今日 Paper | 可視問答模型；神經(jīng)風(fēng)格差異轉(zhuǎn)移；圖像壓縮系統(tǒng) ；K-SVD圖像去噪等

本文作者： AI研習(xí)社-譯站

2020-02-11 15:30

導(dǎo)語：目錄準(zhǔn)確性與復(fù)雜性：可視問答模型中的一種權(quán)衡神經(jīng)風(fēng)格差異轉(zhuǎn)移及其在字體生成中的應(yīng)用基于GAN的可調(diào)整的圖像壓縮系統(tǒng)基于原始-對偶活動集算

今日 Paper | 可視問答模型；神經(jīng)風(fēng)格差異轉(zhuǎn)移；圖像壓縮系統(tǒng) ；K-SVD圖像去噪等

準(zhǔn)確性與復(fù)雜性：可視問答模型中的一種權(quán)衡
神經(jīng)風(fēng)格差異轉(zhuǎn)移及其在字體生成中的應(yīng)用
基于GAN的可調(diào)整的圖像壓縮系統(tǒng)
基于原始-對偶活動集算法的K-SVD圖像去噪
神經(jīng)閱讀理解與超越

準(zhǔn)確性與復(fù)雜性：可視問答模型中的一種權(quán)衡

論文名稱：Accuracy vs. Complexity: A Trade-off in Visual Question Answering Models

作者：Farazi Moshiur R. /Khan Salman H. /Barnes Nick

發(fā)表時間：2020/1/20

論文鏈接：https://paper.yanxishe.com/review/9627?from=leiphonecolumn_paperreview0211

推薦原因

這篇論文考慮的是視覺問答的問題。

為了驗證AI的推理能力，視覺問答（Visual Question Answering，VQA）被用作一種視覺圖靈測試。現(xiàn)有VQA模型的關(guān)鍵是將圖像的視覺特征與給定問題的語義特征相結(jié)合而學(xué)習(xí)到聯(lián)合嵌入。大量的研究聚焦于利用視覺注意力機制來設(shè)計復(fù)雜的聯(lián)合嵌入策略，以有效捕捉視覺與語義間的交互作用。但是，在高維空間構(gòu)建視覺與語義特征計算量極大，模型越來越復(fù)雜，對VQA準(zhǔn)確率帶來的提升卻很小。這篇論文系統(tǒng)地研究了模型復(fù)雜度和性能兩方面的折中策略，并且特別關(guān)注了這些模型在多模態(tài)融合方面的效果。通過實驗，這篇論文給出了如何優(yōu)化以降低復(fù)雜性和如何優(yōu)化以實現(xiàn)當(dāng)前最佳VQA性能的提升這兩個方面的建議。

神經(jīng)風(fēng)格差異轉(zhuǎn)移及其在字體生成中的應(yīng)用

論文名稱：Neural Style Difference Transfer and Its Application to Font Generation

作者：Atarsaikhan Gantugs /Iwana Brian Kenji /Uchida Seiichi

發(fā)表時間：2020/1/21

論文鏈接：https://paper.yanxishe.com/review/9626?from=leiphonecolumn_paperreview0211

推薦原因

這篇論文了介紹一種自動創(chuàng)建字體的方法，找到兩種不同字體之間的字體樣式差異，并使用神經(jīng)樣式轉(zhuǎn)移將其轉(zhuǎn)換為另一種字體。這篇論文提出了一種新的神經(jīng)風(fēng)格差異和內(nèi)容差異損失神經(jīng)風(fēng)格轉(zhuǎn)移方法。根據(jù)這些損失，可通過在字體中添加或刪除字體樣式來生成新字體。基于各種輸入字體組合的實驗結(jié)果，這篇論文還討論了所提方法的局限性和未來的工作。

基于GAN的可調(diào)整的圖像壓縮系統(tǒng)

