今日 Paper | 多人線性模型；身體捕捉；會話問答；自然語言解析；神經(jīng)語義

本文作者： AI研習社

2020-02-05 15:04

導語：為了更好地服務廣大 AI 青年，AI 研習社正式推出全新「論文」版塊

對話到行動：大型知識庫的會話問答

論文名稱：Dialog-to-Action: ConversationalQuestion Answering Over a Large-Scale Knowledge Base

作者：DayaGuo /DuyuTang /NanDuan /MingZhou /JianYin

發(fā)表時間：2018/9/13

論文鏈接：https://paper.yanxishe.com/review/9232

推薦原因：核心問題：本文構(gòu)建了一個對話管理系統(tǒng)，是一個基于知識圖譜的問答系統(tǒng)。

創(chuàng)新點：對話管理中的一個核心就是語義解析，本文提出了一種將自然語言轉(zhuǎn)成邏輯表達形式的方法，引入了一個對話框內(nèi)存管理組件，該組件在為當前對話生成邏輯表單時利用歷史實體、謂詞和操作子序列。為了避免訓練期間在大規(guī)模知識庫上重復執(zhí)行的耗時情況，提前進行廣度優(yōu)先搜索算法，以獲得能夠產(chǎn)生正確答案的話語對及其動作序列，通過最大化產(chǎn)生預期動作序列的可能性來學習該模型。它可以很好的解決上下指代以及外來詞的情況

研究意義：這種模型和其它的模型比較有很大的優(yōu)勢，取得了很好的效果，這里給我的啟發(fā)還有一點就是要融入更多的信息來做下游的任務。

今日 Paper | 多人線性模型；身體捕捉；會話問答；自然語言解析；神經(jīng)語義

從用戶反饋學習的自然語言解析

論文名稱：Learning a Neural Semantic Parser from User Feedback

作者：SrinivasanIyer /IoannisKonstas /AlvinCheung

發(fā)表時間：2017/4/27

論文鏈接：https://paper.yanxishe.com/review/9231

推薦原因

核心問題：這篇論文是做語義解析的，核心是將自然語言轉(zhuǎn)成計算機可以理解并執(zhí)行的SQL語言的生成

創(chuàng)新點：本論文提出了一種快速而容易地為新域構(gòu)建數(shù)據(jù)庫自然語言接口的方法，搭建了一個端到端的神經(jīng)序列模型，將自然語言直接轉(zhuǎn)換為SQL表示。然后將模型進行在線學習，通過線上部署，從而直接獲取到用戶的反饋，之后使用這個反饋來改善模型的效果

研究意義：實驗表明，這種方法可以快速部署到任何一個新的目標域，比如從頭開始為在線學術數(shù)據(jù)庫獲取語義解析器。

神經(jīng)語義的數(shù)據(jù)重組模型

論文名稱：Data Recombination for Neural Semantic Parsing

作者：Robin Jia /Percy Liang

發(fā)表時間：2016/6/11

論文鏈接：https://paper.yanxishe.com/review/9230

推薦原因

核心問題：這是一篇做語義解析的任務，這也是nlp領域中最重要的領域之一，如何理解一句話，從而完成下游的任務是解決問題的關鍵所在。

創(chuàng)新點：這篇論文中作者提出了一種新的框架模型，為了建立清晰的邏輯規(guī)則，它將先驗知識注入到模型中，從而得到高精度的語義表示，然后促進下游任務，下游是一個通用模型，基于注意力的復制機制的RNN模型。

研究意義：數(shù)據(jù)重組提高了作者的RNN模型在三個語義分析數(shù)據(jù)集上的準確性，從而使具有可比監(jiān)督的模型在標準GeoQuery數(shù)據(jù)集上獲得了最新的性能。

SMPL-X: 表現(xiàn)力身體捕捉: 從一個單一的形象獲取手，臉，和身體

論文名稱：Expressive Body Capture: 3D Hands, Face, and Body from a Single Image

作者：Pavlakos Georgios /Choutas Vasileios /Ghorbani Nima /Bolkart Timo /Osman Ahmed A. A. /Tzionas Dimitrios /Black Michael J.

發(fā)表時間：2019/4/11

論文鏈接：https://paper.yanxishe.com/review/9227

推薦原因

SMPL-X: 從單個單眼圖像中計算出人體姿勢，手勢和面部表情的3D模型。該模型可以通過完整細節(jié)的手和表情豐富的面孔來擴展SMPL。

該論文通過以下幾種重要方式對SMPLify進行了改進：

該論文檢測與臉部，手部和腳部相對應的2D特征，并將完整的SMPL-X模型擬合到這些特征上；

該論文使用大型MoCap數(shù)據(jù)集訓練新的神經(jīng)網(wǎng)絡姿態(tài)；

該論文定義了一種既快速又準確的互穿罰分；

該論文自動檢測性別和適當?shù)纳眢w模型（男性，女性或中性）；

評估了一個新的策劃數(shù)據(jù)集的3D準確性

https://smpl-x.is.tue.mpg.de上獲取模型，代碼和數(shù)據(jù)以用于研究。

SMPL: 一個蒙皮的多人線性模型

論文名稱：SMPL: A Skinned Multi-Person Linear Model

作者：Matthew Loper /Naureen Mahmood /Javier Romero /Gerard Pons-Moll /Michael J. Black

發(fā)表時間：2015/10/1

論文鏈接：https://paper.yanxishe.com/review/9226

推薦原因

提出了一種新的人體形狀和位置相關形狀變化的學習模型，該模型比以前的模型更精確，并且與現(xiàn)有的圖形管道兼容。蒙皮多人線性模型(SMPL)是一種基于蒙皮頂點的模型，它可以準確地表示人體自然姿態(tài)中的各種體型。模型的參數(shù)從數(shù)據(jù)中學習，包括rest位姿模板、混合權重、位置相關混合形狀、身份相關混合形狀和從頂點到關節(jié)位置的回歸器。與以往的模型不同，與位置相關的混合形狀是位姿旋轉(zhuǎn)矩陣元素的線性函數(shù)。這個簡單的公式使訓練整個模型從一個相對較大的不同的人在不同的姿勢對齊的3D網(wǎng)格。使用線性或雙四元數(shù)混合皮膚定量評估SMPL的變體，并表明兩者都比基于相同數(shù)據(jù)的BlendSCAPE模型更準確。還將SMPL擴展到動態(tài)軟組織變形的真實模型中。因為它是基于混合皮膚的，所以SMPL與現(xiàn)有的渲染引擎兼容，可以將其用于研究目的。

SMPL是當前3D建模的非?；鸬捻椖?，很多研究都基于此技術。

并且還開發(fā)出了SMPL-X（主要優(yōu)化了面部的建模），SMPL-H（優(yōu)化了手的細節(jié)建模）, SMPLify（2D照片的固定POSE建模）等幾個版本。

源碼需要注冊下載。

官網(wǎng)：https://smpl.is.tue.mpg.de/