谷歌等祭出圖像語義理解分割神器，PS再也不用專業設計師！

谷歌等祭出圖像語義理解分割神器，PS再也不用專業設計師！

密歇根大學和谷歌大腦的研究人員合作，提出了一種圖像語義分層處理框架，可以實現像素級別的圖像語義理解和操縱，在圖像中任意添加、改變、移動對象，並與原圖渾然一體，實現真正的「毫無PS痕迹」。這多虧了密歇根大學和谷歌大腦的研究人員，他們提出了一種新的圖像語義處理分層框架，首先根據圖像中給定對象的邊界框，學習生成像素級語義標籤地圖（pixel-wise semantic label maps），然後根據這個地圖再生成新的圖像。

機器翻譯新突破！「普適注意力」模型：概念簡單參數少，性能大增

最近，研究人員提出了一種名為「普適注意力」的新翻譯模型，用2D卷積網路做序列預測，無論長句短句翻譯結果都更好，使用的參數也更少。實驗表明，新模型的總體表現優於目前最出色的解碼器-編碼器模型系統。該方法於跨兩個序列的單個2D卷積神經網路。網路的每一層都根據當前的輸出序列重新編碼源令牌。因此，類似注意力的屬性在整個網路中普遍存在。我們的模型在實驗中表現出色，優於目前最先進的編碼器-解碼器系統，同時在概念上更簡單，參數更少。

Neuromation新研究：利用卷積神經網路進行兒童骨齡評估

近日，Neuromation 團隊在 Medium 上撰文介紹其最新研究成果：利用卷積神經網路（CNN）評估兒童骨齡，這一自動骨齡評估系統可以得到與放射科專家相似或更好的結果。該團隊評估了手骨不同區域，發現僅對掌骨和近端指骨進行評估，得到的結果與對整個手骨進行評估的結果相差無幾。為了克服放射圖像的質量和多樣性問題，該團隊引入了嚴格的清理和標準化過程，以增強模型的魯棒性和準確率，提升骨齡評估的準確率、提高結果的可復現性以及臨床醫生的效率。

港科騰訊等提出Bi-Real net：超XNOR-net 10%的ImageNet分類精度

ApolloScape ECCV 2018 挑戰賽報名即將截止，三大任務等你來戰

9 月 8 日至 14 日，計算機視覺歐洲大會 ECCV 2018（European Conference on Computer Vision）將在德國慕尼黑召開，該會議與 CVPR、ICCV 共稱為計算機視覺領域三大頂級學術會議。此次 ApolloScape 挑戰賽以解決潛在的計算機視覺問題為挑戰，賽事主要包括基於視覺的細粒度車道標記分割、實時自定位及 3D 汽車實例了解3 大內容。所有參賽者都將基於 ApolloScape 提供的數據集進行挑戰。

來源：新智元、機器之心、AI科技評論等。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！