全球近百名选手广州竞技广州南沙国际帆船赛开赛

中新网广州12月13日电 (王坚 杨焱)第三届广州南沙国际帆船赛(下称“国际帆船赛”)13日在广州开幕。国际帆船赛是广州集体育竞技、旅游、文化为一体的大型综合性水上体育盛事,霍英东集团主席、国际奥委会委员霍震霆出席开幕式。

开幕式现场。陈骥旻 摄

提名:《Control》 《死亡搁浅》《任天堂大乱斗》 《生化危机2:重制版》 《只狼:影逝二度》 《天外世界》

推荐理由:为了减少过拟合,通常会使用数据增强来训练神经网络,这是通过现有训练实例的保留标签的变换人工生成额外训练数据来完成的。尽管这些类型的转换具有直觉上的意义,但最近的工作表明,即使是不保留标签的数据增强也很有效果,它通过实例对的线性组合实现数据扩充。尽管它们有效,但对于这种方法为何起作用知之甚少。

作者发现使用大量的元训练类,即使对于大量的测试类,也能获得极高的准确率。作者不提倡他们的方法作为小样本学习的解决方案,而只是使用结果突出显示当前基准和小样本学习的局限性。作者对基准数据集进行了广泛的研究,以提出量化测试集“硬度”的指标。此度量标准可用于以更系统的方式说明小样本学习算法的性能。

在这项工作中,作者旨在探索这种类型的数据增强的一种新的更通用的形式,以确定这种线性是否必要。通过考虑“混合实例数据增强”的更广泛范围,作者发现了实用增强技术的更大空间,其中包括对现有技术进行改进的方法。这种概括所带来的好处超出了提高性能的希望,它揭示了许多混合实例数据增强类型,这些类型与先前工作中所考虑的完全不同,这提供了证据表明此类方法有效性的理论是不完整的,并表明任何这样的理论都必须解释更广泛的现象。

获奖:《英雄联盟》世界赛2019

推荐理由:机器人抓取通常被公式化为学习问题。随着物理仿真速度和质量的提高,生成用于学习算法的大规模抓取数据集变得越来越流行。一个经常被忽略的问题是如何生成构成这些数据集的掌握信息。

推荐理由:对经过标准交叉熵损失训练的深度网络进行微调是进行小样本学习的一个强基准。如果对它们进行传导性微调,它的性能将优于标准数据集(如Mini-Imagenet,Tiered-Imagenet,CIFAR-FS和FC-100)中具有相同超参数的最新技术。

提名:2019《守望先锋》联赛总决赛、EVO 2019、《堡垒之夜》世界杯、《CS:GO》Major大赛IEM卡托维兹2019、《英雄联盟》世界赛2019、《Dota2》国际邀请赛2019

据组委会相关负责人介绍,国际帆船赛是广州市人民政府主办的一项以帆船主题的体育文化活动,与广州国际龙舟邀请赛、广州马拉松赛以及速度马术比赛并称为广州四大体育品牌赛事。

 合并弱监督和主动监督以进行语义解析

这种方法的简单性使作者能够在Imagenet-21k数据集上演示最初的几次学习结果。

推荐理由:语义解析器将来自用户的自然语言命令(NL)映射到可执行的含义表示(MR),然后在特定环境中执行这些以获得所需的结果。对此类解析器的全监督培训需要NL / MR对,并由领域专家进行注释,这使得收集它们的成本很高。

在本文中,作者回顾,分类和比较了不同的抓取抽样策略。作者的评估基于SE(3)的细粒度离散化,并使用基于物理的模拟来评估相应的平行下颌抓握的质量和鲁棒性。具体来说,作者认为YCB数据集中的21个对象中的每个对象都拥有超过10亿个抓取。这个密集的数据集使作者可以评估现有的采样方案w.r.t. 他们的偏见和效率。

