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(xù)更新中，如今備受矚目的NIPS 2018也將于12月舉行，目前已經(jīng)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(shù)及論文資訊，我們進行了一些NIPS 2018優(yōu)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(xué)習(xí)中的圖網(wǎng)絡(luò)與關(guān)系表征
本文從深度推理學(xué)習(xí)中的圖網(wǎng)絡(luò)與關(guān)系表征入手介紹相關(guān) NeurIPS 2018 論文。


14.盤點 NeurIPS 兩屆神經(jīng)網(wǎng)絡(luò)對抗賽 (NIPS2017/2018)
近日，NIPS 2018 對抗視覺挑戰(zhàn)賽（NIPS Adversarial Vision Challenge 2018）結(jié)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(jīng)網(wǎng)絡(luò)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(zhǔn)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(biāo)，并提出了對應(yīng)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(guī)模訓(xùn)練的概率編程
本文描述了一種用于在深度學(xué)習(xí)生態(tài)系統(tǒng)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(jié)為一個抽象：隨機變量。

11.[【NIPS 2018】多倫多大學(xué)提出可逆RNN：內(nèi)存大降，性能不減！](https://mp.weixin.qq.com/s/K6LK47_GCTeZJPAW0-Xp4Q) 多倫多大學(xué)的研究人員提出Reversible RNN，一種可以減少RNN訓(xùn)練時內(nèi)存需求的新方法，在保留模型性能的同時，將激活內(nèi)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(wù)？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(fā)現(xiàn)，僅僅依賴于視覺的評估可能會產(chǎn)生一些誤導(dǎo)性的結(jié)果。通過大量實驗，研究人員證明了一些現(xiàn)有的顯著性方法獨立于模型和數(shù)據(jù)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(guān)的特征提取 GAN
本文提出了一個 reID 新框架——FD-GAN，來學(xué)習(xí)與身份相關(guān)而與姿勢無關(guān)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(shù)據(jù)集中都取得了當(dāng)前最優(yōu)結(jié)果。

8.NIPS 2018 | 作為多目標(biāo)優(yōu)化的多任務(wù)學(xué)習(xí)：尋找帕累托最優(yōu)解
多任務(wù)學(xué)習(xí)本質(zhì)上是一個多目標(biāo)問題，因為不同任務(wù)之間可能產(chǎn)生沖突，需要對其進行取舍。本文明確將多任務(wù)學(xué)習(xí)視為多目標(biāo)優(yōu)化問題，以尋求帕累托最優(yōu)解。而經(jīng)過實驗證明，本文提出的方法可以在現(xiàn)實假設(shè)下得到帕累托最優(yōu)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(lǐng)域及GAN研究在人臉識別領(lǐng)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(lǐng)域及生成對抗網(wǎng)絡(luò)GAN研究在人臉識別領(lǐng)域的突破。

6…NIPS 2018(oral)：通過端到端幾何推理發(fā)現(xiàn)潛在3D關(guān)鍵點

關(guān)鍵點檢測是許多計算機視覺任務(wù)的基礎(chǔ)，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(guān)于3D關(guān)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(xué)習(xí)領(lǐng)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(jiān)督學(xué)習(xí)算法的現(xiàn)實評價

半監(jiān)督學(xué)習(xí)是近年來非常熱門的一個研究領(lǐng)域，但針對某個問題的標(biāo)記數(shù)據(jù)卻仍極度稀缺。為了用更少的標(biāo)記數(shù)據(jù)完成更多現(xiàn)實任務(wù)，研究人員想出了這種從無標(biāo)記數(shù)據(jù)中提取數(shù)據(jù)結(jié)構(gòu)的巧妙做法。

3.NIPS 2018 | MIT等提出NS-VQA：結(jié)合深度學(xué)習(xí)與符號推理的視覺問答

MIT、哈佛等機構(gòu)合作的一項研究提出了一種神經(jīng)符號視覺問答（NS-VQA）系統(tǒng)，將深度表征學(xué)習(xí)與符號程序執(zhí)行結(jié)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(jīng)網(wǎng)絡(luò)優(yōu)化、社群探索等等。

1.NIPS 2018 | Spotlight論文：憑借幻想的目標(biāo)進行視覺強化學(xué)習(xí)

本文中，作者提出了一種算法，通過結(jié)合無監(jiān)督表征學(xué)習(xí)和目標(biāo)條件策略的強化學(xué)習(xí)來獲得這種通用技能。

相關(guān)話題

NIPS 2018 有什么值得關(guān)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(guān)競賽

距 NIPS 2018 還有小半年，會上的各種挑戰(zhàn)賽已經(jīng)開始啦

總結(jié)

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(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。