今日 Paper | 旋轉(zhuǎn)不變混合圖形模型網(wǎng)絡(luò)；人體移動(dòng)軌跡；行人再識(shí)別；基準(zhǔn)成像系統(tǒng)等

本文作者： AI研習(xí)社

2020-02-17 16:11

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。

用于二維手勢估計(jì)的旋轉(zhuǎn)不變混合圖形模型網(wǎng)絡(luò)
從人體移動(dòng)軌跡中學(xué)習(xí)具有空間層次的細(xì)粒度位置嵌入
中等服裝變化下基于輪廓草圖的行人再識(shí)別
基準(zhǔn)成像系統(tǒng)的綜合數(shù)據(jù)庫
基于雙向語言模型的半監(jiān)督序列標(biāo)注

用于二維手勢估計(jì)的旋轉(zhuǎn)不變混合圖形模型網(wǎng)絡(luò)

論文名稱：Rotation-invariant Mixed Graphical Model Network for 2D Hand Pose Estimation

作者：Kong Deying /Ma Haoyu /Chen Yifei /Xie Xiaohui

發(fā)表時(shí)間：2020/2/5

論文鏈接：https://paper.yanxishe.com/review/10869?from=leiphonecolumn_paperreview0217

推薦原因

這篇論文發(fā)表于WACV 2020，考慮的是二維手姿勢估計(jì)問題。

這篇論文提出了一種名為旋轉(zhuǎn)不變混合圖形模型網(wǎng)絡(luò)（R-MGMN）的網(wǎng)絡(luò)架構(gòu)，用來解決單攝像頭采集的RGB圖像中的二維手姿勢估計(jì)問題。通過集成一個(gè)旋轉(zhuǎn)網(wǎng)絡(luò)，R-MGMN可以應(yīng)對(duì)圖像中手的旋轉(zhuǎn)。R-MGMN還具有一個(gè)圖形模型庫，可以根據(jù)輸入圖像來選擇圖形模型的組合。R-MGMN通過在每個(gè)圖形模型上執(zhí)行置信傳播來生成一組邊際分布，然后將這些邊際分布作為手部關(guān)鍵點(diǎn)位置的置信度映射，最終所有的置信度映射合在一起得到最終的置信度映射。這篇論文在兩個(gè)公共手勢數(shù)據(jù)集上評(píng)估了R-MGMN，實(shí)驗(yàn)結(jié)果表明R-MGMN明顯優(yōu)于其他的算法。

今日 Paper | 旋轉(zhuǎn)不變混合圖形模型網(wǎng)絡(luò)；人體移動(dòng)軌跡；行人再識(shí)別；基準(zhǔn)成像系統(tǒng)等

從人體移動(dòng)軌跡中學(xué)習(xí)具有空間層次的細(xì)粒度位置嵌入

論文名稱：Learning Fine Grained Place Embeddings with Spatial Hierarchy from Human Mobility Trajectories

作者：Shimizu Toru /Yabe Takahiro /Tsubouchi Kota

發(fā)表時(shí)間：2020/2/6

論文鏈接：https://paper.yanxishe.com/review/10868?from=leiphonecolumn_paperreview0217

推薦原因

這篇論文考慮的是位置嵌入問題。

以往的研究通過人員流動(dòng)軌跡來生成位置嵌入，而實(shí)際應(yīng)用需要具有高空間分辨率的位置嵌入。由于數(shù)據(jù)稀疏性，許多應(yīng)用不得不降低空間分辨率，從而導(dǎo)致位置嵌入質(zhì)量的降低。為了解決這個(gè)問題，這篇論文提出了一種生成細(xì)粒度位置嵌入的方法，根據(jù)觀察到的數(shù)據(jù)點(diǎn)的局部密度來利用空間層次信息?；谌毡?個(gè)城市的真實(shí)世界軌跡數(shù)據(jù)，這篇論文實(shí)驗(yàn)了下一個(gè)位置的預(yù)測任務(wù)，驗(yàn)證了所提的位置嵌入方法的有效性。

