今日 Paper | 依賴性解析器；DNNs對圖像損壞；高效人臉特征學習；虛擬試穿統一框架等

本文作者： AI研習社

2020-02-10 15:01

導語：為了更好地服務廣大 AI 青年，AI 研習社正式推出全新「論文」版塊。

今日 Paper | 依賴性解析器；DNNs對圖像損壞；高效人臉特征學習；虛擬試穿統一框架等

使用神經網絡的快速準確的依賴性解析器

論文名稱：A Fast and Accurate Dependency Parser using Neural Networks

作者：Danqi Chen /Christopher D. Manning

發表時間：2014/10/25

論文鏈接：https://paper.yanxishe.com/review/9621

推薦原因

核心問題：這是一篇通過神經網絡完成依存分析的開創性研究

創新點：這篇文章是陳丹琦關于依存句法分析的工作，這是使用深度學習基礎的開創性研究，該成果實現了一個準確快速的依存句法分析器，從而解決了語義分析此前普遍存在的問題。

研究意義：這項研究作為開創性工作，之后很多的研究都是在此基礎之上。

通過玩噪聲游戲提高DNNs對圖像損壞的魯棒性

論文名稱：Increasing the robustness of DNNs against image corruptions by playing the Game of Noise

作者：Rusak Evgenia /Schott Lukas /Zimmermann Roland /Bitterwolf Julian /Bringmann Oliver /Bethge Matthias /Brendel Wieland

發表時間：2020/1/16

論文鏈接：https://paper.yanxishe.com/review/9329

推薦原因

人類的視覺系統能夠很好地處理各種自然發生的變化和干擾，而現代圖像識別模型在遭遇這些未曾見過的干擾時，性能往往會大大降低。為了解決這個問題，這篇論文證明了一個簡單但經過適當調優的加性高斯噪聲和散斑噪聲訓練，就可以很好地將模型推廣到看不見的圖像干擾上，從而在ImageNet-C和MNIST-C數據集上達到最新的性能表現。基于這些結果，這篇論文認為在不相關的噪聲分布上對識別模型進行對抗訓練，可以進一步提高模型性能。

基于寬集合卷積神經網絡的高效人臉特征學習

論文名稱：Efficient Facial Feature Learning with Wide Ensemble-based Convolutional Neural Networks

作者：Siqueira Henrique /Magg Sven /Wermter Stefan

發表時間：2020/1/17

論文鏈接：https://paper.yanxishe.com/review/9328

推薦原因

這篇論文考慮的是人臉特征學習的問題。這篇論文提出了基于卷積網絡的共享表示集成方法，并展示了其數據處理效率和對大規模面部表情數據集處理的可伸縮性。通過改變共享表示集成方法的分支級別可以顯著減少冗余和計算負荷，而不損失多樣性和泛化能力。在大規模數據集上進行的實驗表明，這種集成方法可以減少AffectNet和FER+數據集上的殘留泛化誤差，以達到人類水平的性能。

SieveNet：一種健壯的基于圖像的虛擬試穿統一框架

論文名稱：SieveNet: A Unified Framework for Robust Image-Based Virtual Try-On

作者：Jandial Surgan /Chopra Ayush /Ayush Kumar /Hemani Mayur /Kumar Abhijeet /Krishnamurthy Balaji

發表時間：2020/1/17

論文鏈接：https://paper.yanxishe.com/review/9327

推薦原因

這篇論文考慮的是虛擬試穿問題。

現有的虛擬試穿方法在試穿輸出中會出現偽影和失真。為了解決這些問題，這篇論文提出了一個名為SieveNet的魯棒的基于圖像的虛擬試穿框架。SieveNet首先引入一個多階段從粗到細變形網絡，以更好地建模細粒度復雜度，同時變換試穿布料，并以新穎的感知幾何匹配損失對其進行訓練。隨后，在改進紋理轉移網絡前，SieveNet引入試穿的帶條件的分割蒙版。最后，SieveNet引入用于訓練紋理轉換網絡的競爭三元組損失策略，可進一步提高生成的試穿結果質量。這篇論文對SieveNet中每個組件進行了廣泛的定性和定量評估，并顯示了SieveNet相對于以往的方法有了顯著的性能提升。

ICface: 使用GAN的可解讀和可控制的人臉重演

論文名稱：ICface: Interpretable and Controllable Face Reenactment Using GANs

作者：Tripathy Soumya /Kannala Juho /Rahtu Esa

發表時間：2019/4/3

論文鏈接：https://paper.yanxishe.com/review/9326

推薦原因

這篇論文提出了一種通用的面部動畫設計器（ICface），可以控制給定面部圖像的姿勢和表情。ICface主要由一個兩階段的神經網絡構成，利用大量的視頻語料進行自監督訓練得到。這篇論文將其提出的ICface在多個任務中與SOTA的面部動畫設計技術進行了比較，實驗結果表明，與大多數已有方法相比，ICface具有更好的視覺質量，同時具有更多的通用性。