0
雷鋒網 AI 科技評論按：2017 年，在 GAIR 2017 大會成功舉辦后，雷鋒網旗下宣布成立了一個全新的高端學術分享品牌「GAIR 大講堂」。在過去的一年里，GAIR 大講堂通過舉辦高頻次的學術分享活動（包括線上和線下），實現了學術專家、AI 業者與高校學術青年之間的深度交流。以下是我們的年度盤點。
國際頂會論文解讀（線下）
內容簡介：本次 AAAI 2018 預講會邀請了來自全國各地 15 所高校和研究單位的老師和同學分享他們在 AAAI 2018 中接收的 25 篇論文，內容覆蓋有聊天機器人、語義依存圖、文本摘要、機器翻譯、信息抽取、表示學習等多個領域的最新研究成果。會議吸引了 200 多名老師和學生來此參會并進行交流。
CVPR 2017 專場
CVPR（國際計算機視覺與模式識別會議）是 IEEE 舉辦的年度學術性會議，會議主要關注計算機視覺與模式識別等方面的技術內容。在各種學術會議統計中，CVPR 有著非常強的影響力和高排名。在美國夏威夷舉辦的CVPR 2017 大會上，學術界和工業界都給予了極高的關注度，無論是收錄的論文數和參會人數都刷新了 CVPR 的歷史紀錄。
內容簡介：
吳佳俊（MIT EECS 系三年級博士生）分享了 A Point Set Generation Network for 3D Object Reconstruction from a Single Image，提出的點云生成網絡解決了如何用深度神經網絡從單張圖片中恢復重建三維物體這個難題。
汪洋（阿里巴巴人工智能實驗室資深算法工程師）分享了阿里人工智能實驗室入選的論文：Contextual Attention-based Memory Networks for Scene Labeling。
論文提出了一種 Episodic CAMN 方法，并在該方法的基礎上定義了一種由全卷積神經網絡和帶有反饋連接的注意力機制記憶網絡構成的統一框架來實現上下文信息的選擇和調整。
楊蕊（上海交通大學研究生）分享的是 Video Segmentation via Multiple Granularity Analysis，講解了視頻目標分割傳統方法，以及該論文中提到的新方法遇到的挑戰，比如視頻模糊，有遮擋，形變，和光照等因素影響。
林天威（上海交通大學研究生）分享的是 Single Shot Temporal Action Detection，并且利用該論文中提到的方法獲得CVPR舉辦的ActivityNet Challenge 2017兩項冠軍。
王敏思（上海交通大學博士生）分享的是 Recurrent Modeling of Interaction Context for Collective Activity Recognition，論文提出了一個基于多層次遞歸神經網絡的群體行為識別算法，在群體行為數據庫Collective-Activity獲得了目前很好的識別精度。
內容簡介：
段岳圻（清華大學自動化系三年級博士生 ）分享的論文題目是：Learning Deep Binary Descriptor with Multi-Quantization 。 他分別從四個方面介紹了他的論文研究：背景介紹，文章方法，實驗結果，參會心得。
孫剛（Momenta 研發總監&聯合創始人）分享的論文題目是：Squeeze & Excitation Networks。這篇論文作者提出了一種新穎的神經網絡模塊稱為Squeeze & Excitation（簡稱SE），以此大幅提升模型的精度。
鄭賀亮（中科大&微軟亞洲研究院聯合培養博士生）分享的是：Look Closer to See Better: Recurrent Attention Convolutional Neural Network for Fine-Grained Image Recognition。論文中設計一種RA-CNN的網絡結構，將不同尺度的重要區域綜合起來進行分類，實現了定位和精細化特征學習之間的相互促進，在精細化物體分類的任務上取得非常理想的結果。
邱釗凡（中科大&微軟亞洲研究院聯合培養博士生）分享的題目是：Deep Quantization: Encoding Convolutional Activations with Deep Generative Model。論文中提出了基于深度生成模型的卷積層特征的提取整合方案，并將最終得到的全局特征應用在不同分類問題當中。在圖片精細分類和視頻動作識別兩個問題上，該方法均體現出較好的性能。
內容簡介：
左旺孟（哈爾濱工業大學計算機學院教授、博士生導師）分享的論文題目是：Deep learning models for image restoration and depth enhancement 。文章設計了一種新的去噪CNN網絡，并結合半二次分裂方法將其推廣應用于廣義的圖像復原問題的求解。
黃偉林（碼隆科技首席科學家）& Matt Scott（碼隆科技聯合創始人兼 CTO）分享的主題是：CVPR WebVision 挑戰賽分享與展望。他們共同分享了參加競賽的算法思路和方法方面的相關經驗，以及針對現實場景中非人工標注數據的訓練和學習技術的探索。
陳曉智（清華大學博士）分享的是：Multi-View 3D Object Detection Network for Autonomous Driving 。論文中提出了一種多視角三維物體檢測網絡（MV3D)，通過融合激光點云和 RGB 圖像來實現物體的三維定位與檢測。
