今日 Paper | 依賴性解析器；DNNs對(duì)圖像損壞；高效人臉特征學(xué)習(xí) ；虛擬試穿統(tǒng)一框架等

本文作者： AI研習(xí)社

2020-02-10 15:01

導(dǎo)語：為了更好地服務(wù)廣大 AI 青年，AI 研習(xí)社正式推出全新「論文」版塊。

今日 Paper | 依賴性解析器；DNNs對(duì)圖像損壞；高效人臉特征學(xué)習(xí) ；虛擬試穿統(tǒng)一框架等

使用神經(jīng)網(wǎng)絡(luò)的快速準(zhǔn)確的依賴性解析器
通過玩噪聲游戲提高DNNs對(duì)圖像損壞的魯棒性
基于寬集合卷積神經(jīng)網(wǎng)絡(luò)的高效人臉特征學(xué)習(xí)
SieveNet：一種健壯的基于圖像的虛擬試穿統(tǒng)一框架
ICface: 使用GAN的可解讀和可控制的人臉重演

使用神經(jīng)網(wǎng)絡(luò)的快速準(zhǔn)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(fā)表時(shí)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(jīng)網(wǎng)絡(luò)完成依存分析的開創(chuàng)性研究

創(chuàng)新點(diǎn)：這篇文章是陳丹琦關(guān)于依存句法分析的工作，這是使用深度學(xué)習(xí)基礎(chǔ)的開創(chuàng)性研究，該成果實(shí)現(xiàn)了一個(gè)準(zhǔn)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(xiàng)研究作為開創(chuàng)性工作，之后很多的研究都是在此基礎(chǔ)之上。

通過玩噪聲游戲提高DNNs對(duì)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(fā)表時(shí)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(tǒng)能夠很好地處理各種自然發(fā)生的變化和干擾，而現(xiàn)代圖像識(shí)別模型在遭遇這些未曾見過的干擾時(shí)，性能往往會(huì)大大降低。為了解決這個(gè)問題，這篇論文證明了一個(gè)簡(jiǎn)單但經(jīng)過適當(dāng)調(diào)優(yōu)的加性高斯噪聲和散斑噪聲訓(xùn)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(shù)據(jù)集上達(dá)到最新的性能表現(xiàn)?；谶@些結(jié)果，這篇論文認(rèn)為在不相關(guān)的噪聲分布上對(duì)識(shí)別模型進(jìn)行對(duì)抗訓(xùn)練，可以進(jìn)一步提高模型性能。

基于寬集合卷積神經(jīng)網(wǎng)絡(luò)的高效人臉特征學(xué)習(xí)

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

作者：Siqueira Henrique /Magg Sven /Wermter Stefan

發(fā)表時(shí)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(xué)習(xí)的問題。這篇論文提出了基于卷積網(wǎng)絡(luò)的共享表示集成方法，并展示了其數(shù)據(jù)處理效率和對(duì)大規(guī)模面部表情數(shù)據(jù)集處理的可伸縮性。通過改變共享表示集成方法的分支級(jí)別可以顯著減少冗余和計(jì)算負(fù)荷，而不損失多樣性和泛化能力。在大規(guī)模數(shù)據(jù)集上進(jìn)行的實(shí)驗(yàn)表明，這種集成方法可以減少AffectNet和FER+數(shù)據(jù)集上的殘留泛化誤差，以達(dá)到人類水平的性能。

SieveNet：一種健壯的基于圖像的虛擬試穿統(tǒng)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(fā)表時(shí)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(xiàn)有的虛擬試穿方法在試穿輸出中會(huì)出現(xiàn)偽影和失真。為了解決這些問題，這篇論文提出了一個(gè)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(gè)多階段從粗到細(xì)變形網(wǎng)絡(luò)，以更好地建模細(xì)粒度復(fù)雜度，同時(shí)變換試穿布料，并以新穎的感知幾何匹配損失對(duì)其進(jìn)行訓(xùn)練。隨后，在改進(jìn)紋理轉(zhuǎn)移網(wǎng)絡(luò)前，SieveNet引入試穿的帶條件的分割蒙版。最后，SieveNet引入用于訓(xùn)練紋理轉(zhuǎn)換網(wǎng)絡(luò)的競(jìng)爭(zhēng)三元組損失策略，可進(jìn)一步提高生成的試穿結(jié)果質(zhì)量。這篇論文對(duì)SieveNet中每個(gè)組件進(jìn)行了廣泛的定性和定量評(píng)估，并顯示了SieveNet相對(duì)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(fā)表時(shí)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(dòng)畫設(shè)計(jì)器（ICface），可以控制給定面部圖像的姿勢(shì)和表情。ICface主要由一個(gè)兩階段的神經(jīng)網(wǎng)絡(luò)構(gòu)成，利用大量的視頻語料進(jìn)行自監(jiān)督訓(xùn)練得到。這篇論文將其提出的ICface在多個(gè)任務(wù)中與SOTA的面部動(dòng)畫設(shè)計(jì)技術(shù)進(jìn)行了比較，實(shí)驗(yàn)結(jié)果表明，與大多數(shù)已有方法相比，ICface具有更好的視覺質(zhì)量，同時(shí)具有更多的通用性。

論文作者團(tuán)隊(duì)招募

希望以論文作為聚合 AI 學(xué)生青年的「興趣點(diǎn)」，通過論文整理推薦、點(diǎn)評(píng)解讀、代碼復(fù)現(xiàn)。致力成為國(guó)內(nèi)外前沿研究成果學(xué)習(xí)討論和發(fā)表的聚集地，也讓優(yōu)秀科研得到更為廣泛的傳播和認(rèn)可。

我們希望熱愛學(xué)術(shù)的你，可以加入我們的論文作者團(tuán)隊(duì)。

加入論文作者團(tuán)隊(duì)你可以獲得

1.署著你名字的文章，將你打造成最耀眼的學(xué)術(shù)明星

2.豐厚的稿酬

3.AI 名企內(nèi)推、大會(huì)門票福利、獨(dú)家周邊紀(jì)念品等等等。

加入論文作者團(tuán)隊(duì)你需要：

1.將你喜歡的論文推薦給廣大的研習(xí)社社友

2.撰寫論文解讀

如果你已經(jīng)準(zhǔn)備好加入 AI 研習(xí)社的論文兼職作者團(tuán)隊(duì)，可以添加運(yùn)營(yíng)小姐姐的微信，備注“論文兼職作者”

今日 Paper | 依賴性解析器；DNNs對(duì)圖像損壞；高效人臉特征學(xué)習(xí) ；虛擬試穿統(tǒng)一框架等