 看,读和感觉:用多模态多任务学习对广告的理解进行基准测试 Look, Read and Feel: Benchmarking Ads Understanding with Multimodal Multitask Learning 作者:Zhang Huaizheng /Luo Yong /Ai Qiming /Hou Nana /Wen Yonggang 发表时间:2019/12/21 论文链接:https://paper.yanxishe.com/review/7892 推荐理由:这篇论文要解决的是广告内容理解的问题。 由于广告行业的巨大市场和在线多媒体内容(如视频)的急剧增长,将广告与多媒体内容一起推广的方式逐渐流行起来。然而要为提供的内容找寻相应的广告将耗费大量人力,因此一些自动化的广告技术发展起来。为了进一步提升用户体验,理解广告的主题与情感是必要的。这篇论文的贡献在于提出了一种新的深度多模态多任务框架,来整合多个模态以获得目标广告的有效主题与情感,使得理解更容易。具体而言,所提模型首先从广告里抽取多模态信息并学习一个高层级和可比较的表示向量。广告的可视化元素在无监督的情况下解码,获得的特征随后被带入所提的分层多模态注意力模块中,用以学习为了作出最终预测而在特定任务下获得的表示向量。另外,这篇论文还设计了一个多任务损失函数来联合训练主题与情感预测模型。在最新与最大规模的广告数据集上的实验表明所提方法取得了最佳效果。

提名:《极乐迪斯科》、《最终幻想14》、《王国之心3》、《怪物猎人世界:冰原》、《天外世界》 

获奖:任天堂明星大乱斗 

作者在CIFAR-10和CIFAR-100上的实验表明,MI可以进一步提高mixup及其变形训练的模型的对抗鲁棒性。

 小样本图像分类的基准

据了解,本届比赛船型除了珐伊26级别外,新增了船型J70级别,J70是一款高性能的统一级别帆船,同时也是国际帆联(ISAF)国际级别赛事历史上速度最快的龙骨帆船。

2015年,武汉被国际专家认定为青头潜鸭已知最南的繁殖地,2018年初武汉又发现该物种极大的越冬种群。此次调查由阿拉善SEE基金会、卓尔公益基金会、湖北省长江生态保护基金会共同发起的“守护青头潜鸭的家园”项目资助,数家武汉本地组织也将在江城的几处青头潜鸭重要越冬地开展调查。(完)

 改进的混合示例数据增强

推荐理由:尽管最新的GAN在生成超逼真的图像方面具有令人印象深刻的性能,但GAN鉴别器仍然难以评估单个生成样本的质量。这是因为评估所生成图像的质量的任务不同于确定图像是真实的还是伪造的。生成的图像可能很完美,除了在单个区域之外,但仍被检测为伪造的。

推荐理由:最近,生成的图像可以达到非常高的质量,即使人眼也无法分辨真实图像。尽管目前在法医界已经有一些检测生成图像的方法,但是这些方法大多数都用于检测生成图像的一种类型。生成的新型图像层出不穷,现有的检测方法无法很好地应对。这些问题促使作者提出了一种基于深度度量学习的可扩展的多类别分类框架,旨在对生成的图像进行更好的分类。

随着国际帆船赛影响力的加强,本届帆船赛参赛规模及选手竞技水平与知名度再创新高,船队阵容扩大了一倍以上,13日至15日,来自中国、中国香港、印度、韩国、马来西亚、俄罗斯、新加坡、泰国8个国家与地区的11支船队将在广州南沙湾扬帆竞技,为观众呈现帆船的“速度与激情”。

推荐理由:人们已经普遍认识到,对抗性的实例可以很容易地被用来愚弄深层网络,而深层网络的愚弄主要来源于输入实例附近的局部非线性行为。

提名:《瘟疫传说:无罪》 《Control》 《死亡搁浅》 《极乐迪斯科》 《天外世界》

 结合深度学习和谷歌地球引擎提取城市水系

在简单几何直觉的启发下,作者发展了一种用于混合训练模型的推理原理,称为混合推理(MI)。MI将输入与其他随机干净的样本混合,如果输入是对抗性的,则可以收缩并传递等效扰动。

青头潜鸭越冬同步调查培训会 雷进宇 摄

相反,作者提出了一种新颖的方法来检测生成的图像中错误的位置。通过将实际图像与生成的图像进行比较,作者为每个像素计算其属于真实分布还是生成的分布。此外,作者利用注意力来建立远程依赖模型。这允许检测局部上合理但不是整体上的错误。

提名:Bugha(《堡垒之夜》)、Faker(《英雄联盟》)、Perkz(《英雄联盟》)、s1mple(《CS:GO》)、Sinatraa(《守望先锋》)

