今日 Paper | 神經網絡結構搜索；視覺目標；人物識別；視頻3D人體姿態估計等

本文作者： AI研習社

2020-03-12 11:54

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 | 神經網絡結構搜索；視覺目標；人物識別；視頻3D人體姿態估計等

基于進化算法和權值共享的神經網絡結構搜索

論文名稱：CARS: Continuous Evolution for Efficient Neural Architecture Search

作者：Zhaohui

發表時間：2020/3/4

論文鏈接：https://paper.yanxishe.com/review/13531?from=leiphonecolumn_paperreview0312

推薦原因

本文為2020CVPR的文章，是國內華為公司的一篇paper。本文的主要工作是為了優化進化算法在神經網絡結構搜索時候選網絡訓練過長的問題，作者參考了ENAS和NSGA-III。在此基礎上，作者提出了一種新的方法——連續進化結構搜索(continuous evolution architecture search)，簡記為CARS。該方法盡可能的利用學習到的一切知識，包括上一輪訓練的結構和參數。

創新點：

1、開發了一種有效的連續進化方法用于搜索神經網絡。可以在訓練數據集上調整最新一代共享一個SuperNet中參數的總體架構。

2、使用None-dominated排序策略來選擇不同大小的優秀網絡，整體耗時僅需要0.5 GPU day。

檢測視頻中關注的視覺目標

論文名稱：Detecting Attended Visual Targets in Video

作者：Chong Eunji /Wang Yongxin /Ruiz Nataniel /Rehg James M.

發表時間：2020/3/5

論文鏈接：https://paper.yanxishe.com/review/13533?from=leiphonecolumn_paperreview0312

推薦原因

這篇論文被CVPR 2020接收，要解決的是檢測視頻中關注目標的問題。具體來說，目標是確定每個視頻幀中每個人的視線，并正確處理幀外（的情況。所提的新架構有效模擬了場景與頭部特征之間的動態交互，以推斷隨時間變化的關注目標。同時這篇論文引入了一個新數據集VideoAttentionTarget，包含現實世界中復雜和動態的注視行為模式。在該數據集上進行的實驗表明，所提模型可以有效推斷視頻中的注意力。為進一步證明該方法的實用性，這篇論文將預測的注意力圖應用于兩個社交注視行為識別任務，并表明所得分類器明顯優于現有方法。

包含狀態信息的弱監督學習方法進行人物識別

論文名稱：Weakly supervised discriminative feature learning with state information for person identification

作者：Yu Hong-Xing /Zheng Wei-Shi

發表時間：2020/2/27

論文鏈接：https://paper.yanxishe.com/review/13409?from=leiphonecolumn_paperreview0312

推薦原因

這篇論文提出使用狀態信息的弱監督學習實現行人識別的方法。

在獲取人工標注的訓練數據代價太高的現實下，使用非監督學習來識別每個行人不同的視覺特征具有很重要的意義。但由于如攝像頭拍攝位置角度不同等狀態差異，同一個體的照片都會存在視覺差別，給無監督分類學習帶來了巨大困難。而本文就提出了能夠利用這些不需要人工標注的狀態信息（如攝像頭位置或臉部拍攝角度標注）的弱監督學習方法，該方法使用狀態信息優化了假定類別的決策邊界，以及使用狀態信息調節控制了識別特征的偏移。論文在Duke-reID, MultiPIE 和CFP數據集上進行測試，結果遠優于其它現有方法，同時論文的模型和標準的有監督學習模型也進行了比較相較，并顯示出相當的性能。文章代碼可見https: //github.com/KovenYu/state-information.

基于解剖學感知的視頻3D人體姿態估計

論文名稱：Anatomy-aware 3D Human Pose Estimationin Video

作者：Tianlang Chen

發表時間：2020/2/1

論文鏈接：https://paper.yanxishe.com/review/13408?from=leiphonecolumn_paperreview0312

推薦原因

研究意義：

本文提出了一種新的視頻中3D人體姿態估計的解決方案。與傳統的研究進行對比，本文不是直接根據3D關節位置進行研究，而是從人體骨骼解剖的角度出發，將任務分解為骨骼方向預測和骨骼長度預測，從這兩個預測中完全可以得到三維關節位置。

創新點：

1、本文提出了一種具有長跳躍連接的全卷積傳播結構，用于骨骼方向的預測。該網絡結構可以實現在分層預測不同骨骼的方向時，而不使用任何耗時的存儲單元(例如LSTM)。

2、采用一種隱含的注意機制將2D關鍵點可見性分數作為額外的指導反饋到模型中，這顯著地緩解了許多具有挑戰性的姿勢中的深度歧義。

RandLA-Net:一種新型的大規模點云語義分割框架

論文名稱：RandLA-Net: Efficient Semantic Segmentation of Large-Scale Point Clouds

作者：Qingyong Hu

發表時間：2020/2/1

論文鏈接：https://paper.yanxishe.com/review/13407?from=leiphonecolumn_paperreview0312

推薦原因

本文的核心：

作者主要介紹了RandLA-Net網絡框架來推斷大規模點云上的per-point semantics。之所以采用隨機點采樣而不是更復雜點的選擇方法，是因為可以大大減少內存占用的框架計算成本。此外，作者還引入了一種新穎的局部特征聚合模塊，通過使用輕量級的網絡體系結構，最終證明了RandLA-Net網絡框架可以有效地用來解決大規模點云問題。

創新點：

作者提出了一種基于簡單高效的隨機將采樣和局部特征聚合的網絡結構(RandLA-Net)。該方法在數據集Semantic3D和SemanticKITTI等大場景點云分割數據集上都取得了非常好的效果，從而驗證了該方法的優良性，此外通過實驗發現，采用本文提出的網絡框架，計算效率也是非常高的，明顯優于其它模型。