互联网最新资讯Paper 研习社每日精选论文推荐 1230
在Paper 研习社每日精选栏目中，我们为您带来最新的互联网资讯，旨在提供权威和深入的学术论文推荐。以下是今日精选内容：
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，高质量的生成图像已经能够欺骗人类视觉系统。尽管现有的检测方法可以识别某些类型的生成图像，但它们无法应对不断涌现的新型图像。因此，本文提出了一种基于深度度量学习的可扩展多类别分类框架，以更好地分类生成图像。此外，该框架增加了可伸缩性以应对不断增长的新型数据，并通过微调优化模型性能。
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：语析器将自然语言命令映射到执行意愿表示，然后在特定环境下执行以获得所需结果。然而，全监督训练需要昂贵的人工注释，而弱监督方法虽然成本较低但难以避免错误答案。本文研究了弱监督与主动学习之间的一致性，以改进弱监督训练模型。在两个不同的数据集上评估了其有效性，显示仅通过少量额外注释即可显著提高性能。
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: 虽然GAN已能产生非常逼真的图片，但鉴别器仍难以评估单个样本质量。这是因为评估任务不同于确定真伪。本文提出一种新的方法检测错误区域，利用实际与生成图片比较计算每个像素属于真实还是假分布。此外，它利用注意力建立远程依赖模型，这允许局部合理但整体错误被检测出。实验结果显示基于该指标排名与FID有显著相关性，为选择最佳样本提供了解决方案。
A Billion Ways to Grasp: An Evaluation of Grasp Sampling Schemes>
作者:Eppner Clemens/Mousavian Arsalan/Fox Dieter
发表时间:2019年12月11日
论文链接:https://paper.yanxishe.com/review/7902
推荐理由:机器人抓取通常被公式化为学习问题。在物理仿真速度和质量提高的情况下，大规模抓取数据集变得越来越流行。但如何生成这些数据集中的抓握信息一直是一个常被忽略的问题。本篇文章回顾并比较了不同抓握抽样策略，其评价基于SE(3)细粒度离散化，并使用物理模拟评估相应平行下颌抓握品质和鲁棒性。实验结果显示，一些流行采样方案包含很大的偏差，而且没有覆盖所有可能方式去把握物体.
欢迎关注Paper 研习社，每天都有更多关于人工智能、计算机视觉、自然语言处理等前沿学术论文供您参考！
