2020年人工智能论文总结论文总结 _人工智能

论文总结(2020年人工智能论文总结)虽然这一年世界上发生了那么多事情，但是我们还是有机会看到很多惊人的研究成果。尤其是在人工智能领域。除此之外，今年还强调了很多大的方面，比如伦理道德，大的刻板印象等等。人工智能和我们对人脑及其与人工智能的联系的知识正在不断发展，在不久的将来显示出有前途的应用。
以下是今年最有趣的研究论文，如果你错过了其中的任何一篇。简而言之，它基本上是根据宣布日期列出的人工智能和数据科学的最新突破，有清晰的视频说明，更深入的文章和代码链接(如果实用的话) 。
最后，本文列出了每篇论文的完整参考文献。

【2020年人工智能论文总结论文总结】YOLOv4:物体检测的更佳速度和精确度[1]
第四版由Alexey Bochkovsky等人于2020年4月在论文“YOLOv4:物体检测的更佳速度和精度”中发表简介在。这个算法的重要目的是在精度上做出高质量的超高速目的地检测器。

DeepFaceDrawing:从草图中深度生成人脸图像[2]
现在，您可以应用这种新的图像到图像转换技术，在没有绘图技能的情况下，从粗糙甚至不完整的草图中生成高质量的人脸图像！如果你的绘画技巧和我一样差，你甚至可以调整眼睛、嘴巴和鼻子对最终图像的影响。让我们看看它是否真的有效，以及他们是如何做到的。

学习用GameGAN模拟动态环境[3]
本次研讨会由Nvidia多伦多AI Lab和日本游戏厂商*BANDAI NAMCO联合开发，从前者获取技能，从后者获取数据。
简而言之， GameGAN只需要学习游戏的简短视频和玩家的输入，就可以模仿接近真实游戏的环境，不需要游戏引擎和底层代码。它的底层是生成性叛逆 (GAN) ，也就是AI中众所周知的。

PULSE:通过生成模型的潜在空间探索进行自我监督的照片上采样[4]
它可以将超低分辨率的16x16图像转换成1080p高清人脸！你不信任我？那你就可以像我一样不到一分钟就在自己身上试一试了！

编程语言的无监督翻译[5]
这种新模型将代码从一种编程语言转换为另一种编程语言，没有任何监控！它可以接收一个Python函数并将其转换为c++函数，反之亦然，之前没有任何例子！它知道每种语言的语法，所以它可以扩展到任何编程语言！让我们看看他们是怎么做的。

PIFuHD:用于高分辨率3D人体数字化的多级像素对齐隐函数[6]
这种人工智能从2D图像中生成高分辨率的人的三维重建！它只需要一张图片，你就可以生成一个看起来和你一模一样的3D头像，甚至从后面看也是如此！

视觉效果的高分辨率神经面部交换[7]
在这篇论文中，迪士尼的研究人员开发了一种新的面部交流算法，具有高分辨率的视觉效果。它能以百万像素的分辨率渲染照片的真实效果。。它们的目的是在保持演员表演的同时，从源演员传达目的演员的外观。这在许多情况下非常具有煽动性和有用，例如改变角色的年龄，当演员不在时，甚至当它涉及对重要演员来说太危险的特技场景时。目前的需要大量的逐帧动画和专业人员的后期处理。

将自动编码器换成深度图像处理[8]
这种新技术可以改变任何图片的纹理，同时应用完全无监督的训练来坚持现实！结果看起来比GANs能达到的还要好，而且更快！甚至可以用来做深度假货！

GPT 3:语言模型是一次性学习者[9]
目前，更先进的NLP系统几乎不能扩展到不同的义务。他们需要微调成千上万个例子的数据集，而人类只需要看几个例子就能完成新的语言义务。这是GPT-3的目的，旨在改善语言模型的强制性不可知性。

学习视频修复的联合时空变换[10]
与最新的技术相比，这种AI可以填充移动物体背后的缺失像素，并以更高的精度和更少的模糊性重建所有视频！

图像GPT-从像素生成的预训练[11]
一个好的人工智能，比如Gmail中应用的人工智能，可以生成连贯的文本，并完善你的短语。这是应用同样的原理完成图像处理！全部都是在无监督训练中完成的，基本没有标签！

2020年人工智能论文总结 论文总结

2020年人工智能论文总结论文总结