今日 Paper | 模態(tài)平衡模型；組合語(yǔ)義分析；高表達(dá)性SQL查詢；多人姿態(tài)估計(jì)模型等

本文作者： AI研習(xí)社

2020-02-07 14:23

導(dǎo)語(yǔ)：為了更好地服務(wù)廣大 AI 青年，AI 研習(xí)社正式推出全新「論文」版塊。

今日 Paper | 模態(tài)平衡模型；組合語(yǔ)義分析；高表達(dá)性SQL查詢；多人姿態(tài)估計(jì)模型等

視覺對(duì)話的模態(tài)平衡模型
對(duì)注意力的通用攻擊和對(duì)應(yīng)的數(shù)據(jù)集DAmageNet
半結(jié)構(gòu)化表的組合語(yǔ)義分析
從輸入輸出示例合成高表達(dá)性SQL查詢
DeeperCut: 一種更深入,更強(qiáng),更快速的多人姿態(tài)估計(jì)模型

視覺對(duì)話的模態(tài)平衡模型

論文名稱：Modality-Balanced Models for Visual Dialogue

作者：Kim Hyounghun /Tan Hao /Bansal Mohit

發(fā)表時(shí)間：2020/1/17

論文鏈接：https://paper.yanxishe.com/review/9325

推薦原因

這篇論文考慮的是視覺對(duì)話問(wèn)題。

視覺對(duì)話任務(wù)需要一個(gè)模型來(lái)利用圖像和對(duì)話以生成針對(duì)當(dāng)前對(duì)話的下一個(gè)響應(yīng)。然而存在大量對(duì)話問(wèn)題是不需要通過(guò)任何上下文歷史信息就可以根據(jù)查詢圖像而得以解答。這篇論文認(rèn)為以往的聯(lián)合模式（歷史加圖像信息）模型過(guò)于依賴且更易記住對(duì)話歷史，而僅圖像模型更加具有通用性，并且在允許多個(gè)正確答案時(shí)表現(xiàn)更好。因此這篇論文鼓勵(lì)維護(hù)兩個(gè)模型，即僅圖像模型和圖像-歷史聯(lián)合模型，并將它們的互補(bǔ)能力結(jié)合起來(lái)以形成更平衡的多峰模型。這篇論文通過(guò)集成和共有參數(shù)的共識(shí)落差融合，提出了兩種方法用于這兩個(gè)模型的集成，并且在2019年視覺對(duì)話挑戰(zhàn)賽上取得了出色的成績(jī)。

對(duì)注意力的通用攻擊和對(duì)應(yīng)的數(shù)據(jù)集DAmageNet

論文名稱：Universal Adversarial Attack>作者：Chen Sizhe /He Zhengbao /Sun Chengjin /Huang Xiaolin

發(fā)表時(shí)間：2020/1/16

論文鏈接：https://paper.yanxishe.com/review/9324

這篇論文研究的是深度神經(jīng)網(wǎng)絡(luò)的對(duì)抗性攻擊。這篇論文提出了注意力集中攻擊（Attack _src="https://notecdn.yiban.io/cloud_res/79539/imgs/20-2-7_03:41:29.935_70700.png" style="max-width: 100%; border-style: solid; border-width: 0px; box-shadow: none; height: auto !important; visibility: visible !important;">

半結(jié)構(gòu)化表的組合語(yǔ)義分析

論文名稱：Compositional Semantic Parsing>作者：Panupong Pasupat /Percy Liang

發(fā)表時(shí)間：2015/1/24

論文鏈接：https://paper.yanxishe.com/review/9240

推薦原因

核心問(wèn)題：本文完成的是一個(gè)問(wèn)答系統(tǒng)

創(chuàng)新點(diǎn)：本文訓(xùn)練了一個(gè)語(yǔ)義分析器，首先將關(guān)系和實(shí)體從半結(jié)構(gòu)化HTML表中編碼。然后，系統(tǒng)分析問(wèn)題成為覆蓋率高的候選邏輯形式語(yǔ)法，用對(duì)數(shù)線性重新排列候選項(xiàng)模型，然后執(zhí)行得分最高的邏輯形式來(lái)產(chǎn)生答案的表示

研究意義：作者構(gòu)建了一個(gè)數(shù)據(jù)集，在這個(gè)數(shù)據(jù)集的效果證實(shí)了，這種方法比傳統(tǒng)的基準(zhǔn)模型要好。

