精選NLP、CV領域論文TOP10

來源：PaperDaily

本文長度為2200字，建議閱讀6分鐘

本文為你盤點近期值得關注的NLP、CV領域相關論文。

自然語言處理

01

Knowledge Graph Embedding: A Survey of Approaches and Applications

@jerryshi 推薦

#Knowledge Graph

本文對當下流行的 Knowledge Graph Eembedding 進行匯總，主要介紹了兩大類，Translational Distance Models 和 Semantic Matching Models，簡要敘述了每中方式下的演算法。最後又給出了 KG Embedding 的一些應用，包括 KG 內部知識補全及外部的關係抽取、QA、推薦等。

論文鏈接：

https://www.paperweekly.site/papers/1425

02

Parallel WaveNet: Fast High-Fidelity Speech Synthesis

@wuhecong 推薦

#Deep Learning

DeepmMind 17 年 11 月份的論文，wavenet 的改良版本，實現了並行文本轉語音。可以和百度的 Deep Voice 3 對比一下。

論文鏈接

https://www.paperweekly.site/papers/1416

03

Deconvolutional Latent-Variable Model for Text Sequence Matching

@zhangjianhai 推薦

#Sentence Matching

利用 Convolution encoder - Deconvolution decoder 學習句子的語義表示，將 cnn-deconv 框架用於文本匹配任務中，如 Text Entailment、Paraphrase Identification 任務中，generation 和 discriminative 共同訓練，提升特定任務的效果。

該論文方法優勢是可以利用 unlabeled 數據幫助學習句子表示，當數據不足時非常有效，隨著標註數據的增加，優勢逐漸減小。

論文鏈接

https://www.paperweekly.site/papers/1387

04

Exploring the Effectiveness of Convolutional Neural Networks for Answer Selection in End-to-End Question Answering

@longquan 推薦

#QA System

本文嘗試探索了從整個端到端問答系統的流程的角度去衡量卷積神經網路對於答案選擇任務的有效性。使用的數據集是標準的 TrecQA 數據集。

論文鏈接

https://www.paperweekly.site/papers/1400

05

Attention-based LSTM for Aspect-level Sentiment Classification

@applenob 推薦

#Sentiment Classification

使用基於 Attention 的 LSTM 解決細粒度的情感分析問題，在 SemEval 2014 上取得 state-of-art 的結果。

論文鏈接

https://www.paperweekly.site/papers/1359

計算機視覺

06

Learning a Wavelet-like Auto-Encoder to Accelerate Deep Neural Networks

@Aidon 推薦

#Neural Networks

文章提出一種加速 DNNs 的新方法（WAE: wavelet-like auto-encoder）來克服現有方法中存在的一個主要問題：如何保證網路加速而又不損失網路性能。

MAE 藉助小波的思想，在 encoding 階段利用 CNNs 分別提取圖像的低頻分量和高頻分量，在 decoding 階段利用這兩個分量恢復出原始圖像。

訓練好 MAE 之後，可以用於提取圖像的低頻分量和高頻分量，比如在圖像分類任務中，將低頻分量輸入到標準的分類 DNNs（如 VGG-16，ResNet）中，然後與高頻分量融合後一起用於分類。

這裡提高效率的關鍵在於，相比於原始圖像，提取的低頻分量和高頻分量都是低分率（原始圖像的 1/4）的。

論文鏈接

https://www.paperweekly.site/papers/1413

07

Targeted Backdoor Attacks on Deep Learning Systems Using Data Poisoning

@snowwalkerj 推薦

#Face Recognition

在不直接接觸模型和訓練樣本的前提下，只使用極少量的「污染樣本」來迷惑模型，達到攻擊（偽裝）指定類別的目的。攻擊者可以通過佩戴特定的裝飾來達到把自己偽裝成某個特定目標的目的。

論文鏈接

https://www.paperweekly.site/papers/1384

08

Data Distillation: Towards Omni-Supervised Learning

@corenel 推薦

#Unsupervised Learning

本文來自 Facebook AI Research，提出了一種利用單一模型來 ensemle 不同 encoded features 來進行 self=training 的方法，就結果上來說很不錯，值得一看。

論文鏈接

https://www.paperweekly.site/papers/1380

09

Toward Multimodal Image-to-Image Translation

@duinodu 推薦

#Image-to-image Translation

在很多 image-to-image 問題中，one-to-many 是大部分情況，而一般方法比如 pix2pix，僅僅能產生 one-to-one 的結果，但似乎 one-to-many 更符合常理。比如一張灰色的圖，對應的彩色圖片應該有很多種方式，不僅僅是一種。

困難在於，GAN 總是會讓 G 產生某幾種固定的模式輸出，而如果簡單地在輸入加隨機雜訊，G 會在 D 的判別下，忽略隨機雜訊的作用，還是會有 mode collapse 問題。

文章提出一種 bicycle 的方式，顯式地對隱含變數 z 進行表示，處理 one-to-many 中的 mode collapse 問題。

論文鏈接

https://www.paperweekly.site/papers/1373

10

Video Object Segmentation with Re-identification

@chenhong 推薦

#Video Object Segmentation

傳統的視頻分割方法依賴於生成掩膜的時間連續性，但是無法處理目標丟失或目較大的位移等情況。

論文為了克服這些問題，提出視頻對象分割與重新識別（ Video Object Segmentation with Re-identification，VSReID），包括掩碼生成模塊和 ReID 模塊（Person re-identification，ReID，既給定一個監控行人圖像，跨設備檢索行人的圖像）。

前者通過 flow warping 生成初始化概率圖，後者自適應匹配檢索丟失的目標實體。通過通過兩個模塊的迭代應用，本文的模型在 DAVIS-2017 取得冠軍，驗證了演算法的性能。

論文鏈接

https://www.paperweekly.site/papers/1398

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！