上海交大招生办解读最新高招Paper 研习社每日精选论文推荐1230
Paper 研习社每日精选论文推荐1230
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：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，旨在对生成图像进行更好的分类。该框架增加了可伸缩性，以应对不断涌现的新型生成图像，并通过微调使模型对新型生成数据获得更好的检测性能。
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：这篇文章研究了弱监督与主动学习之间的交集，使得学习者可以主动选择示例并查询人工注释作为额外的监督，以改进在弱监督下训练的模型。实验结果显示，在两个不同的数据集上，通过仅注释1.8％的示例，可以提高准确率到79.0%，接近充分监督下的性能。
Detecting GAN generated errors with Attention-based Wasserstein Distance Metrics
作者：Zhu Xiru / Che Fengdi / Yang Tianzi / Yu Tzuyang / Meger David / Dudek Gregory
发表时间: 2019-12-02
论文链接: https://paper.yanxishe.com/review/7901
推荐理由: 这篇文章提出了一个新的方法来检测GAN产生错误的地方。这一方法将实际图像与生成图像进行比较，为每个像素计算其属于真实分布还是生成分布。此外，它利用注意力建立远程依赖模型，这允许检测局部合理但不是整体上的错误。
A Billion Ways to Grasp: An Evaluation of Grasp Sampling Schemes >>
作者：Eppner Clemens, Mousavian Arsalan, Fox Dieter;
发表日期2020年3月15日;
论文链接https://paper.yanxishe.com/review/7902;
推广原因：
本文回顾和比较了不同抓取抽样策略，并且基于SE（3）的细粒度离散化，以及使用物理模拟评估相应平行下颌抓握质量和鲁棒性。
本文发现一些流行采样方案包含偏差，而且没有涵盖所有可能方式去抓住物体。
