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

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