JRMOT：一個(gè)實(shí)時(shí)3D多對(duì)象跟蹤器和一個(gè)新的大規(guī)模數(shù)據(jù)集

SD-GAN：重建被遮擋臉部部分的結(jié)構(gòu)和去噪GAN

像詞一樣表達(dá)對(duì)象：用于圖像-文本匹配的循環(huán)視覺(jué)嵌入

ADAM：一種隨機(jī)優(yōu)化方法

小冰樂(lè)隊(duì)：流行音樂(lè)的旋律與編排生成框架

論文名稱：JRMOT: A Real-Time 3D Multi-Object Tracker and a New Large-Scale Dataset

作者：Shenoi Abhijeet /Patel Mihir /Gwak JunYoung /Goebel Patrick /Sadeghian Amir /Rezatofighi Hamid /Martin-Martin Roberto /Savarese Silvio

發(fā)表時(shí)間：2020/2/19

論文鏈接：https://paper.yanxishe.com/review/12209?from=leiphonecolumn_paperreview0228

推薦原因

這篇論文考慮的是自主導(dǎo)航的問(wèn)題。自主導(dǎo)航代理需要感知并跟蹤周圍物體和其他代理的運(yùn)動(dòng)，以實(shí)現(xiàn)健壯和安全的運(yùn)動(dòng)計(jì)劃和動(dòng)作執(zhí)行。盡管自主導(dǎo)航需要多對(duì)象跟蹤系統(tǒng)來(lái)提供3D信息，但是大多數(shù)已有研究都是通過(guò)RGB視頻在2D多對(duì)象跟蹤中完成的。這篇論文提出了一個(gè)新的3D多對(duì)象跟蹤系統(tǒng)JRMOT，它將來(lái)自2D RGB圖像和3D點(diǎn)云的信息集成到實(shí)時(shí)執(zhí)行框架中。這篇論文還將JRMOT合并到多模式遞歸卡爾曼架構(gòu)中的聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)框架中，以實(shí)現(xiàn)在線實(shí)時(shí)3D多對(duì)象跟蹤。這篇論文同時(shí)還發(fā)布了一個(gè)新的大規(guī)模2D與3D數(shù)據(jù)集，在超過(guò)54個(gè)室內(nèi)和室外場(chǎng)景中標(biāo)注了超過(guò)200萬(wàn)個(gè)邊框和3500種時(shí)間一致的2D+3D軌跡。

論文名稱：SD-GAN: Structural and Denoising GAN reveals facial parts under occlusion

作者：Banerjee Samik /Das Sukhendu

發(fā)表時(shí)間：2020/2/19

論文鏈接：https://paper.yanxishe.com/review/12208?from=leiphonecolumn_paperreview0228

推薦原因

這篇論文考慮的是臉部重建的問(wèn)題。

在人臉識(shí)別中，如果顯著的面部特征被遮擋了，模型的識(shí)別能力會(huì)大大下降。為此這篇論文提出了一個(gè)名為SD-GAN的生成模型來(lái)重建被遮擋臉部部分，并保留原始圖像中的光照變化以及臉部身份信息。這篇論文還提出了一種新的對(duì)抗“結(jié)構(gòu)性”損失函數(shù)，該函數(shù)包括兩個(gè)部分：整體損失和局部損失，分別由SSIM和逐塊MSE進(jìn)行構(gòu)建。在真實(shí)和合成的遮擋人臉數(shù)據(jù)集的實(shí)驗(yàn)表明，即使是在提高人臉識(shí)別性能方面，這篇論文提出的技術(shù)也比其他基準(zhǔn)模型具有更大的優(yōu)勢(shì)。

論文名稱：Expressing Objects just like Words: Recurrent Visual Embedding for Image-Text Matching

