每日论文 | Twin-GAN实现不同次元的图像的迁移;半监督学习实际效果调查;对深度学习进行长度描述

2018 年 9 月 6 日 论智

1


Twin-GAN -- Unpaired Cross-Domain Image Translation with Weight-Sharing GANs

在这篇论文中,研究人员提出了一种框架,可以从一个领域将未标记的图像转移到另一领域的相似图像中。该框架在无监督的条件性可以学习原图人脸中的语义映射,从而完成人脸图像迁移。

地址:https://arxiv.org/abs/1809.00946

2

Realistic Evaluation of Deep Semi-Supervised Learning Algorithms

在缺少数据或标签不足时,半监督学习(SSL)通常能提供强大的框架处理无标签数据。基于深度神经网络的SSL算法最近在标准任务上都有不错的成果,但是我们认为这些标准任务并没有解决算法可能在现实应用中可能遇到的问题。在创建了一个能够广泛使用的SSL统一算法后,我们在一系列实验上对其进行了测试,发现结果并不如期待的那么好。

地址:https://arxiv.org/abs/1804.09170

3


The Description Length of Deep Learning Models

所罗门诺夫的归纳推理通用理论以及“奥卡姆剃刀”认为,一个良好的数据模型应该善于无损压缩数据,包括描述模型本身的成本。如果有太多参数需要被编码,深度神经网络可能会违背这一原则。通过实验,我们证明了深度神经网络压缩训练数据的能力,我们发现变分方法的压缩界限小。这也许能够解释变分方法在深度学习实践中不好的表现。

地址:https://arxiv.org/abs/1802.07044



登录查看更多
13

相关内容

半监督学习(Semi-Supervised Learning,SSL)是模式识别和机器学习领域研究的重点问题,是监督学习与无监督学习相结合的一种学习方法。半监督学习使用大量的未标记数据,以及同时使用标记数据,来进行模式识别工作。当使用半监督学习时,将会要求尽量少的人员来从事工作,同时,又能够带来比较高的准确性,因此,半监督学习目前正越来越受到人们的重视。
【KDD2020-清华大学】图对比编码的图神经网络预训练
专知会员服务
43+阅读 · 2020年6月18日
专知会员服务
107+阅读 · 2020年5月21日
麻省理工学院MIT-ICLR2020《神经网络能推断出什么?》
专知会员服务
50+阅读 · 2020年2月19日
【GitHub实战】Pytorch实现的小样本逼真的视频到视频转换
专知会员服务
35+阅读 · 2019年12月15日
深度学习中最常见GAN模型应用与解读
计算机视觉life
22+阅读 · 2019年10月23日
DeepMind论文:深度压缩感知,新框架提升GAN性能
极市平台
4+阅读 · 2019年5月23日
半监督学习背景下的对抗生成网络
论智
6+阅读 · 2018年9月10日
镜头间的风格转换行人重识别
统计学习与视觉计算组
13+阅读 · 2018年8月16日
如何处理多种退化类型的卷积超分辨率
算法与数学之美
6+阅读 · 2018年6月1日
该如何对「半监督学习算法」实际性应用进行评估?
炼数成金订阅号
7+阅读 · 2018年4月27日
用PyTorch实现各种GANs(附论文和代码地址)
【应用】深度对抗学习在图像分割和超分辨率中的应用
GAN生成式对抗网络
4+阅读 · 2017年9月12日
Neural Image Captioning
Arxiv
5+阅读 · 2019年7月2日
Arxiv
5+阅读 · 2018年5月1日
Arxiv
16+阅读 · 2018年4月2日
VIP会员
相关资讯
深度学习中最常见GAN模型应用与解读
计算机视觉life
22+阅读 · 2019年10月23日
DeepMind论文:深度压缩感知,新框架提升GAN性能
极市平台
4+阅读 · 2019年5月23日
半监督学习背景下的对抗生成网络
论智
6+阅读 · 2018年9月10日
镜头间的风格转换行人重识别
统计学习与视觉计算组
13+阅读 · 2018年8月16日
如何处理多种退化类型的卷积超分辨率
算法与数学之美
6+阅读 · 2018年6月1日
该如何对「半监督学习算法」实际性应用进行评估?
炼数成金订阅号
7+阅读 · 2018年4月27日
用PyTorch实现各种GANs(附论文和代码地址)
【应用】深度对抗学习在图像分割和超分辨率中的应用
GAN生成式对抗网络
4+阅读 · 2017年9月12日
Top
微信扫码咨询专知VIP会员