لمساعدتك على تعلم أفضل الشباب البحوث والمتطورة الأكاديمية التكنولوجيا واستعراض التكنولوجيا AI رقة مشتركة Yanxishe (paper.yanxishe.com)، ثقيلة أطلقت اليوم [الورق] جزء، كل يوم لاختيارك الذكاء الاصطناعي المتطورة الأوراق بالنسبة لك لمعرفة المرجعية. وفيما يلي مجموعة مختارة من المحتوى اليوم -

دليل

• ClothFlow: نموذج التدفق القائم لتوليد شخص يلبس

• الجدول استخراج الهيكل مع الشبكات وحدة المتكررة ثنائية الاتجاه عن طريق بوابة

• SPACE: بدون إشراف الشيئية المشهد التمثيل عبر الاهتمام المكاني والتحلل

• صورة سحابة المستندة إلى خدمة تصنيف ليست قوية لتحولات بسيطة: A ساحة المعركة المنسية

• التنميق مكتفية ذاتيا عبر اخفاء لعكس ومسلسل نقل نمط

• لا تحكم على كائن من سياقها: تعلم التغلب على التحيز السياقية

• node2vec: ميزة قابلة للتعلم من أجل شبكات

• يمكن للأسعار الصرف استخدامها للتنبؤ مؤشر شنغهاي المركب؟

• تنسيق المركبات ذاتية الحكم: تصنيف والمسح

• مسح على 3D كائن طرق الكشف عن التطبيقات ذاتية الحكم لتعليم قيادة السيارات

ClothFlow: نموذج توليدي عملية الموظفين العاملين

عنوان الاطروحة: نموذج تدفق استنادا لتوليد شخص يلبس: ClothFlow

الكاتب: زينتونج هان / شياو جون هو جين تاو / وي لين هوانغ / ماثيو R. سكوت

تاريخ النشر: 2019/10/27

أوراق تحتوي على وصلة: الشبكي:؟ //Paper.yanxishe.com/review/8611 من = leiphonecolumn_paperreview0113

وأوصت سبب:

اقترحنا نموذج يستند إلى ولدت ظهور تدفق ClothFlow، وحينها يمكن توليفها نموذج، لتوليد صورة من دليل شخص تحديد المواقع ومحاولة الظاهري. ClothFlow من خلال تدفق مكثف بين المصدر والوجهة يقدر المنطقة الملابس ومحاكاة فعالية التغييرات الهندسة، وظهور نقل الطبيعية، وصورة جديدة توليفها، كما هو مبين في الشكل. حققنا من خلال إطار ثلاث مراحل على ما يلي: 1) الموقف المستهدف للشرط، علينا أولا تقدر تخطيط الدلالي الشخص، وتوفير التوجيه لتوليد عملية أكثر ثراء. 2) تقديرات تدفق شلال الشبكة على أساس الخصائص اثنين من شبكة الهرم، تقدير دقيق لمنطقة المقابلة لمباراة مظهر الملابس. كثيفة مصدر السوائل الناتجة تشويه الصورة، يتم ترجمتها مشوه بمرونة. 3) وأخيرا، فإن شبكة يولد بطريقة ملتوية كما المنطقة المدخلات، وتقديم عرض الهدف. لقد فعلت الكثير من التجارب على مجموعات البيانات VITON عمق الأزياء واستخدمت مجموعات البيانات لتوليد صورة شخصية وتحديد المواقع دليل المهام التجريبية الافتراضية. تظهر النتائج النوعية والكمية قوية فعالية هذه الطريقة.

الجيل الشخص الموجهة تشكل ومحاولة الظاهري > على أساس أساليب تشويه (على سبيل المثال: أفيني، TPS، NN)

على أساس أساليب DensePose-

التشوهات أي، واستنادا على أساس الكثافة

التشويه الهندسي نقل مظهر أفضل، ولكن هذا التحول هندسي كبير، ويؤدي بسهولة إلى تقديرات غير دقيقة التحول الطبيعي

أساليب تعتمد على كثافة والصور 2D إلى 3D رسم الخرائط للجسم البشري، فإن النتائج لا يبدو واقعيا.

