今年我們整理過視覺頂級會議CVPR 2018論文解讀集錦 和 ECCV 2018論文解讀集錦，并持續更新中，如今備受矚目的NIPS 2018也將于12月舉行，目前已經公布了所有收錄論文名單，為了能夠讓大家更深刻了解前沿技術及論文資訊，我們進行了一些NIPS 2018優秀論文解讀的整理，歡迎大家收藏交流。

NIPS 2018收錄文章：https://nips.cc/Conferences/2018/Schedule

論文解讀

15.NeurIPS 2018 亮點選讀：深度推理學習中的圖網絡與關系表征
本文從深度推理學習中的圖網絡與關系表征入手介紹相關 NeurIPS 2018 論文。


14.盤點 NeurIPS 兩屆神經網絡對抗賽 (NIPS2017/2018)
近日，NIPS 2018 對抗視覺挑戰賽（NIPS Adversarial Vision Challenge 2018）結果公布，超過 400 個參賽團隊提交了 3000 多個模型和攻擊方法。本文盤點了兩屆NIPS神經網絡對抗賽的基本情況及冠軍解決方案。

13.NIPS 2018 | 南大周志華等人提出無組織惡意攻擊檢測算法UMA
南大龐明、周志華等研究者將目光對準了無組織惡意攻擊，即攻擊者在沒有任何組織者的情況下單獨使用少量的用戶配置文件來攻擊目標，并提出了對應的解決方案——無組織惡意攻擊檢測算法（UMA），實驗證明該算法能夠有效檢測無組織惡意攻擊。

12.NIPS 2018 | Edward2.2，一種可以用TPU大規模訓練的概率編程
本文描述了一種用于在深度學習生態系統中嵌入概率編程的簡單、底層方法。具體來說，作者將概率編程歸結為一個抽象：隨機變量。

11.[【NIPS 2018】多倫多大學提出可逆RNN：內存大降，性能不減！](https://mp.weixin.qq.com/s/K6LK47_GCTeZJPAW0-Xp4Q) 多倫多大學的研究人員提出Reversible RNN，一種可以減少RNN訓練時內存需求的新方法，在保留模型性能的同時，將激活內存成本降低了10-15倍。

10.NIPS 2018 | 哪種特征分析法適合你的任務？Ian Goodfellow提出顯著性映射的可用性測試
本文提出了一種可行的方法來評估一個給定的方法能夠/不能提供什么樣的解釋。研究發現，僅僅依賴于視覺的評估可能會產生一些誤導性的結果。通過大量實驗，研究人員證明了一些現有的顯著性方法獨立于模型和數據生成過程。

9.NIPS 2018 | 行人重識別告別輔助姿勢信息，商湯、中科大提出姿勢無關的特征提取 GAN
本文提出了一個 reID 新框架——FD-GAN，來學習與身份相關而與姿勢無關的表征，用于姿勢不同的行人重識別。在三個廣泛使用的行人重識別數據集中都取得了當前最優結果。

8.NIPS 2018 | 作為多目標優化的多任務學習：尋找帕累托最優解
多任務學習本質上是一個多目標問題，因為不同任務之間可能產生沖突，需要對其進行取舍。本文明確將多任務學習視為多目標優化問題，以尋求帕累托最優解。而經過實驗證明，本文提出的方法可以在現實假設下得到帕累托最優解。

7.NIPS 2018 | 中科院自動化所兩篇入選論文：高清真實圖像生成領域及GAN研究在人臉識別領域的進展

中科院自動化所兩篇入選NIPS 2018的文章，分別闡述了在高清真實圖像生成領域及生成對抗網絡GAN研究在人臉識別領域的突破。

6…NIPS 2018(oral)：通過端到端幾何推理發現潛在3D關鍵點

關鍵點檢測是許多計算機視覺任務的基礎，如人臉識別、動作檢測和自動駕駛等。來自Google AI的Supasorn Suwajanakorn等人帶來了關于3D關鍵點檢測的一種新方法：端到端幾何推理。

5.NIPS2018 | 騰訊AI Lab入選20篇論文，含2篇Spotlight

本文深度解析機器學習領域頂會NIPS（2018）上，騰訊AI Lab入選的的20篇論文。

4.NIPS 2018入選論文：對深度半監督學習算法的現實評價

半監督學習是近年來非常熱門的一個研究領域，但針對某個問題的標記數據卻仍極度稀缺。為了用更少的標記數據完成更多現實任務，研究人員想出了這種從無標記數據中提取數據結構的巧妙做法。

3.NIPS 2018 | MIT等提出NS-VQA：結合深度學習與符號推理的視覺問答

MIT、哈佛等機構合作的一項研究提出了一種神經符號視覺問答（NS-VQA）系統，將深度表征學習與符號程序執行結合到了一起。該研究的論文已被 NIPS 2018 接收。

2.[NIPS 2018丨解讀微軟亞洲研究院10篇入選論文](hhttps://mp.weixin.qq.com/s/LnPQZL5c5k589iBrCIqTFg)

微軟亞洲研究院10篇入選NIPS的論文，研究主題涵蓋詞向量、機器翻譯、神經網絡優化、社群探索等等。

1.NIPS 2018 | Spotlight論文：憑借幻想的目標進行視覺強化學習

本文中，作者提出了一種算法，通過結合無監督表征學習和目標條件策略的強化學習來獲得這種通用技能。

相關話題

NIPS 2018 有什么值得關注的亮點？

NIPS 2018 | 接收論文情況盤點：谷歌一騎絕塵，微軟朱澤園中四篇一作

如何評價 NIPS 2018 的審稿情況？.

瘋狂的NIPS 2018！11分鐘門票售罄

相關競賽

距 NIPS 2018 還有小半年，會上的各種挑戰賽已經開始啦

總結

以上是生活随笔為你收集整理的NIPS 2018 论文解读集锦（11月28日更新）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。