歡迎光臨
每天分享高質量文章

春節期間,你錯過了這些開源論文 | Paper + Code 清單


在碎片化閱讀充斥眼球的時代,越來越少的人會去關註每篇論文背後的探索和思考。

在這個欄目裡,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。


點選本文底部的「閱讀原文」即刻加入社群,檢視更多最新論文推薦。

這是 PaperDaily 的第 46 篇文章
[ 自然語言處理 ]

Nested LSTMs

@Synced 推薦

#RNN

近日,CMU 和蒙特利爾大學聯合提出一種新型的多級記憶的 RNN 架構——巢狀 LSTM。在訪問內部記憶時,巢狀 LSTM 相比傳統的堆疊 LSTM 有更高的自由度,從而能處理更長時間規模的內部記憶。

實驗也表明,NLSTM 在多種任務上都超越了堆疊 LSTM。作者認為巢狀 LSTM 有潛力直接取代堆疊 LSTM。

論文連結

https://www.paperweekly.site/papers/1627

程式碼連結

https://github.com/hannw/nlstm

A Consolidated Open Knowledge Representation for Multiple Texts

@hussar 推薦

#Knowledge Representation

本文提出了一種統一的開放知識表示方法 OKR,可以解決多檔案的摘要問題。透過各種指代連結技術對多檔案的資訊進行壓縮。

論文連結

https://www.paperweekly.site/papers/1668

程式碼連結

https://github.com/vered1986/OKR

Deconvolutional Paragraph Representation Learning

@icaruss 推薦

#Encoder-Decoder Framework

這篇 2017 年發表在 NIPS 的文章提供了一個 deconvolutional text autoencoder 架構,在長文字重構上從原先的 20 多的 bleu score 提升到 90 多,併在文字分類等下游任務上提升顯著。另外,本文在速度上也提升了三到五倍。

論文連結

https://www.paperweekly.site/papers/1536

程式碼連結

https://github.com/dreasysnail/textCNN_public


KBGAN: Adversarial Learning for Knowledge Graph Embeddings

@paperweekly 推薦

#Knowledge Graph

知識圖譜和 NLP 資料裡通常只有正樣本,所以訓練傳統嵌入模型的時候,大家喜歡用隨機取樣方法生成負例。但是這樣生成的負例往往質量很差,對模型訓練沒什麼幫助。作者提出了一種基於強化對抗學習的新方法,可以自動生成高質量的負樣本。

論文連結

https://www.paperweekly.site/papers/1712

程式碼連結

https://github.com/cai-lw/KBGAN

MobiRNN: Efficient Recurrent Neural Network Execution on Mobile GPU

@kaierlong 推薦

#Recurrent Neural Network

本文提出的 MobiRNN 框架,可以顯著降低 RNN 模型在手機裝置上的執行時間。

論文連結

https://www.paperweekly.site/papers/1674

程式碼連結

https://github.com/csarron/MobiRnn


[ 計算機視覺 ]


Spectral Normalization for Generative Adversarial Networks

@paperweekly 推薦

#GAN

訓練不穩定至今仍是 GAN 的一個重大挑戰。本文提出了一種新型權值歸一化(weight normalization)技術 SN-GANs,能讓判定器訓練更加穩定。

這是一種輕量化、易實現的方法,作者用 CIFAR10、STL-10 和 ILSVRC2012 的資料集對它進行了測試,實驗證明,SN-GANs 能比以往提出的穩定方法生成質量更高,或者至少是質量相當的影象。

論文連結

https://www.paperweekly.site/papers/1670

程式碼連結

https://github.com/pfnet-research/sngan_projection

Parallel Tracking and Verifying

@chenhong 推薦

#Object Tracking

object tracking 是影片分析的基本任務,長期以來一直有兩大陣營,CF 相關濾波和 CNN,當然也可以 CF+CNN 融合。

本文將 tracking 過程分解為兩個並行但是相互協作的部分:一個用於快速的跟蹤(fast tracking),另一個用於準確的驗證(accurate verification)。 

論文連結

https://www.paperweekly.site/papers/1613

程式碼連結

http://www.dabi.temple.edu/~hbling/code/PTAV/ptav.htm

AmbientGAN: Generative models from lossy measurements

@paperweekly 推薦

#Generative Adversarial Networks

本文為 ICLR 2018 錄用論文,主要研究如何從嘈雜、扭曲、區域性的觀察中學習 GAN。

論文連結

https://www.paperweekly.site/papers/1620

程式碼連結

https://github.com/shinseung428/ambientGAN_TF

Depth CNNs for RGB-D scene recognition: learning from scratch better than transferring from RGB-CNNs

@paperweekly 推薦

#Scene Recognition

基於摺積神經網路的 RGB-D 場景識別,本文為 AAAI2017 錄用文章。

論文連結

https://www.paperweekly.site/papers/1610

程式碼連結

https://github.com/songxinhang/D-CNN


TernausNet: U-Net with VGG11 Encoder Pre-Trained on ImageNet for Image Segmentation

@Synced 推薦

#Image Segmentation

本文展示了 U-Net 型別的架構如何利用預訓練的編碼器提升效能。程式碼和相關的預訓練權重已開源。文中比較了三種權重初始化方案:LeCun uniform、取自 VGG11 權重的編碼器和在 Carvana 資料集上訓練的完整網路。

該網路架構是 Kaggle 競賽(Carvana Image Masking Challenge)中獲勝解決方案(在 735 名參賽者中排名第一)的一部分。

論文連結

https://www.paperweekly.site/papers/1573

程式碼連結

https://github.com/ternaus/TernausNet


本文由 AI 學術社群 PaperWeekly 精選推薦,社群目前已改寫自然語言處理、計算機視覺、人工智慧、機器學習、資料挖掘和資訊檢索等研究方向,點選「閱讀原文」即刻加入社群!

#榜 單 公 布 #


2017年度最值得讀的AI論文 | NLP篇 · 評選結果公佈

2017年度最值得讀的AI論文 | CV篇 · 評選結果公佈


我是彩蛋 


 解鎖新功能:熱門職位推薦!

PaperWeekly小程式升級啦

今日arXiv√猜你喜歡√熱門職位

找全職找實習都不是問題

 

 解鎖方式 

1. 識別下方二維碼開啟小程式

2. 用PaperWeekly社群賬號進行登陸

3. 登陸後即可解鎖所有功能

 職位釋出 

請新增小助手微信(pwbot01)進行諮詢

 

長按識別二維碼,使用小程式

*點選閱讀原文即可註冊

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臺。如果你研究或從事 AI 領域,歡迎在公眾號後臺點選「交流群」,小助手將把你帶入 PaperWeekly 的交流群裡。


贊(0)

分享創造快樂