作者：Chen Tianlang /Luo Jiebo

發(fā)表時(shí)間：2020/2/20

論文鏈接：https://paper.yanxishe.com/review/12207?from=leiphonecolumn_paperreview0228

推薦原因

這篇論文考慮的是圖像-文本匹配問(wèn)題。

圖像-文本匹配方法通常通過(guò)捕獲和聚集文本與圖像的每個(gè)獨(dú)立對(duì)象之間的親和度來(lái)推斷圖像-文本對(duì)的相似性，但是這類方法忽略了語(yǔ)義相關(guān)對(duì)象之間的連接。這篇論文提出了一個(gè)名為DP-RNN的雙路徑循環(huán)神經(jīng)網(wǎng)絡(luò)，給定一個(gè)輸入的圖像-文本對(duì)，根據(jù)圖像對(duì)象在文本中最相關(guān)的詞的位置對(duì)圖像對(duì)象進(jìn)行重排序。與從單詞嵌入中提取隱藏特征相同，新模型利用RNN從重新排序的對(duì)象輸入中提取高級(jí)對(duì)象特征。為計(jì)算圖像-文本相似度，這篇論文將多注意交叉匹配模型合并到DP-RNN中，通過(guò)跨模態(tài)引導(dǎo)的注意和自注意機(jī)制聚集了對(duì)象和單詞之間的親和力。Flickr30K和MS-COCO數(shù)據(jù)集上的實(shí)驗(yàn)證明了DP-RNN的有效性。

論文名稱：ADAM: A METHOD FOR STOCHASTIC OPTIMIZATION

作者：Diederik P. Kingma /Jimmy Lei Ba

發(fā)表時(shí)間：2017/1/30

論文鏈接：https://paper.yanxishe.com/review/12206?from=leiphonecolumn_paperreview0228

推薦原因

核心問(wèn)題：神經(jīng)網(wǎng)絡(luò)的優(yōu)化是一個(gè)重要的課題，比如梯度下降算法，動(dòng)量梯度下降算法，本文介紹一種新優(yōu)化算法。

創(chuàng)新點(diǎn)：Adam 是一種可以替代傳統(tǒng)隨機(jī)梯度下降(SGD)過(guò)程的一階優(yōu)化算法,它能基于訓(xùn)練數(shù)據(jù)迭代地更新神經(jīng)網(wǎng)絡(luò)權(quán)重,該方法實(shí)現(xiàn)簡(jiǎn)單，計(jì)算效率高，對(duì)內(nèi)存的要求很小,使得神經(jīng)網(wǎng)絡(luò)訓(xùn)練很快。

研究意義：Adam比其他隨機(jī)優(yōu)化方法要好很多。

論文名稱：XiaoIce Band: A Melody and Arrangement Generation Framework for Pop Music

作者：Hongyuan Zhu / Qi Liu /Nicholas Jing Yuan /Chuan Qin /Jiawei Li

發(fā)表時(shí)間：2018/8/19

論文鏈接：https://paper.yanxishe.com/review/12205?from=leiphonecolumn_paperreview0228

推薦原因

核心問(wèn)題：這篇文章簡(jiǎn)單的看了看，雖然和自己的研究領(lǐng)域不同，但是看著挺有意思的。他們做了一個(gè)小冰樂(lè)隊(duì)，一個(gè)用于歌曲生成的端到端旋律和編曲生成框架。

創(chuàng)新點(diǎn)：提出基于和弦的節(jié)奏和旋律交叉生成模型來(lái)生成給定和弦進(jìn)行為條件的旋律。然后論文作者引入多樂(lè)器聯(lián)合編曲模型用于多軌音樂(lè)，這兩個(gè)任務(wù)相互協(xié)調(diào)。

研究意義：對(duì)現(xiàn)實(shí)世界數(shù)據(jù)集的廣泛實(shí)驗(yàn)證明了我們的模型相對(duì)于單軌和多軌音樂(lè)生成的基線模型的優(yōu)勢(shì)。

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(guò)論文整理推薦、點(diǎn)評(píng)解讀、代碼復(fù)現(xiàn)。致力成為國(guó)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(ài)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(yíng)小姐姐的微信（ID:julylihuaijiang），備注“論文兼職作者”

雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)