حتى ClothFlow المقترحة من قبل المؤلفين: نموذج توليدي على التدفق، ملابس حل تشوه تشوه الملابس؛ من أجل أفضل الناس توليف اللباس صور؛

بنية الجدول المتكررة مقتطفات حدة شبكة النابضة ثنائية الاتجاه

أطروحة العنوان: بنية الجدول استخراج مع الشبكات وحدة المتكررة ثنائية الاتجاه عن طريق بوابة

الكاتب: خان ثاقب علي / خالد سيد محمد دانيال / شهزاد محمد علي / Shafait فيصل

تاريخ النشر: 2020/01/08

أوراق تحتوي على وصلة: الشبكي:؟ //Paper.yanxishe.com/review/8614 من = leiphonecolumn_paperreview0113

أوصت السبب: هذه الورقة هي حل مشكلة تحديد بنية الجدول.

يعرض الجدول أصبح ملخص المعلومات منظم للقارئ، التي تستخرج بنية الجدول جزءا هاما من فهم التطبيق. ومع ذلك، فإن بنية الجدول تحديد مشكلة، ليس فقط بسبب تغيرات كبيرة في تخطيط الجدول والاسلوب، ولكن أيضا بسبب التغيرات في مستويات تخطيط الصفحة والضوضاء والتلوث. وكان العديد من الدراسات لتحديد بنية الجدول، ومعظمها تعتمد على وسائل التعرف الضوئي على الحروف (OCR) يتم تطبيقها على ميزات تخطيط الاستدلال جدول القابض. نتيجة للتغيرات في تخطيط الجدول والأخطاء OCR ولدت، وهذه الأساليب ليست نظرة عامة جيدة.

في هذه الورقة، ويقترح المؤلفون طريقة تقوم على دراسة متعمقة قوية يمكن استخراج بدقة الصفوف والأعمدة من جدول وثيقة كشف الصورة. في الحل المقترح، وpreprocessed الصورة الأولى لتشكيل، ثم لتغذية الشبكة العصبية وجود وحدة تداول النابضة ثنائية دوري (GRU)، وطبقة ربط وجود حد أقصى لينة تشغيلها بالكامل. الشبكة من الأعلى إلى الأسفل واليسار إلى اليمين مسح الصور وتصنيف كل صف الإدخال أو محدد العمود الفاصل. وكان المؤلف المؤلف من النظام القياسي على UNLV العامة وICDAR 2013 مجموعة البيانات على هذه البينات، وأدائها يفوق بكثير أحدث نظام استخراج بنية الجدول. هذه الورقة التي أجريت تجارب على UNLV كشفت ICDAR 2013 مجموعات البيانات والتحقق من الطريقة المقترحة هو أفضل بكثير من أفضل من الحقل الحالي.

SPACE: من خلال الاهتمام المكاني والتحلل من المشهد تمثيل وجوه المنحى من دون رقيب

عنوان الاطروحة: SPACE: بدون إشراف التمثيل الشيئية عبر المشهد المكاني الاهتمام والتحلل

الكاتب: لين Zhixuan / وو يي فو / بيري Skand فيشواناث / سون وى هاو / سينغ غوتام / دينغ فاي / جيانغ JinDong المنطقة / اهن Sungjin

تاريخ النشر: 2020/01/08

أوراق تحتوي على وصلة: الشبكي:؟ //Paper.yanxishe.com/review/8615 من = leiphonecolumn_paperreview0113

أوصت السبب: هذه الورقة هو النظر متعدد الاهداف مشكلة مشهد التحلل.

يمثل غير خاضعة للرقابة طريقة التعلم القائم يمكن تصنيف الكائنات مشهد على أساس آلية الاهتمام المكانية على أساس مكان الحادث وخلط هذين النوعين، ولكن هذه الأساليب تقتصر في تطويره، ومنعهم من تطبيقها أيضا على سيناريوهات من واقع الحياة. هذا ويعرض ورقة نموذج لتوليد متغير الكامنة اسمه SPACE لتوفير مجموعة موحدة من إطار النمذجة احتمالي الجمع بين أفضل طريقة لخلط الاهتمام ومساحة المكان. SPACE التحلل يمكن أن توفر معلومات الكائن الدقيق يمثل كائن الصدارة، شريحة الخلفية مع التحلل مورفولوجيا معقدة. علاوة على ذلك، SPACE أيضا حل مشكلة التوسع من خلال إدخال آليات التوازي مساحة من الاهتمام، وبالتالي يمكن تطبيقها على المشهد يحتوي على كائن كبير. تجارب على أتاري و3D غرف يقترح، SPACE الطرق السابقة SPAIR واليود وGENESIS مقارنة مع أداء أفضل. كما توفر الكتاب مشروع الموقع (https://sites.google.com/view/space-project-page).

