7 Papers|谷歌等用神经网络给照片打光,沈向洋等神经语言处理综述

机器之心 & ArXiv Weekly Radiostation
参与：杜伟、楚航、罗若天
本周的重要论文有谷歌等研究机构用神经光传输为照片二次打光的探索，以及沈向洋等从建模、学习和推理三方面展开的神经 NLP 综述。
目录：
Spatial Images from Temporal Data
Deep Face Recognition: A Survey*
Temporal Constraint Networks
Progress in Neural NLP: Modeling, Learning, and Reasoning
Neural Light Transport for Relighting and View Synthesis
Development and Application of the Latest generation Against the Network of GAN
Improving Monocular Depth Estimation by Leveraging Structural Awareness and Complementary Datasets
ArXiv Weekly Radiostation：NLP、CV、ML 更多精选论文
论文 1：Spatial Images from Temporal Data
作者：Alex Turpin、Gabriella Musarra、Valentin Kapitany 等
链接：https://www.osapublishing.org/optica/abstract.cfm?uri=optica-7-8-900
【7 Papers|谷歌等用神经网络给照片打光,沈向洋等神经语言处理综述】摘要：想象一下，你闭着眼睛朝一只动物大吼，然后根据回声就能判断这只动物是猫是狗。听起来是不是很不可思议？
来自英国格拉斯哥大学计算科学学院的研究者最近就做了一项类似的成像技术。他们通过计算光反射到一个简单探测器所需的时间，来获得场景的 3D 图像。当然，仅仅依靠光提供的信息是不够的，这项被称为「时域成像」（temporal imaging）的新技术还借助机器学习方法，从噪声中挖掘模式。
这项研究采取了一种不同的方法，通过基于包含目标检索图像类型的数据集的先验知识提供额外信息，并且为这一目标训练了一种监督式机器学习算法。

本文插图
基于单点时间分辨传感器的 3D 成像。

本文插图
该系统在不同情况下从时间直方图恢复 3D 图像的性能。
推荐：这项研究登上光学期刊 Optica 。
论文 2：Deep Face Recognition: A Survey
作者：Mei Wang、Weihong Deng
链接：https://arxiv.org/pdf/1804.06655.pdf
摘要：在这篇论文中，来自北京邮电大学的研究者对深度人脸识别进行了全面的综述。
首先，他们总结了当前深度人脸识别方法中提出的不同网络结构和损失函数；其次，概述了两类人脸处理方法，「一对多增强」和「多对一归一化」；最后，研究者深入分析了跨因素场景、异质场景、多媒体场景和行业场景，并对未来的发展方向进行了展望。

本文插图
深度人脸识别方法的发展历程。

本文插图
深度人脸识别的架构。
推荐：两位作者均来自北京邮电大学模式识别实验室。
论文 3：Temporal Constraint Networks
作者：Rina Dechter、Itay Meiri、Judea Pearl
链接：http://ftp.cs.ucla.edu/pub/stat_ser/r113-L-reprint.pdf
摘要：这篇论文将基于网络的约束满足方法进行扩展，使其包含连续变量，从而为处理时间约束提供了框架。在这个叫做时间约束满足问题（TCSP）的框架中，代表时间点和时间信息的变量由一组一元和二元约束进行表示，每一个指定一组时间间隔。该框架的独特特征在于允许处理度量信息，即评估不同事件之间的时间差。