体育爱好者每日精读最新论文探索运动科技与健康生活方式
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：随着技术的发展，生成图像质量越来越高，甚至难以区分真实和伪造。为了应对这种情况，研究人员提出了一种基于深度度量学习的可扩展多分类框架，以更好地识别生成图像。此外，该框架增加了可伸缩性，以适应不断涌现的新型生成图像，并且通过微调使模型对新型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：“语析器”将自然语言命令映射到执行表示，然后在特定环境中执行这些操作。虽然全监督训练需要领域专家注释，但这成本很高。相反，弱监督训练只使用成对的NL和预期MR，这使得MR变得隐蔽。为了弥合这一差距，本文研究了弱监督与主动学习之间的交集，使学习者可以选择示例并查询人工注释作为额外指导。
检测GAN产生错误Detecting GAN generated errors
作者：Zhu Xiru /Che Fengdi /Yang Tianzi /Yu Tzuyang /Meger David /Dudek Gregory
发表时间：2019年12月2日
论文链接: https://paper.yanxishe.com/review/7901
推荐理由:尽管GAN能够创造出令人印象深刻的图片，但鉴别器仍然难以评估单个生成样本的质量。本文提出一种方法来检测错误区域，并通过注意力建立远程依赖模型。这允许局部合理但整体上有误的情况得到检测。
十亿种抓取方式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一个学习问题。本篇文章回顾并比较不同的抓取抽样策略，并使用基于物理仿真的模拟来评估这些策略在平行下颌抓握中的质量和鲁棒性。这项工作显示了一些流行采样方案包含很大的偏差，没有覆盖所有可能捕捉物体的手势。
8.Look, Read and Feel: Benchmarking Ads Understanding with Multimodal Multitask Learning
* 由于篇幅限制，我们将其省略展示。但是，它关注于广告理解，在该领域进行基准测试，同时利用多模态多任务学习方法进行分析。