تحويل بسيط ليست خدمات تصنيف صورة تستند إلى سحابة قوية جدا: المعركة المنسية

أطروحة العنوان: صورة سحابة المستندة إلى خدمة تصنيف ليست قوية لتحولات بسيطة: A ساحة المعركة المنسية

الكاتب: غودمان ضو / وي تاو

تاريخ النشر: 2019/06/19

أوراق تحتوي على وصلة: الشبكي:؟ //Paper.yanxishe.com/review/8617 من = leiphonecolumn_paperreview0113

أوصت السبب: هذه الورقة هي للنظر في مشكلة لتوليد تصنيف الصور خدمات سحابة المستندة إلى عينة المواجهة.

لا يقوم الخدمات السحابية لتصنيف الصور، مثل تحويل بسيط من الضوضاء التمويه، والضوضاء النبضية، وتناوب هؤلاء أحادي اللون (ST) على قوة. وبناء على هذا، وتقترح هذه الورقة هجوم صورة الانصهار (صورة فيوجن، IF) الأسلوب، باستخدام مكتبة برمجية مفتوحة للرؤية الحاسوبية لا يمكن أن يتحقق، ويصعب الدفاع عنها ضد. IF أساليب لتقييم ST وأربعة منصة سحابة شعبية الأمازون، وجوجل، ومايكروسوفت، Clarifai بما في ذلك الورق، تظهر النتائج التجريبية أنه بالإضافة إلى نسبة النجاح بالإضافة إلى 50، هجوم ST في الأمازون على منصات أخرى نسبة النجاح 100، في حين أن معدل IF طريقة النجاح في فئات مختلفة من خدمة ما يزيد على 98.

وحمل المسلسل أسلوب مكتفية ذاتيا والهجرة العكسية من قبل التصميم إخفاء المعلومات

عنوان الرسالة بذاتها التنميق عبر اخفاء لعكس ومسلسل نقل نمط

الكاتب: تشن هونغ يو / فانغ I-شنغ / تشيو وى شين

تاريخ النشر: 2018/12/10

أوراق تحتوي على وصلة: الشبكي:؟ //Paper.yanxishe.com/review/8618 من = leiphonecolumn_paperreview0113

أوصت السبب: هذه الورقة هي النظر في مشكلة الهجرة نمط الصورة.

صورة منمنمة من معين، وذلك باستخدام طريقة نموذجية من نمط الهجرة إلى أسلوب أو إعادة تحويله إلى شكل آخر، والتحف التي تم الحصول عليها عادة أو النتائج السلبية. ترى هذه الورقة أن هذا النوع من المشكلة يرجع إلى عدم تناسق بين الصورة الأصلية ونمط انتاجها الذي تسببت فيه. هذا ويعرض ورقة استخدام إخفاء المعلومات للحفاظ على محتويات معلومات الصورة المدخلة أثناء عملية الترحيل، واقترح طريقة من مرحلتين ووضع حد للنهج نهاية. وقد اظهرت النتائج أن الطريقة المقترحة في هذه الورقة لا يمكن إلا أن تولد بأسلوب منمق جدا جودة الصورة من صورة ونمط أسلوب الهجرة النموذجية المنتجة، ولكن أيضا يمكن القضاء على القطع الأثرية بشكل فعال وعرض عند إعادة بناء الإدخال الأصلي.

لا تحكم على كائن سياق: تعلم كيف تتغلب على سياق الأحكام المسبقة

عنوان الاطروحة: لا تحكم على كائن من سياقها: تعلم التغلب على التحيز السياقية

المؤلف: كريشنا كومار سينغ / ماهاجان الثمن في سعي / غرومان كريستين / لي يونغ جاي / Feiszli مات / Ghadiyaram ديبتي

تاريخ النشر: 2020/01/09

أوراق تحتوي على وصلة: الشبكي:؟ //Paper.yanxishe.com/review/8619 من = leiphonecolumn_paperreview0113

أوصت السبب: هذه الورقة هي النظر في مشكلة الاعتراف الكائن.

