點擊上方“AI有道”，選擇“星標”公眾號

重磅干貨，第一時間送達

你是否經常花費時間或苦于尋找深度學習相關的頂會優秀論文極其相對應的代碼？今天給大家介紹一個超贊的 GitHub 項目。該項目總結了近 10 年來所有頂會的優秀論文和論文復現代碼。絕對值得一看！

該項目名為：Papers with code。作者 Zaur Fataliyev 是一位機器學習工程師。這個超贊的項目地址是：

https://github.com/zziz/pwc

目前該項目已經收獲了 9k+ star 了。

該項目之所以牛掰，是因為詳細收集了從 2018 年回至 2008 年十多年的頂會論文和代碼。作者是按照時間從前往后進行整理的。目前已經整理完成了 2018-2013 年段。目前項目還在更新，2013 年之前的會慢慢整理，作者說大約每周更新一次。

Papers with code 每個年份按照論文代碼的 star 進行排列的。方便大家很清晰地看到哪些論文更受歡迎，哪些代碼關注的人更多！涉及的會議涵蓋了 NIPS、CVPR、ECCV、ICML，全都是機器學習、深度學習領域的頂級會議。

下面列舉一下各年份的部分論文+代碼列表！

2018 年

2017 年

2016 年

2015 年

2014 年

2013 年

2013 年之前的內容作者會持續更新！

本項目匯總的優秀論文和相應代碼非常有用。下面以 2018 年發布在 NIPS 上的一篇最熱門的論文《Video-to-Video Synthesis》為例，進行簡要介紹。

該論文通過精心設計的生成器、判別器結構以及 spatio-temporal 目標函數，輸入語義分割掩碼視頻，可以合成長達 30s 的 2k 高清視頻，還能用草圖視頻合成真實人物視頻，用姿態圖合成舞蹈視頻，當用于未來幀預測時，得到的結果要比當前最優的方法得到的結果要更好。而且更為驚艷的是當改變語義分割掩碼視頻中的顏色時就能將真實街景視頻中的建筑換成樹木。

這篇論文在該項目?Papers with code?中，可直接下載 pdf 版本。

《Video-to-Video Synthesis》的代碼地址也可直接點擊鏈接獲取，地址為：

https://github.com/NVIDIA/vid2vid

該論文代碼的實現環境是：

• Linux or macOS

• Python 3

• NVIDIA GPU + CUDA cuDNN

• PyTorch 0.4

感謝作者極其貢獻者們的精心整理匯總和辛勤工作，該項目是機器學習、深度學習頂會論文+代碼非常全的資源，希望對大家有所幫助！

【推薦閱讀】

干貨 | 公眾號歷史文章精選（附資源）

我的深度學習入門路線

我的機器學習入門路線圖

?加入AI視界，獲得不一樣的AI視野！

總結

以上是生活随笔為你收集整理的10 年深度学习顶级论文和代码精选，请务必收藏！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。