今日 Paper | 旋轉(zhuǎn)不變混合圖形模型網(wǎng)絡(luò)；人體移動軌跡；行人再識別；基準成像系統(tǒng)等

本文作者： AI研習社

2020-02-17 16:11

導語：為了更好地服務(wù)廣大 AI 青年，AI 研習社正式推出全新「論文」版塊。

用于二維手勢估計的旋轉(zhuǎn)不變混合圖形模型網(wǎng)絡(luò)
從人體移動軌跡中學習具有空間層次的細粒度位置嵌入
中等服裝變化下基于輪廓草圖的行人再識別
基準成像系統(tǒng)的綜合數(shù)據(jù)庫
基于雙向語言模型的半監(jiān)督序列標注

用于二維手勢估計的旋轉(zhuǎn)不變混合圖形模型網(wǎng)絡(luò)

論文名稱：Rotation-invariant Mixed Graphical Model Network for 2D Hand Pose Estimation

作者：Kong Deying /Ma Haoyu /Chen Yifei /Xie Xiaohui

發(fā)表時間：2020/2/5

論文鏈接：https://paper.yanxishe.com/review/10869?from=leiphonecolumn_paperreview0217

推薦原因

這篇論文發(fā)表于WACV 2020，考慮的是二維手姿勢估計問題。

這篇論文提出了一種名為旋轉(zhuǎn)不變混合圖形模型網(wǎng)絡(luò)（R-MGMN）的網(wǎng)絡(luò)架構(gòu)，用來解決單攝像頭采集的RGB圖像中的二維手姿勢估計問題。通過集成一個旋轉(zhuǎn)網(wǎng)絡(luò)，R-MGMN可以應(yīng)對圖像中手的旋轉(zhuǎn)。R-MGMN還具有一個圖形模型庫，可以根據(jù)輸入圖像來選擇圖形模型的組合。R-MGMN通過在每個圖形模型上執(zhí)行置信傳播來生成一組邊際分布，然后將這些邊際分布作為手部關(guān)鍵點位置的置信度映射，最終所有的置信度映射合在一起得到最終的置信度映射。這篇論文在兩個公共手勢數(shù)據(jù)集上評估了R-MGMN，實驗結(jié)果表明R-MGMN明顯優(yōu)于其他的算法。

今日 Paper | 旋轉(zhuǎn)不變混合圖形模型網(wǎng)絡(luò)；人體移動軌跡；行人再識別；基準成像系統(tǒng)等

從人體移動軌跡中學習具有空間層次的細粒度位置嵌入

論文名稱：Learning Fine Grained Place Embeddings with Spatial Hierarchy from Human Mobility Trajectories

作者：Shimizu Toru /Yabe Takahiro /Tsubouchi Kota

發(fā)表時間：2020/2/6

論文鏈接：https://paper.yanxishe.com/review/10868?from=leiphonecolumn_paperreview0217

推薦原因

這篇論文考慮的是位置嵌入問題。

以往的研究通過人員流動軌跡來生成位置嵌入，而實際應(yīng)用需要具有高空間分辨率的位置嵌入。由于數(shù)據(jù)稀疏性，許多應(yīng)用不得不降低空間分辨率，從而導致位置嵌入質(zhì)量的降低。為了解決這個問題，這篇論文提出了一種生成細粒度位置嵌入的方法，根據(jù)觀察到的數(shù)據(jù)點的局部密度來利用空間層次信息?；谌毡?個城市的真實世界軌跡數(shù)據(jù)，這篇論文實驗了下一個位置的預(yù)測任務(wù)，驗證了所提的位置嵌入方法的有效性。