في التعرف على الأشياء، واستخدام النماذج التقليدية غالبا ما تكون المعلومات شارك في حدوث والكائنات السياق إلى تحسين دقة التعرف. ومع ذلك، تعتمد بشكل كبير على سياق تعميم نموذج قد يكون في خطر. هذه المحاولات رقة لحل هذا السياق المشاكل تعويض، وتعلم لتحسين متانة من الخصائص وأشارت إلى أنه في سياق حالة من الأشياء في عداد المفقودين لا يزال يمكن تحديد بدقة نوعها. وقال وإزالة الفكرة الأساسية لهذه الورقة من سياق المعلومات ذات الصلة شارك في حدوث الفصول ميزة الدراسة المشتركة عن طريق نوعين من الفضاء الميزة، فضاء جزئي واحدة للدلالة على وجه التحديد فئة في غياب شارك في حدوث الآخر ويمثل في الوقت نفسه الذي ينتمي إلى فئة والسياق. تجارب على أربعة مجموعات البيانات تحدي تثبت فعالية الطريقة المقترحة في هذه الورقة.

خصائص شبكة node2vec خوارزمية التعلم

عنوان الاطروحة: node2vec: قابلة للتعلم ميزة للشبكات

الكاتب: غروفر أديتيا / Leskovec القانونى

تاريخ النشر: 2016/07/03

أوراق تحتوي على وصلة: الشبكي:؟ //Paper.yanxishe.com/review/8624 من = leiphonecolumn_paperreview0113

أوصت السبب: تحلل هذه الورقة مجموعة القانون من مجموعة سوبر ستانفورد من الشبكة.

deepwalk خوارزمية ممثلة شبكة من المشي العشوائي التعلم، للحصول على سلسلة من العقد في الشبكة عن طريق المشي العشوائي.

ولكن المشي العشوائي على عمق الشبكة والأولويات اتساع الأول، وأنها يمكن التقاط الخصائص الهيكلية للشبكة نفسها من زوايا مختلفة، وبناء على تصميم deepwalk المشي العشوائي الشخصية، فرط المعلمات من قبل اثنين من ص وف للسيطرة على اتجاه السير العشوائي. وتجدر الإشارة إلى أنه عندما ص = س = 1، عندما تتدهور node2vec إلى deepwalk. كما يمثل نموذج التعلم أو تخطي غرام جزء لا تتغير في جوهرها.

كما تظهر نتائج فعالية الخوارزمية المقترحة.

أسعار الصرف يمكن استخدامها للتنبؤ مؤشر شنغهاي ذلك؟

عنوان الاطروحة: هل يمكن للأسعار الصرف استخدامها للتنبؤ مؤشر شنغهاي المركب؟

الكاتب: يونيو تشانغ / يوان شاو هاي / لينغ وي هوانغ / جيا يينغ تينغ / يو تينغ تشاو / تشو كاي يانغ / شين يانغ لي

تاريخ النشر: 2019/12/25

أوراق تحتوي على وصلة: الشبكي:؟ //Paper.yanxishe.com/review/8612 من = leiphonecolumn_paperreview0113

أوصت السبب: هذه الورقة محاولة لأول مرة على التنبؤ الاستخدام المباشر لسعر الصرف على مؤشر شانغهاي المركب، هو مبني على النهج الأساسي على سعر الصرف من المؤشرات الفنية كميزة المدخلات، ثم استخدام الحركات تصنيف SVM. وعلى سبيل المقارنة على أساس المدخلات الأخرى (على سبيل المثال على أساس مؤشرات تاريخية سعر الحجم التقنية والأخبار والبيانات، وما إلى ذلك) التوقعات، تثبت هذه الورقة أن يكون أداء مماثلا خلال التنبؤ سعر الصرف. هذه الورقة تفصح عن والبيانات المناظرة ورمز ماتلاب.

وتركز هذه الورقة هو لإدخال البيانات من دون استخدام نماذج معقدة بشكل خاص، مثل نموذج التعلم العميق. في الوقت الحاضر، العديد من مصادر البيانات كمدخل للتنبؤ الحركات سوق الأسهم أصبح الاتجاه، فإنها تميل إلى أن تكون أداء أفضل من استخدام بيانات واحدة.