中等服裝變化下基于輪廓草圖的行人再識(shí)別

論文名稱：Person Re-identification by Contour Sketch under Moderate Clothing Change

作者：Yang Qize /Wu Ancong /Zheng Wei-Shi

發(fā)表時(shí)間：2020/2/6

論文鏈接：https://paper.yanxishe.com/review/10867?from=leiphonecolumn_paperreview0217

推薦原因

這篇論文要解決的是行人重識(shí)別問題。

與以往只考慮同一個(gè)著裝的行人重識(shí)別問題不同，這篇論文定義了跨服飾行人重識(shí)別問題，即在不同著裝下的行人重識(shí)別任務(wù)。這篇論文考慮的是在短時(shí)間內(nèi)，天氣沒有變化，因此行人穿著的衣服的厚度沒有大的變化，從而通過處理行人圖像的輪廓草圖，而不是通過衣服的顏色信息，來提取特征。這種方式可以對(duì)于服飾的變化更加魯棒。這篇論文還為了這個(gè)問題建了一個(gè)來自221個(gè)行人的包含33698張圖像的數(shù)據(jù)集。通過在新數(shù)據(jù)集上的實(shí)驗(yàn)，這篇論文驗(yàn)證了所提方法的有效性。

基準(zhǔn)成像系統(tǒng)的綜合數(shù)據(jù)庫

論文名稱：A Comprehensive Database for Benchmarking Imaging Systems

作者：Karen Panetta /Qianwen Wan /Sos Agaian /Srijith Rajeev /Shreyas Kamath /Rahul Rajendran /Shishir Paramathma Rao /Aleksandra Kaszowska /Holly A. Taylor / Arash Samani /Xin Yuan

發(fā)表時(shí)間：2018/11/30

論文鏈接：https://paper.yanxishe.com/review/10866?from=leiphonecolumn_paperreview0217

推薦原因

這篇論文貢獻(xiàn)了Tufts大學(xué)收集的人臉數(shù)據(jù)庫，包含了來自15個(gè)以上國家/地區(qū)的113位個(gè)人的10,000多張圖像，包含了不同的性別身份、年齡和種族背景。這些人臉圖像是從Tufts大學(xué)的學(xué)生、教職員工及其家屬那里采集的，能夠?yàn)槿四樧R(shí)別相關(guān)的研究提供更加魯棒的算法測試。同時(shí)這篇論文也回顧了目前已有的其他人臉識(shí)別相關(guān)的數(shù)據(jù)集。

基于雙向語言模型的半監(jiān)督序列標(biāo)注

論文名稱：Semi-supervised sequence tagging with bidirectional language models

作者：Matthew E. Peters /Waleed Ammar /Chandra Bhagavatula /Russell Power

發(fā)表時(shí)間：2017/4/29

論文鏈接：https://paper.yanxishe.com/review/10865?from=leiphonecolumn_paperreview0217

推薦原因

本文解決的問題：本論文是針對(duì)訓(xùn)練語料不足的問題，解決這個(gè)問題的核心就是使用遷移學(xué)習(xí)的思想以及半監(jiān)督的方式。

創(chuàng)新點(diǎn)：該論文使用海量無標(biāo)注語料庫訓(xùn)練了一個(gè)雙向神經(jīng)網(wǎng)絡(luò)語言模型，然后使用這個(gè)訓(xùn)練好的語言模型來獲取當(dāng)前要標(biāo)注詞的語言模型向量（LM embedding），然后將該向量作為特征加入到原始的雙向RNN-CRF模型中。

研究意義：實(shí)驗(yàn)結(jié)果表明，在少量標(biāo)注數(shù)據(jù)上，加入這個(gè)語言模型向量能夠大幅度提高NER效果，即使在大量的標(biāo)注訓(xùn)練數(shù)據(jù)上，加入這個(gè)語言模型向量仍能提供原始RNN-CRF模型的效果。

論文作者團(tuán)隊(duì)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(diǎn)」，通過論文整理推薦、點(diǎn)評(píng)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(rèn)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(tuán)隊(duì)。

加入論文作者團(tuán)隊(duì)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(huì)門票福利、獨(dú)家周邊紀(jì)念品等等等。

加入論文作者團(tuán)隊(duì)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(tuán)隊(duì)，可以添加運(yùn)營小姐姐的微信，備注“論文兼職作者”