今日 Paper | 模態(tài)平衡模型；組合語義分析；高表達性SQL查詢；多人姿態(tài)估計模型等

本文作者： AI研習(xí)社

2020-02-07 14:23

導(dǎo)語：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。

今日 Paper | 模態(tài)平衡模型；組合語義分析；高表達性SQL查詢；多人姿態(tài)估計模型等

視覺對話的模態(tài)平衡模型

論文名稱：Modality-Balanced Models for Visual Dialogue

作者：Kim Hyounghun /Tan Hao /Bansal Mohit

發(fā)表時間：2020/1/17

論文鏈接：https://paper.yanxishe.com/review/9325

推薦原因

這篇論文考慮的是視覺對話問題。

視覺對話任務(wù)需要一個模型來利用圖像和對話以生成針對當(dāng)前對話的下一個響應(yīng)。然而存在大量對話問題是不需要通過任何上下文歷史信息就可以根據(jù)查詢圖像而得以解答。這篇論文認為以往的聯(lián)合模式（歷史加圖像信息）模型過于依賴且更易記住對話歷史，而僅圖像模型更加具有通用性，并且在允許多個正確答案時表現(xiàn)更好。因此這篇論文鼓勵維護兩個模型，即僅圖像模型和圖像-歷史聯(lián)合模型，并將它們的互補能力結(jié)合起來以形成更平衡的多峰模型。這篇論文通過集成和共有參數(shù)的共識落差融合，提出了兩種方法用于這兩個模型的集成，并且在2019年視覺對話挑戰(zhàn)賽上取得了出色的成績。

對注意力的通用攻擊和對應(yīng)的數(shù)據(jù)集DAmageNet

論文名稱：Universal Adversarial Attack>作者：Chen Sizhe /He Zhengbao /Sun Chengjin /Huang Xiaolin

發(fā)表時間：2020/1/16

論文鏈接：https://paper.yanxishe.com/review/9324

這篇論文研究的是深度神經(jīng)網(wǎng)絡(luò)的對抗性攻擊。這篇論文提出了注意力集中攻擊（Attack _src="https://notecdn.yiban.io/cloud_res/79539/imgs/20-2-7_03:41:29.935_70700.png" style="max-width: 100%; border-style: solid; border-width: 0px; box-shadow: none; height: auto !important; visibility: visible !important;">

半結(jié)構(gòu)化表的組合語義分析

論文名稱：Compositional Semantic Parsing>作者：Panupong Pasupat /Percy Liang

發(fā)表時間：2015/1/24

論文鏈接：https://paper.yanxishe.com/review/9240

推薦原因

核心問題：本文完成的是一個問答系統(tǒng)

創(chuàng)新點：本文訓(xùn)練了一個語義分析器，首先將關(guān)系和實體從半結(jié)構(gòu)化HTML表中編碼。然后，系統(tǒng)分析問題成為覆蓋率高的候選邏輯形式語法，用對數(shù)線性重新排列候選項模型，然后執(zhí)行得分最高的邏輯形式來產(chǎn)生答案的表示

研究意義：作者構(gòu)建了一個數(shù)據(jù)集，在這個數(shù)據(jù)集的效果證實了，這種方法比傳統(tǒng)的基準模型要好。

從輸入輸出示例合成高表達性SQL查詢

論文名稱：Synthesizing Highly Expressive SQL Queries from Input-Output Examples

作者：Chenglong Wang /Alvin Cheung /Rastislav Bodik

發(fā)表時間：2017/1/5

論文鏈接：https://paper.yanxishe.com/review/9239

推薦原因

核心問題：SQL語言具有特定的語法結(jié)構(gòu)，這就導(dǎo)致要想熟練使用SQL語言需要較高的門檻，本論文就是解決這個問題，

創(chuàng)新點：本論文開發(fā)一種如下的方式：

新的抽象-抽象查詢語言-分解原來具有挑戰(zhàn)性的綜合問題。

這種語言中的抽象查詢在語法上類似于SQL查詢，但篩選器謂詞替換為可以用任何有效謂詞?？偟膩碚f就是分為兩個過程，第一個過程是可能實例化為SQL的抽象查詢。第二個過程是為每個合成抽象查詢，將其實例化為所需的SQL查詢并將頂級候選項返回給用戶。

研究意義：自從抽象查詢中的運算符不再由參數(shù)化謂詞，抽象查詢的搜索空間顯著比原來的減少了

DeeperCut: 一種更深入,更強,更快速的多人姿態(tài)估計模型

論文名稱：DeeperCut: A Deeper, Stronger, and Faster Multi-Person Pose Estimation Model

作者：Insafutdinov Eldar /Pishchulin Leonid /Andres Bjoern /Andriluka Mykhaylo /Schiele Bernt

發(fā)表時間：2016/5/10

論文鏈接：https://paper.yanxishe.com/review/9238

推薦原因

研究目標：多人場景中提高關(guān)節(jié)姿態(tài)估計的技術(shù)水平

改進了DeepCut

(1)改進的體部檢測器，為體部生成有效的自底向上的建議;

(2)新穎的、以圖像為條件的成對術(shù)語，允許將建議組合成數(shù)量可變的、一致的身體部分配置;

(3)增量優(yōu)化策略，更有效地探索搜索空間，從而導(dǎo)致更好的性能和顯著的加速因素。

在兩個單人和兩個多人位姿估計基準上進行評估。該方法顯著優(yōu)于最著名的多人姿態(tài)估計結(jié)果，同時在單人姿態(tài)估計任務(wù)中表現(xiàn)出了較強的競爭能力。

模型和代碼可以從http://pose.mpi-inf.mpg.de獲得

ECCV 2016

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”