异构场景、多媒体场景和行业场景，并展望了未来的发展方向。

深度人脸识别方法的发展。

深度人脸识别框架。

推荐:两位作者均来自北京邮电大学模式识别实验室。

论文:临时约束网络

作者:Rina Dechter，Itay Meiri，Judea Pearl

链接:http://ftp.cs.ucla.edu/pub/stat_ser/r113-L-reprint.pdf

本文将基于网络的约束满足方法扩展到包括连续变量，从而为处理时间约束提供了一个框架。在这个名为时间约束满足问题(Time Constraint Satisfaction Problem，TCSP)的框架中，代表时间点和时间信息的变量由一组一元和二元约束表示，每个约束指定一组时间间隔。该框架的独特之处在于，它允许处理测量信息，即评估不同事件之间的时间差。

本文对简单时间问题和一般时间问题进行了区分。前者对于任何一对时间点最多识别一个区间约束。研究表明，包含Vilain和Kautz点代数主要部分的STP可以在多项式时间内求解。对于TCSP将军来说，这项研究展示了执行三项推理任务的分解机制，并提出了多种可以提高效率的技术。此外，本文还研究了路径兼容算法在预处理时间的适用性，展示了它的终止性，限制了它的复杂度。

例1.1可以表示为有向约束图。

以及交集和组合运算。

距离地图。

推荐:贝叶斯网络之父朱迪亚·珀尔(Judea Pearl)获得了国际顶级人工智能杂志《AIJ》颁发的2020年经典论文奖。

论文:神经NLP进展:建模、学习和推理

作者:，南段，，刘，沈向洋

链接:https://www . science direct . com/science/article/pii/s 2095809919304928

在这篇论文中，包括沈向洋在内的几位研究者分别以建模、学习和推理为立足点，总结了基于神经网络的神经语言处理框架。最后，研究者展望了神经语言处理的未来发展方向。

上下文无关的单词嵌入方法。

一种基于RNN的上下文感知单词嵌入方法。

一种基于自我关注的上下文感知单词嵌入方法。

推荐:这篇文章被工程接受了。

论文5:用于照明和视图合成的神经光传输

作者:张秀明，肖恩·法内罗，蔡运达等

链接:https://arxiv.org/pdf/2008.03806.pd

场景的光透射(LT)描述了场景在不同照明和观察方向上的外观。全面了解场景的LT有助于在任何光照条件下合成新的视图。

本文讨论了基于图像的LT采集，主要用于人体在照明平台的设置。研究人员提出了一种半参数方法来学习嵌入在具有已知几何特征的纹理atlas 空中的LT的神经表示，并将所有非漫射和全局LT建模为残差，添加到物理上精确的漫射基渲染中。

NLT方法的模型结构。

在使用平行光的第二个照明任务中，将NLT和其他方法与真实图像进行比较。

NLT方法可能无法生成复杂光透射效果的真实视图，例如戴在脖子上的项链的视图。

推荐:在基于图像的重光照场景中，人物的光照效果随着背景图像的变化而不断调整。

论文:最新一代抗gan网络的开发与应用

作者:，吴攀，刘，，，姜瑜

链接:http://dziy . cbpt . CNKI . net/wka/web publication/paper digest . aspx？paperID = 76215 a4a-3131-4b6e-9 AFD-1af 245 c 41 ff 1

摘要:近年来，生成对抗网络发展迅速，成为机器学习领域的主要研究方向之一。甘来源于零和博弈的思想。它的生成器和鉴别器相互学习，获得给定样本的数据分布，并生成新的样本数据。人们在图像生成、异常样本检测与定位、文本生成和图像超分辨率等方面对GAN模型进行了大量的研究。系统地阐述了这些GAN模型的应用所取得的实质性进展。综述了GAN的产生背景、研究意义、理论模型、改进结构和主要应用领域。通过分析GAN在各个方面的应用，总结了GAN的不足和未来的发展方向。