李琛（浙江大學博士）分享的主題是：Biological Human Skin Color Model: from Theory to Applications。李博士和團隊其他人在CVPR 2017 發表的兩篇論文《Radiometric Calibration from Faces in Images》和《Specular Highlight Removal in Facial Images》中利用人臉膚色的生物學模型先驗知識，在高光分離、相機響應函數校準這兩個問題上，效果取得顯著提升。
NIPS 2017 專場
繼 CVPR 2017 會議在報名人數以及論文收錄等方面創下多項「歷史第一」之后，計算神經科學頂級學術會議之一——NIPS（神經信息處理系統大會）在文章收錄結果僅僅公布 10 天之后，官方數據顯示注冊名額已滿。人工智能關注度又上升了一個高度。
內容簡介：
NIPS 2017 共收到 3240 篇論文投稿，有 678 篇論文被選中作為大會論文，比例 20.9%，其中有 40 篇被選中進行口頭報告（oral），112 篇選為 spotlight 進行展示。這些數字刷新了大會歷史記錄。
陸洲（北京大學數學科學學院大四本科生）分享題目是：The expressive power of neural networks : A view from the width。這篇論文從寬度入手，分別從寬度帶來的相變，以及寬度與深度對效率的影響來做實驗，得到了關于神經網絡表達能力的新結果。
鄧志杰（清華大學計算機系人智所博士生）分享題目是：Structured Generative Adversarial Networks。該論文提出結構化生成對抗網絡(SGAN) 來解決半監督條件產生式建模問題。
陳鍵飛（清華大學計算機系人智所博士生）分享題目是：Population Matching Discrepancy and Applications in Deep Learning。主要介紹了他們在NIPS 2017上提出的樣本匹配差異（PMD）。
汪躍（北京交通大學理學院博士生）分享的是：Finite sample analysis of the GTD Policy Evaluation Algorithms in Markov Setting。這篇論文中首先證明了在數據來自于馬爾科夫鏈的情況下，鞍點問題的期望意義下和高概率意義下的有限樣本誤差，進而得到了更接近于實際情形下的GTD的算法的有限樣本誤差分析。
單小涵（中國科學院計算技術研究所博士生）分享的是：Influence Maximization with epsilon-Almost Submodular Threshold Function 。論文中提到了一種近次模函數，并以這類函數作為閾值，研究通用閾值模型下的影響力最大化問題。
學術青年分享會（線上）
內容簡介：此次分享中，張健按照 NLP 概述、文本分類的傳統方法、深度學習在文本分類中的應用和案例介紹四個板塊，結合在達觀數據的系統設計和應用經驗，分享了他的見解。
優必選悉尼 AI 研究院王超岳：基于生成對抗網絡的圖像編輯方法
內容簡介：對于圖像編輯任務，現在面臨的兩個重要的挑戰分別是：如何提升生成圖像的質量和如何靈活控制生成圖像內容。如何解決，王超岳帶來詳細解讀。
內容簡介：深度學習在語音生成和語音增強上的新穎應用方法
Video ++孫兆民：人工智能行業報告——視頻內容識別行業分析
內容簡介：這份報告并非針對人工智能領域全局觀，而是解構視頻行業，圍繞國內視頻內容識別這一垂直領域的創業公司展開討論，從市場、產品、技術、商業模式、人才等多個維度出發，淺析人工智能技術在視頻中的發展方向。
內容簡介：語音分離的目標就是從環境等干擾中分離出主說話人的語音，本文介紹的是基于深度學習的語音分離。
內容簡介：文章中主要分享的是基于徐華哲和他的同學們發表的 CVPR 2017 的收錄文章「End-to-end Learning of Driving Models from Large-scale Video Datasets」，這是對端到端自動駕駛的一個嘗試。
BasicFinder 標注平臺數據科學家吳昊：從數據采集與標記行業看數據與深度學習之關系
內容簡介：本文主要介紹的是數據規模、數據質量等與深度學習算法之間的關系，以及為算法做數據準備的一些經驗。
內容簡介：本文主要介紹的是目前網絡信息流行度預測研究的進展，以及中科院博士生曹婍提出的基于深度學習技術的端到端流行度預測框架（DeepHawkes 模型）。該工作已被國際會議 CIKM 2017 錄用并發表。
香港科技大學施行健：深度學習用于短臨降雨預報的一個基準和一個新模型
內容簡介：本文介紹了 NIPS 2017 論文： Deep Learning for Precipitation Nowcasting: A Benchmark and A New Model 中提到的核心算法模型。該論文的作者之一施行健給我們詳細講解了論文中的核心思想以及模型的演進過程。
清華大學馮珺：當強化學習遇見自然語言處理有哪些奇妙的化學反應？
內容簡介：本文介紹了如何利用強化學習技術，更好地解決自然語言處理中的兩個經典任務：關系抽取和文本分類。
多倫多大學博士生趙舒澤： 如何在FPGA上實現動態電壓的調節？
內容簡介：本文介紹了其中一種降低 FPGA 能耗的方法——基于自測量的 FPGA 動態電壓調節解決方案。
內容簡介：本文第一部分介紹的是傳統視覺的圖分割算法，第二部分是近幾年流行的深度學習算法中的經典技巧。
新的一年雷鋒網「AI科技評論」會持續輸出更多優質內容，感謝大家的關注和支持。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