此外,作者增加了框架的可伸缩性,以应对不断涌现的新型生成图像,并通过微调使模型对新型生成数据获得更好的检测性能。

 检测GAN产生的错误

 Mixup推论:更好地利用Mixup来防御对抗性攻击

 十亿种方式:基于密集的,基于物理的抓取数据集的抓取采样方案的评估

提名:《Apex英雄》、《命运2》、《最终幻想14》、《堡垒之夜》、《彩虹六号:围攻》

提名:《节奏海拉鲁(Cadence of Hyrule)》 《死亡搁浅》 《鬼泣5》 《王国之心3》 《再见狂野之心》

这是一篇深度学习应用于水利行业的应用,可以启发更多计算机技术在其他领域应用的研究。

作者的工作为更好地了解GAN以及从GAN模型中选择最佳样本的能力打开了大门。

青头潜鸭是全球极度濒危物种,其种群数量全球约仅存500至1000只成鸟。与雁类、部分河鸭类不同,青头潜鸭的生活史几乎完全依赖河湖、库塘等淡水环境,其种群数量可以被视为淡水环境健康的指示标。

值得一提的是,为了让观众们能够更加直观地了解帆船,参与赛事,组委会还在赛事村设置了航海主题VR体验馆、赛事村欢乐演艺、水陆船艇及高端休闲生活方式展等帆船体验活动。(完)

为了进行评估,作者表明,与FID和IS不同,实验的错误检测可以作为单个图像的质量指标。作者利用改进的Wasserstein,BigGAN和StyleGAN来显示基于本文的指标的排名与FID分数有着显着的相关性。

提名:《奇迹时代:星陨》、《纪元1800》、《火焰纹章:风花雪月》、《三国:全面战争》、《海岛大亨6》、《战纹》

提名:《死或生6》 《Jump大乱斗》 《真人快打11》 《侍魂:晓》《任天堂明星大乱斗》

推荐理由:这篇论文要解决的是城市水系信息提取的问题。

获奖:《使命召唤:现代战争》

但是,仅从成对的NL和预期的执行结果中学习了弱监督的语义解析器,从而使MR变得很隐蔽。虽然薄弱的监督成本较低,但是从这些投入中学习仍然很困难。它要求解析器以非常弱的学习信号搜索较大的空间,并且很难避免以错误的方式获得正确答案的虚假MR。这些因素导致在弱监督和全监督环境下训练的解析器之间的性能差距。

为了弥合这一差距,作者研究了弱监督与主动学习之间的交集,这使学习者可以主动选择示例并查询人工注释作为额外的监督,以改进在弱监督下训练的模型。本文研究了用于选择示例进行查询的各种主动学习启发式方法,以及针对此类查询的各种形式的额外监督。作者在两个不同的数据集上评估了其方法的有效性。WikiSQL上的实验表明,通过仅注释1.8%的示例,作者将最新的弱监督基线提高了6.4%,达到了79.0%的准确度,与经过训练的模型仅相距1.3%在充分监督下。在WikiTableQuestions上使用人工注释器进行的实验表明,作者的方法仅使用100个活动查询就可以提高性能,尤其是对于从冷启动中学到的弱监督解析器。

在训练过程中应用mixup,可以有效地提高泛化性能和模型的鲁棒性,在训练实例之间引入全局线性行为。然而,在以往的工作中,混合训练模型只是通过直接对输入进行分类,被动地防御对抗性攻击,而诱导的全局线性并没有得到很好的利用。也就是说,由于对抗扰动的局部性,通过模型预测的全局性主动打破局部性将更为有效。

王敬睿是来自新加坡的选手,这是他第二次参加国际帆船赛。他表示,南沙的水域条件十分适合帆船赛,他在上一次的比赛中取得了亚军,这次会和队友好好发挥,争取夺冠。

 基于多尺度生成器的基于草图的视觉属性人脸合成

城市水系对于城市生态而言至关重要。使用远程感知数据的精准高效水系检测对城市规划与管理有着显著作用。这篇论文提出了一种新方法来结合谷歌地球引擎和多粒度卷积神经网络,通过离线训练与预测的方式,从陆地卫星图像中抽取城市水系信息。

作者的实验表明,一些流行的采样方案包含很大的偏差,并且没有涵盖可以抓住物体的所有可能方式。