今日 Paper | 2019-nCoV傳播預測；行人重識別；協(xié)同時態(tài)建模；舞蹈生成等

本文作者： AI研習社

2020-02-19 15:34

導語：為了更好地服務廣大 AI 青年，AI 研習社正式推出全新「論文」版塊

今日 Paper | 2019-nCoV傳播預測；行人重識別；協(xié)同時態(tài)建模；舞蹈生成等

用綜合方法預測2019-nCoV傳播的結(jié)束
通過被動WiFi傳感和數(shù)據(jù)挖掘了解社會事件中的人群行為
用于RGB-紅外行人重識別的交叉模態(tài)配對圖像生成
CTM：面向動作識別的協(xié)同時態(tài)建模
Music2Dance：使用WaveNet的音樂驅(qū)動的舞蹈生成

用綜合方法預測2019-nCoV傳播的結(jié)束

論文名稱：Predictions of 2019-nCoV Transmission Ending via Comprehensive Methods

作者：Zeng Tianyu /Zhang Yunong /Li Zhenyu /Liu Xiao /Qiu Binbin

發(fā)表時間：2020/2/12

論文鏈接：https://paper.yanxishe.com/review/11431?from=leiphonecolumn_paperreview0219

推薦原因

這篇論文試圖預測新型冠狀病毒的傳播，提出了一種多模態(tài)常微分方程神經(jīng)網(wǎng)絡（Multi-Model Ordinary Differential Equation set Neural Network，MMODEs-NN）以及無模型方法，來預測疫情在中國大陸尤其是湖北省的擴散情況。與現(xiàn)有流行病學模型相比，這篇論文提出的方法可以使用常微分方程激活法來模擬傳播，而基于S形函數(shù)、高斯函數(shù)和Poisson分布的無模型方法是線性的，因而非常高效。根據(jù)數(shù)值實驗與實情，為了控制疫情擴散的特別政策在一些省取得效果，目前預測這股疫情可能在2月18日之前減速并在2020年4月之前結(jié)束。這篇論文所提的數(shù)學和人工智能方法可以對2019-nCoV的結(jié)束給出一致且合理的預測。

通過被動WiFi傳感和數(shù)據(jù)挖掘了解社會事件中的人群行為

論文名稱：Understanding Crowd Behaviors in a Social Event by Passive WiFi Sensing and Data Mining

作者：Zhou Yuren /Lau Billy Pik Lik /Koh Zann /Yuen Chau /Ng Benny Kai Kiat

發(fā)表時間：2020/2/5

論文鏈接：https://paper.yanxishe.com/review/11308?from=leiphonecolumn_paperreview0219

推薦原因

這篇論文通過WiFi傳感數(shù)據(jù)進行人群行為分析。

通過收集從移動設備發(fā)送的WiFi請求，無源WiFi感測提供了一種比人群計數(shù)器和攝像機更好的監(jiān)控人群的方法。在現(xiàn)有研究中，對收集數(shù)據(jù)的全面分析和挖掘沒有給予足夠重視。這篇論文提出一個全面的數(shù)據(jù)分析框架，以在統(tǒng)計、可視化和無監(jiān)督機器學習幫助下，全面分析收集的探測請求，以提取與大型社交事件中的人群行為相關的三種類型模式。這個分析框架首先從探測請求中提取移動設備的軌跡并進行分析，以揭示人群運動的空間模式。然后采用分層聚集聚類法來查找不同位置之間的互連。接下來應用K均值和K聚類算法分別按天數(shù)和位置提取人群的時間訪問模式。最后通過與時間結(jié)合，軌跡被轉(zhuǎn)換為時空模式，揭示了軌跡持續(xù)時間如何隨長度變化，以及人群運動的總體趨勢如何隨時間變化。這個數(shù)據(jù)分析框架通過在大型社交事件中收集的真實數(shù)據(jù)進行了驗證。