تنسيق المركبات الذاتية: التصنيف ونظرة عامة

ورقة العنوان: تنسيق المركبات ذاتية الحكم: تصنيف والمسح

الكاتب: مارياني ستيفانو / كابري جياكومو / Zambonelli فرانكو

تاريخ النشر: 2020/01/08

أوراق تحتوي على وصلة: الشبكي:؟ //Paper.yanxishe.com/review/8613 من = leiphonecolumn_paperreview0113

وأوصت سبب: هذا هو استعراض حول مشكلة المركبات الذاتية الجدولة. ضرورة التنسيق بين المركبات القيادة الآلية للوصول إلى مؤشر إلى الموارد المشتركة (مثل التقاطعات وأماكن وقوف السيارات) وتنفيذ المهام الحركية (مثل دمج سلالم). هذه الورقة أولا من خلال تحديد وبناء الرئيسية فئة مشكلة الجدولة، يصف القضايا العامة المرتبطة المركبات الذاتية الجدولة. ثم يحدد الطرق المختلفة التي يمكن استخدامها لإدارة مثل هذه المشاكل جدولة، ويتم تصنيف هذه الأساليب وفقا لدرجة من عملية صنع القرار مستقلة عن مركبة التنسيق الجدولة. وأخيرا، فإن هذه الورقة الخطوط العريضة لبعض التحديات قبل غيرها من السيارات الخاصة مستقلة قادرة على فائدة، لا بد من التصدي لها. هذه الورقة هي المعنية مشكلة الجدولة بين المركبات الذاتية، وتحتاج إلى حل قبل الطيار الآلي العملي العديد من القضايا الأخرى ذات الصلة.

ملخص طريقة للكشف عن ثلاثي الأبعاد وجوه المنحى تطبيقات الطيار الآلي

عنوان الاطروحة: دراسة > المؤلف: إدواردو أرنولد / عمر Y. الجراح / مهرداد Dianati / صابر فلاح / ديفيد Oxtoby / أليكس Mouzakitis

تاريخ النشر: 2019/01/22

أوراق تحتوي على وصلة: https://paper.yanxishe.com/review/8620؟from=leiphonecolumn_paperreview0113

أوصت السبب: سيارة ذاتية الحكم (AV) يتطلب محيطها من أجل أن يكون تصورا دقيقا لعملية موثوق بها. عادة تعلم الآلة (على سبيل المثال، وعمق التعلم) من نظام الاستشعار لبيانات الشعور AV إلى معلومات الدلالي يمكن أن تكون مدفوعة تلقائيا. الكشف عن وجوه هو الوظيفة الأساسية للجهاز الإدراك الحسي، لدينا حل هذه المشاكل من خلال الكثير من العمل، وهي في معظمها استخدام 2D طريقة الكشف. ومع ذلك، فإن طريقة ثنائي الأبعاد لا توفر عمق المعلومات، والذي هو عمق المعلومات اللازمة للقيام بمهام القيادة، مثل تخطيط المسار، وتجنب الاصطدام وهلم جرا. بدلا من ذلك، وطريقة الكشف 3D الكائن لإدخال البعد الثالث، والتي تفصح عن حجم الكائن وموقف معلومات أكثر تفصيلا. ومع ذلك، يتطلب هذا الأسلوب يتم تحسين دقة الكشف. لمعرفة أفضل، وهذا هو أول مسح للكشف عن وجوه التطبيقات طريقة الطيار الآلي 3D.

تم استعراض هذا المقال ثلاثي الأبعاد الكشف عن وجوه المشهد طريقة الطيار الآلي في التفاصيل ويصف أجهزة الاستشعار ومجموعات البيانات حاليا في الاستعمال الشائع. وفقا لطريقة الكشف باستخدام كائن ثلاثي الأبعاد لجهاز استشعار، الذي ينقسم على أساس صورة الكاميرا أحادي، وتحقيق التكامل بين الفئات الثلاث من سحابة نقطة. ثم النتائج التجريبية على نفس مجموعة البيانات وتلخص هذه الأساليب، فضلا عن أوجه القصور في الأساليب القائمة تستحق الدراسة والتوجيه المستقبل.

شبكة شبكة شبكة لى فنغ لى فنغ لى فنغ