歡迎光臨
每天分享高質量文章

每周「Paper + Code」清單:句子嵌入,文本表示,圖像風格轉換


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。

在這個欄目里,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。


點擊本文底部的「閱讀原文」即刻加入社區,查看更多最新論文推薦。

這是 PaperDaily 的第 29 篇文章
[ 自然語言處理 ]

Sockeye: A Toolkit for Neural Machine Translation

@zhangjun 推薦

#Neural Machine Translation

一個開源的產品級神經機器翻譯框架,構建在 MXNet 平臺上。

論文鏈接

https://www.paperweekly.site/papers/1374

代碼鏈接

https://github.com/awslabs/sockeye

Multilingual Hierarchical Attention Networks for Document Classification

@miracle 推薦

#Text Classification

本文使用兩個神經網絡分別建模句子和文件,採用一種自下向上的基於向量的文本表示模型。首先使用 CNN/LSTM 來建模句子表示,接下來使用雙向 GRU 模型對句子表示進行編碼得到文件表示。

論文鏈接

https://www.paperweekly.site/papers/1152

代碼鏈接

https://github.com/idiap/mhan

Supervised Learning of Universal Sentence Representations from Natural Language Inference Data

@zxEECS 推薦

#Natural Language Generation

本文來自 Facebook AI Research。本文研究監督句子嵌入,作者研究並對比了幾類常見的網絡架構(LSTM,GRU,BiLSTM,BiLSTM with self attention 和 Hierachical CNN), 5 類架構具很強的代表性。

論文鏈接

https://www.paperweekly.site/papers/1332

代碼鏈接

https://github.com/facebookresearch/InferSent


Recurrent Neural Networks for Semantic Instance Segmentation

@paperweekly 推薦

#Recurrent Neural Networks

本專案提出了一個基於 RNN 的語意實體分割模型,為圖像中的每個標的順序地生成一對 mask 及其對應的類概率。該模型是可端對端 + 可訓練的,不需要對輸出進行任何後處理,因此相比其他依靠 object proposal 的方法更為簡單。

論文鏈接

https://www.paperweekly.site/papers/1355

代碼鏈接

https://github.com/facebookresearch/InferSent

[ 計算機視覺 ]


Deep Image Prior

@AkiyamaYukari 推薦

#Image Style Transfer

本文視角獨特,效果不錯。作者認為模型可以不通過對於資料集上進行學習和預訓練就能實現圖像轉換任務(如去噪、超分等),僅需調節超引數(如網絡訓練次數、學習率等)。

論文鏈接

https://www.paperweekly.site/papers/1295

代碼鏈接

https://github.com/DmitryUlyanov/deep-image-prior

AlignedReID: Surpassing Human-Level Performance in Person Re-Identification

@Molly 推薦

#Person Re-identification

本文來自 Face++,作者引入端到端的方法,讓網絡自動去學習人體對齊,從而提高性能。除了提取全域性特征,同時也對各區域性提取區域性特征。

論文鏈接

https://www.paperweekly.site/papers/1242

代碼鏈接

https://github.com/huanghoujing/AlignedReID-Re-Production-Pytorch

When Unsupervised Domain Adaptation Meets Tensor Representations

@jindongwang 推薦

#Domain Adaptation

當傳統的基於 vector 的 domain adaptation 應用於 tensor,會發生什麼?這個文章發表在 ICCV 2017 上,很有指導意義。

論文鏈接

https://www.paperweekly.site/papers/1160

代碼鏈接

https://github.com/poppinace/TAISL

Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks

@zh794390558 推薦

#Generative Adversarial Networks

本文提出的模型名為 CycleGAN,作者希望在不借助 paired example 情況下,來實現圖片的風格轉換。

論文鏈接

https://www.paperweekly.site/papers/807

代碼鏈接

https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix

[ 機器學習 ]

Structural Deep Network Embedding

@YFLu 推薦

#Representation Learning

SDNE 是清華大學崔鵬老師組發表在 2016KDD 上的一個工作,目前谷歌學術取用量已經達到了 85,是一篇基於深度模型對網絡進行嵌入的方法。

SDNE 模型同時利用一階相似性和二階相似性學習網絡的結構,一階相似性用作有監督的信息,保留網絡的區域性結構;二階相似性用作無監督部分,捕獲網絡的全域性結構,是一種半監督深度模型。

論文鏈接

https://www.paperweekly.site/papers/1142

代碼鏈接

https://github.com/xiaohan2012/sdne-keras


Deep Spatio-Temporal Residual Networks for Citywide Crowd Flows Prediction

@cornicione 推薦

#Convolutional Neural Network

論文提出一種從宏觀預測城市人口的網絡 — ST-ResNet,利用 3 個網絡分支分別對 3 種時間特性進行建模:時間緊密度,周期,趨勢。結合外界因素,對不同地區分配不同的權重,將 3 個分支進行動態融合。

論文鏈接

https://www.paperweekly.site/papers/1382

代碼鏈接

https://github.com/lucktroy/DeepST


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

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. 識別下方二維碼打開小程式

2. 用PaperWeekly社區賬號進行登陸

3. 登陸後即可解鎖所有功能

 職位發佈 

請添加小助手微信(pwbot01)進行咨詢

 

長按識別二維碼,使用小程式

*點擊閱讀原文即可註冊

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擊「交流群」,小助手將把你帶入 PaperWeekly 的交流群里。


赞(0)

分享創造快樂