用于RGB-紅外行人重識別的交叉模態(tài)配對圖像生成

論文名稱：Cross-Modality Paired-Images Generation for RGB-Infrared Person Re-Identification

作者：Wang Guan-An /Yang Tianzhu Zhang. Yang /Cheng Jian /Chang Jianlong /Liang Xu /Hou Zengguang

發(fā)表時間：2020/2/10

論文鏈接：https://paper.yanxishe.com/review/11306?from=leiphonecolumn_paperreview0219

推薦原因

這篇論文要解決的是行人重識別問題。

RGB和IR圖像之間缺少對應標簽，會導致某些實例的對齊錯誤，從而限制RGB-IR Re-ID的性能。與現(xiàn)有方法不同，這篇論文提出生成跨模態(tài)配對圖像，并執(zhí)行全局集合級和細粒度實例級對齊。這種方法可以通過解開特定于模態(tài)和模態(tài)不變的特征來執(zhí)行集合級對齊。與傳統(tǒng)方法相比，所提方法可以顯式刪除特定于模態(tài)的特征，并且可以更好地減少模態(tài)變化。給定一個人的跨模態(tài)不成對圖像，所提方法可以從交換的圖像生成跨模態(tài)成對圖像，通過最小化每對圖像的距離直接執(zhí)行實例級對齊。在兩個標準基準上的大量實驗結(jié)果表明，所提模型有利于抗衡當前最佳方法，特別是在SYSU-MM01數(shù)據(jù)集上，所提模型在Rank-1和mAP方面可以實現(xiàn)9.2％和7.7％的提升。

CTM：面向動作識別的協(xié)同時態(tài)建模

論文名稱：CTM: Collaborative Temporal Modeling for Action Recognition

作者：Liu Qian /Wang Tao /Liu Jie /Guan Yang /Bu Qi /Yang Longfei

發(fā)表時間：2020/2/8

論文鏈接：https://paper.yanxishe.com/review/11182?from=leiphonecolumn_paperreview0219

推薦原因

這篇論文要解決的是動作識別問題。

與圖像識別任務不同，動作識別任務對于時間維度的要求更高。為了學習到視頻的強大特征，這篇論文提出了一個名為CTM的協(xié)同時間模型來學習時間信息。CTM作為一個單獨的時間建模模塊，包括了兩條協(xié)作路徑：一個空間感知的時間建模路徑和一個無空間感知的時間建模路徑。CTM模型可以無縫地插入許多流行的神經(jīng)網(wǎng)絡模型中以生成CTM網(wǎng)絡，可以將學習時間信息的能力帶給僅捕獲了空間信息的2D CNN骨干網(wǎng)絡中。在幾個流行的動作識別數(shù)據(jù)集上進行的實驗表明，CTM塊在2D CNN基線模型上帶來了性能提升。

Music2Dance：使用WaveNet的音樂驅(qū)動的舞蹈生成

論文名稱：Music2Dance: Music-driven Dance Generation using WaveNet

作者：Zhuang Wenlin /Wang Congyi /Xia Siyu /Chai Jinxiang /Wang Yangang

發(fā)表時間：2020/2/2

論文鏈接：https://paper.yanxishe.com/review/11181?from=leiphonecolumn_paperreview0219

推薦原因

這篇論文提出了一個名為Music2Dance的模型，用于解決全自動音樂編排的問題。

Music2Dance的主要思想是將最初為語音生成而設計的WaveNet轉(zhuǎn)變?yōu)槿梭w運動合成，首先通過考慮節(jié)奏和旋律的特征來提取音樂特征，接著將舞蹈的類型設計為網(wǎng)絡的全局條件。為了解決數(shù)據(jù)缺乏的挑戰(zhàn)，這篇論文收集捕捉了專業(yè)舞者同步的音樂舞蹈對，從而建立了高質(zhì)量的音樂舞蹈對數(shù)據(jù)集。這個數(shù)據(jù)集上的實驗表明了Music2Dance的有效性。