論文名稱：A GAN-based Tunable Image Compression System

作者：Wu Lirong /Huang Kejie /Shen Haibin

發(fā)表時間：2020/1/18

論文鏈接：https://paper.yanxishe.com/review/9625?from=leiphonecolumn_paperreview0211

推薦原因

這篇論文考慮的是圖像壓縮的問題。

在基于深度神經(jīng)網(wǎng)絡(luò)的有損圖像壓縮中，重要性圖方法被廣泛應(yīng)用，以根據(jù)圖像內(nèi)容的重要性來實現(xiàn)比特分配，然而這種方法容易出現(xiàn)嚴重失真。這篇論文提出使用生成對抗網(wǎng)絡(luò)重構(gòu)非重要區(qū)域，將多尺度金字塔分解方法應(yīng)用于編碼器和判別器，以實現(xiàn)高分辨率圖像的全局壓縮。同時這篇論文還提出了一種可調(diào)整的壓縮方案，將圖像壓縮為任何特定的壓縮率，而無需重新訓(xùn)練模型。實驗結(jié)果表明，與最新的基于GAN的方法相比，這篇論文提出的方法在MS-SSIM數(shù)據(jù)集實現(xiàn)了10.3％以上的改進。

基于原始-對偶活動集算法的K-SVD圖像去噪

論文名稱：Image denoising via K-SVD with primal-dual active set algorithm

作者：Xiao Quan /Wen Canhong /Yan Zirui

發(fā)表時間：2020/1/19

論文鏈接：https://paper.yanxishe.com/review/9624?from=leiphonecolumn_paperreview0211

推薦原因

這篇論文改進了用于圖像去噪的K-SVD算法。在K-SVD的稀疏編碼步驟中，一旦噪音等級變高，尋找貪心近似解的效果就下降了。這篇論文提出了一種新的名為K-SVD_P的框架，加入了原始對偶有效集（Primal-Dual Active Set，PDAS）算法。K-SVD_P與基于貪心算法的K-SVD不同，發(fā)展出一套利用KKT條件的選擇策略，并在稀疏編碼階段產(chǎn)生有效的更新。由于K-SVD_P使用簡單的顯式表達式來迭代地尋找對偶問題的等效解決方案，可以在去噪的速度與質(zhì)量上取得更好的效果。論文中的實驗也驗證了K-SVD_P的降噪性能。

神經(jīng)閱讀理解與超越

論文名稱：NEURAL READING COMPREHENSION AND BEYOND

作者：Danqi Chen

發(fā)表時間：2019/12/21

論文鏈接：https://paper.yanxishe.com/review/9622?from=leiphonecolumn_paperreview0211

推薦原因

這篇論文是陳丹琦的博士論文，作為nlp領(lǐng)域的大牛，這篇文章很是優(yōu)秀推薦給大家，這篇論文已經(jīng)成為了NLP研究者的必讀論文，這篇論文難得可貴的是向nlp研究者們展示了，如何在研究過程中面對挑戰(zhàn)解決問題。

這篇論文可以看作是綜述類文章，里面既有其它人的研究，也有自己的研究，推薦大家閱讀。

論文作者團隊招募

為了更好地服務(wù)廣大 AI 青年，AI 研習(xí)社正式推出全新「論文」版塊，希望以論文作為聚合 AI 學(xué)生青年的「興趣點」，通過論文整理推薦、點評解讀、代碼復(fù)現(xiàn)。致力成為國內(nèi)外前沿研究成果學(xué)習(xí)討論和發(fā)表的聚集地，也讓優(yōu)秀科研得到更為廣泛的傳播和認可。

我們希望熱愛學(xué)術(shù)的你，可以加入我們的論文作者團隊。

加入論文作者團隊你可以獲得

1.署著你名字的文章，將你打造成最耀眼的學(xué)術(shù)明星

2.豐厚的稿酬

3.AI 名企內(nèi)推、大會門票福利、獨家周邊紀念品等等等。

加入論文作者團隊你需要：

1.將你喜歡的論文推薦給廣大的研習(xí)社社友

2.撰寫論文解讀

如果你已經(jīng)準(zhǔn)備好加入 AI 研習(xí)社的論文兼職作者團隊，可以添加運營小姐姐的微信，備注“論文兼職作者”

今日 Paper | 可視問答模型；神經(jīng)風(fēng)格差異轉(zhuǎn)移；圖像壓縮系統(tǒng) ；K-SVD圖像去噪等