推荐:本文作者分别来自沈阳巩俐大学和沈阳师范大学。

论文:通过利用结构意识和互补数据集改进单分子深度估计

作者:陈天，安世杰，等。

链接:https://arxiv.org/pdf/2007.11256.pdf

深度是实现三维场景理解的重要信息。a auto quickless Y-tech通过自主研发的单目深度估计技术获得了高质量的深度信息，并将模型部署到移动终端。结合Y-tech现有技术，开发了3DPhoto、混合现实等多种新游戏。这些黑科技游戏不局限于模型，让用户在手机上无门槛的实时体验，给用户带来全新的视觉体验和交互方式，帮助用户更好的创作。

本研究主要探索如何更好地利用三维空之间的结构信息来提高单目深度估计的精度。此外，针对复杂场景构造了一个新的深度数据集HC Depth，该数据集包含六个具有挑战性的场景，从而提高了模型的准确性和泛化能力。

网络结构。

空之间注意机制模块的可视化。

NYUv2数据集上可视化实验的比较。

推荐:该论文已被《ECCV 2020》收录，论文代码和模型即将在GitHub上开源。作者也将在8月23-28日的ECCV会议上在线展示他们的作品。

ArXiv每周电台

机器之心联合初航、罗若天发起的ArXiv每周电台，在7篇论文的基础上，精选本周更重要的论文，包括NLP、CV、ML领域的10篇，以音频格式提供摘要论文介绍。详情如下:

本周的10篇NLP精选论文是:

1.ConvBERT:用基于跨度的动态卷积改进BERT。(来自水城颜)

2.抗体观察:从文献中挖掘抗体特异性。(来自玛丽安·e·马通)

3.n元语言模型的高效MDI适应。(来自丹·波维，桑吉夫·胡丹普尔)

4.快速记笔记有助于伯特进行预训练。(来自刘铁燕)

5.大脑和机器中的词义。(来自格雷戈里·l·墨菲)

6.面向生物医学自然语言处理的特定领域语言模型预处理。(来自高剑锋)

7.本体驱动的医疗实体分类弱监督。(来自尼甘·沙阿)

8.评估自动生成的图像音素标题。(来自马克·长谷川-约翰逊)

9.广义单词移位图:一种可视化和解释文本间成对比较的方法。(来自彼得·谢里丹·多兹)

10.基于上下文感知文献挖掘的新冠肺炎治疗目标发现。(来自纳达·拉夫拉奇)

本周的10篇简历精选论文是:

1.用区域提议交互网络学习长期视觉动力学。(来自吉坦德拉·马利克)

2.从医学图像分割的基本事实中解开人为错误。(摘自弗雷德里克·巴克霍夫、丹尼尔·c·亚历山大)

3.用于自动驾驶的端到端鸟瞰流量估计。(来自Wolfram Burgard)

4.学习标准时空点云表示。(来自列奥尼达斯·吉巴斯)

5.基于子类探索的弱监督语义分割。(出自明——杨玄)

6.基于不确定性正则化的弱监督语义分割。(出自明——杨玄)

7.学习分解和重新点亮一座城市。(来自阿列克谢·阿·埃夫罗斯、诺亚·斯内夫利)

8.开放编辑:使用开放词汇指令的开放域图像操作。(来自王晓刚)

9.AR-Net:用于高效动作识别的自适应帧分辨率。(来自奥德·奥利瓦，凯特·萨恩科)

10.使用肢体语言数据集的嘈杂学生训练提高了面部表情识别。(来自维卡斯·库马尔)

本周ML的10篇精选论文是:

1.布卢姆折纸分析:实用小组测试。(来自伯恩哈德·肖科普夫)

2.概念分解综述:从浅层到深层的表征学习。(来自颜章，水城颜)

3.整个MILC:在任务、数据集和人群中概括习得的动态。(来自文斯·d·卡尔霍恩)

4.生成 *** 回归:从离散粒子 *** 观测中学习随机动力学。(来自乔治·埃姆·卡尔尼亚达基斯)

5.基于学习的帕金森病计算机辅助处方模型& # 39；疾病:数据驱动的观点。(来自，沈定刚)

6.无线网络上的有效通信和分布式学习:原理和应用。(来自梅鲁安·德巴)

7.用于电影检索的图Wasserstein相关分析。(来自杨坚张彤)

8.战略感知机。(来自Avrim Blum)

9.使用对立种群的鲁棒强化学习。(摘自彼得·阿贝耳、亚历山大·巴因)

10.通过移除不想要的依赖性来增强机器学习的隐私。(摘自孔孙元)