從輸入輸出示例合成高表達(dá)性SQL查詢

論文名稱：Synthesizing Highly Expressive SQL Queries from Input-Output Examples

作者：Chenglong Wang /Alvin Cheung /Rastislav Bodik

發(fā)表時(shí)間：2017/1/5

論文鏈接：https://paper.yanxishe.com/review/9239

推薦原因

核心問(wèn)題：SQL語(yǔ)言具有特定的語(yǔ)法結(jié)構(gòu)，這就導(dǎo)致要想熟練使用SQL語(yǔ)言需要較高的門檻，本論文就是解決這個(gè)問(wèn)題，

創(chuàng)新點(diǎn)：本論文開發(fā)一種如下的方式：

新的抽象-抽象查詢語(yǔ)言-分解原來(lái)具有挑戰(zhàn)性的綜合問(wèn)題。

這種語(yǔ)言中的抽象查詢?cè)谡Z(yǔ)法上類似于SQL查詢，但篩選器謂詞替換為可以用任何有效謂詞。總的來(lái)說(shuō)就是分為兩個(gè)過(guò)程，第一個(gè)過(guò)程是可能實(shí)例化為SQL的抽象查詢。第二個(gè)過(guò)程是為每個(gè)合成抽象查詢，將其實(shí)例化為所需的SQL查詢并將頂級(jí)候選項(xiàng)返回給用戶。

研究意義：自從抽象查詢中的運(yùn)算符不再由參數(shù)化謂詞，抽象查詢的搜索空間顯著比原來(lái)的減少了

DeeperCut: 一種更深入,更強(qiáng),更快速的多人姿態(tài)估計(jì)模型

論文名稱：DeeperCut: A Deeper, Stronger, and Faster Multi-Person Pose Estimation Model

作者：Insafutdinov Eldar /Pishchulin Leonid /Andres Bjoern /Andriluka Mykhaylo /Schiele Bernt

發(fā)表時(shí)間：2016/5/10

論文鏈接：https://paper.yanxishe.com/review/9238

推薦原因

研究目標(biāo)：多人場(chǎng)景中提高關(guān)節(jié)姿態(tài)估計(jì)的技術(shù)水平

改進(jìn)了DeepCut

(1)改進(jìn)的體部檢測(cè)器，為體部生成有效的自底向上的建議;

(2)新穎的、以圖像為條件的成對(duì)術(shù)語(yǔ)，允許將建議組合成數(shù)量可變的、一致的身體部分配置;

(3)增量?jī)?yōu)化策略，更有效地探索搜索空間，從而導(dǎo)致更好的性能和顯著的加速因素。

在兩個(gè)單人和兩個(gè)多人位姿估計(jì)基準(zhǔn)上進(jìn)行評(píng)估。該方法顯著優(yōu)于最著名的多人姿態(tài)估計(jì)結(jié)果，同時(shí)在單人姿態(tài)估計(jì)任務(wù)中表現(xiàn)出了較強(qiáng)的競(jìng)爭(zhēng)能力。

模型和代碼可以從http://pose.mpi-inf.mpg.de獲得

ECCV 2016

論文作者團(tuán)隊(duì)招募

為了更好地服務(wù)廣大 AI 青年，AI 研習(xí)社正式推出全新「論文」版塊，希望以論文作為聚合 AI 學(xué)生青年的「興趣點(diǎn)」，通過(guò)論文整理推薦、點(diǎn)評(píng)解讀、代碼復(fù)現(xiàn)。致力成為國(guó)內(nèi)外前沿研究成果學(xué)習(xí)討論和發(fā)表的聚集地，也讓優(yōu)秀科研得到更為廣泛的傳播和認(rèn)可。

我們希望熱愛學(xué)術(shù)的你，可以加入我們的論文作者團(tuán)隊(duì)。

加入論文作者團(tuán)隊(duì)你可以獲得

1.署著你名字的文章，將你打造成最耀眼的學(xué)術(shù)明星

2.豐厚的稿酬

3.AI 名企內(nèi)推、大會(huì)門票福利、獨(dú)家周邊紀(jì)念品等等等。

加入論文作者團(tuán)隊(duì)你需要：

1.將你喜歡的論文推薦給廣大的研習(xí)社社友

2.撰寫論文解讀

如果你已經(jīng)準(zhǔn)備好加入 AI 研習(xí)社的論文兼職作者團(tuán)隊(duì)，可以添加運(yùn)營(yíng)小姐姐的微信，備注“論文兼職作者”