人物专区QQ最新资讯精选Paper 研习社每日推荐1230
在Paper 研习社每日精选栏目中,今天为大家带来一系列关于人工智能前沿学术论文的精选内容。以下是今日的精选内容:
基于深度度量学习的可扩展细粒度生成图像分类(Scalable Fine-grained Generated Image Classification Based on Deep Metric Learning)
作者:Xuan Xinsheng /Peng Bo /Wang Wei /Dong Jing
发表时间:2019/12/10
论文链接:https://paper.yanxishe.com/review/7899
推荐理由:随着生成图像技术的发展,现有检测方法难以应对不断涌现的新型生成图像。这篇文章提出了一种基于深度度量学习的可扩展多类别分类框架,旨在更好地对生成图像进行分类,并且通过微调使模型对新型生成数据获得更好的检测性能。
合并弱监督和主动监督以进行语析(Merging Weak and Active Supervision for Semantic Parsing)
作者:Ni Ansong /Yin Pengcheng /Neubig Graham
发表时间:2019/11/29
论文链接:https://paper.yanxishe.com/review/7900
推荐理由:该论文研究了如何结合弱监督和主动学习,以改进在弱监督下训练的人工智能解析器。实验结果显示,该方法可以提高解析器在不同数据集上的性能。
检测GAN产生的错误(Detecting GAN generated errors)
作者:Zhu Xiru /Che Fengdi /Yang Tianzi /Yu Tzuyang /Meger David /Dudek Gregory
发表时间:2019/12/2
论文链接:https://paper.yanxishe.com/review/7901
推荐理由: 本文提出了一种新的方法来检测GAN生成图片中的错误区域,这对于评估单个生成样本质量至关重要。此外,该方法能够作为单个图像质量指标使用,为理解GAN工作提供了新的视角。
十亿种方式抓取评估—抓取采样方案评估(A Billion Ways to Grasp: An Evaluation of Grasp Sampling Schemes)
作者: Eppner Clemens/Mousavian Arsalan/Fox Dieter
发表日期: 2019年12月11日
论文连接: https://paper.yanxishe.com/review/7902
推荐理由: 这篇文章回顾并比较了不同的抓取抽样策略,并利用物理仿真评估这些策略。实验结果显示,一些流行采样方案存在偏差,不够全面地覆盖物体可能被抓握的情况。
看、读和感觉—用多模态多任务学习作为广告理解基准测试
作者不详
发表日期不详
论文链接未提供
混合推理—更好利用混淆进行防御性攻击
提取城市水资源——结合深度学习与Google Earth Engine
面部合成从视觉属性到草稿使用多尺寸生成器
欢迎您继续关注Paper 研习社,每天都将为您更新最新的人工智能领域前沿学术论文!