中等服裝變化下基于輪廓草圖的行人再識別

論文名稱：Person Re-identification by Contour Sketch under Moderate Clothing Change

作者：Yang Qize /Wu Ancong /Zheng Wei-Shi

發(fā)表時間：2020/2/6

論文鏈接：https://paper.yanxishe.com/review/10867?from=leiphonecolumn_paperreview0217

推薦原因

這篇論文要解決的是行人重識別問題。

與以往只考慮同一個著裝的行人重識別問題不同，這篇論文定義了跨服飾行人重識別問題，即在不同著裝下的行人重識別任務(wù)。這篇論文考慮的是在短時間內(nèi)，天氣沒有變化，因此行人穿著的衣服的厚度沒有大的變化，從而通過處理行人圖像的輪廓草圖，而不是通過衣服的顏色信息，來提取特征。這種方式可以對于服飾的變化更加魯棒。這篇論文還為了這個問題建了一個來自221個行人的包含33698張圖像的數(shù)據(jù)集。通過在新數(shù)據(jù)集上的實驗，這篇論文驗證了所提方法的有效性。

基準成像系統(tǒng)的綜合數(shù)據(jù)庫

論文名稱：A Comprehensive Database for Benchmarking Imaging Systems

作者：Karen Panetta /Qianwen Wan /Sos Agaian /Srijith Rajeev /Shreyas Kamath /Rahul Rajendran /Shishir Paramathma Rao /Aleksandra Kaszowska /Holly A. Taylor / Arash Samani /Xin Yuan

發(fā)表時間：2018/11/30

論文鏈接：https://paper.yanxishe.com/review/10866?from=leiphonecolumn_paperreview0217

推薦原因

這篇論文貢獻了Tufts大學收集的人臉數(shù)據(jù)庫，包含了來自15個以上國家/地區(qū)的113位個人的10,000多張圖像，包含了不同的性別身份、年齡和種族背景。這些人臉圖像是從Tufts大學的學生、教職員工及其家屬那里采集的，能夠為人臉識別相關(guān)的研究提供更加魯棒的算法測試。同時這篇論文也回顧了目前已有的其他人臉識別相關(guān)的數(shù)據(jù)集。

基于雙向語言模型的半監(jiān)督序列標注

論文名稱：Semi-supervised sequence tagging with bidirectional language models

作者：Matthew E. Peters /Waleed Ammar /Chandra Bhagavatula /Russell Power

發(fā)表時間：2017/4/29

論文鏈接：https://paper.yanxishe.com/review/10865?from=leiphonecolumn_paperreview0217

推薦原因

本文解決的問題：本論文是針對訓練語料不足的問題，解決這個問題的核心就是使用遷移學習的思想以及半監(jiān)督的方式。

創(chuàng)新點：該論文使用海量無標注語料庫訓練了一個雙向神經(jīng)網(wǎng)絡(luò)語言模型，然后使用這個訓練好的語言模型來獲取當前要標注詞的語言模型向量（LM embedding），然后將該向量作為特征加入到原始的雙向RNN-CRF模型中。

研究意義：實驗結(jié)果表明，在少量標注數(shù)據(jù)上，加入這個語言模型向量能夠大幅度提高NER效果，即使在大量的標注訓練數(shù)據(jù)上，加入這個語言模型向量仍能提供原始RNN-CRF模型的效果。

論文作者團隊招募

為了更好地服務(wù)廣大 AI 青年，AI 研習社正式推出全新「論文」版塊，希望以論文作為聚合 AI 學生青年的「興趣點」，通過論文整理推薦、點評解讀、代碼復(fù)現(xiàn)。致力成為國內(nèi)外前沿研究成果學習討論和發(fā)表的聚集地，也讓優(yōu)秀科研得到更為廣泛的傳播和認可。

我們希望熱愛學術(shù)的你，可以加入我們的論文作者團隊。

加入論文作者團隊你可以獲得

1.署著你名字的文章，將你打造成最耀眼的學術(shù)明星

2.豐厚的稿酬

3.AI 名企內(nèi)推、大會門票福利、獨家周邊紀念品等等等。

加入論文作者團隊你需要：

1.將你喜歡的論文推薦給廣大的研習社社友

2.撰寫論文解讀

如果你已經(jīng)準備好加入 AI 研習社的論文兼職作者團隊，可以添加運營小姐姐的微信，備注“論文兼職作者”