每周论文清单:对话系统综述,全新中文分词框架,视频生成,文字识别

Posted PaperWeekly

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了每周论文清单:对话系统综述,全新中文分词框架,视频生成,文字识别相关的知识,希望对你有一定的参考价值。



在碎片化阅读充斥眼球的时代,越来越少的人会去关注每篇论文背后的探索和思考。


在这个栏目里,你会快速 get 每篇精选论文的亮点和痛点,时刻紧跟 AI 前沿成果。


点击本文底部的「阅读原文」即刻加入社区,查看更多最新论文推荐。

这是 PaperDaily 的第  33 篇文章

[ 自然语言处理 ]

每周论文清单:对话系统综述,全新中文分词框架,视频生成,文字识别

A Gap-Based Framework for Chinese Word Segmentation via Very Deep Convolutional Networks

@jueliangguke 推荐

#Convolutional Neural Network

本文提出了一个全新的中文分词框架,使用深度卷积网络在多个数据集上达到了 state-of-the-art。

论文链接

https://www.paperweekly.site/papers/1473

每周论文清单:对话系统综述,全新中文分词框架,视频生成,文字识别

A Survey on Dialogue Systems: Recent Advances and New Frontiers

@paperweekly 推荐

#Dialog Systems

本文来自京东数据科学团队,这是一篇非常全面的对话系统综述,引用了 100+ 篇相关论文,并对论文进行了分类。

论文链接

https://www.paperweekly.site/papers/1446

每周论文清单:对话系统综述,全新中文分词框架,视频生成,文字识别

How to Make Context More Useful?

@zhangjianhai 推荐

#ContextQA

在自然语言对话领域,论文首先对比了目前几种流行的 Context-aware 模型,包括 Non-hierarchical 模型(将 context 与 query 作为一个序列建模)以及 Hierarchical 模型(将 context 与 query 分别建模生成向量表示,在此基础上采用不同的方式进行整合,包括 sum,concat,sequential integration 等)。

最后,论文提出了一种 Weighted Sequential Integration 的上下文整合方式,对不同的上下文赋予不同的权重。对 ContextQA 相关工作具有一定借鉴意义。

论文链接

https://www.paperweekly.site/papers/1476


每周论文清单:对话系统综述,全新中文分词框架,视频生成,文字识别

SAM: Semantic Attribute Modulation for Language Modeling and Style Variation

@cfjmonkey 推荐

#Text Style Transfer

该文实现了基于给定属性的文本风格的转换。属性包括标题、作者和类别。不同类别的文章用词分布不同,同一作者的写作风格是一致的,标题个人理解可以看做关键词定基调,相比关键词语料更丰富。

实验在新闻、影评和歌词三大类文本中进行。 该工作作者来自今日头条,eBay 和清华。

论文链接

https://www.paperweekly.site/papers/1461


每周论文清单:对话系统综述,全新中文分词框架,视频生成,文字识别

Globally Normalized Reader

@zhangjun 推荐

#Question Answering

来自百度的 QA 系统,本文已被 EMNLP 2017 接收。

论文链接

https://www.paperweekly.site/papers/1463


[ 计算机视觉 ]


每周论文清单:对话系统综述,全新中文分词框架,视频生成,文字识别

Panoptic Segmentation

@YiqiYan 推荐

#Semantic Segmentation

本文提出了一种新的概念 — Panoptic Segmentation,它是对 instance sengmentation 和 semantic segmentation 的统一。

例如一副街景:instance sengmentation 只分割出一些实例,但是要区分同一类别的个体(分割出车 a,车 b,车 c);semantic segmentation 是把每一个像素分入一个类别,但是不区分个体;Panoptic Segmentation 既要完成 semantic segmentation 的任务,又要区分同一个类别的不同个体。

论文链接

https://www.paperweekly.site/papers/1479


每周论文清单:对话系统综述,全新中文分词框架,视频生成,文字识别

Adversarial Patch

@Synced 推荐

#Adversarial Training

该论文提出了一种在现实世界中创建通用、鲁棒、针对性的对抗图像 patch 的方法。该 patch 是通用的,因为它们可用于攻击任何场景;是鲁棒的,因为它们在多种图像变换中都是有效的;是有针对性的,因为它们可以令分类器输出任意目标类。

这些对抗样本可以被打印出来,添加到任意的场景、照片,并展示给图像分类器;即使 patch 很小,也能导致分类器忽略场景中的其它物体,输出选定的目标类。

论文链接

https://www.paperweekly.site/papers/1475


每周论文清单:对话系统综述,全新中文分词框架,视频生成,文字识别

Consensus-based Sequence Training for Video Captioning

@Aidon 推荐

#Video Captioning

文章指出现有的 captioning 模型都是用交叉熵损失(XE: cross-entropy loss)训练的,而实际评估的时候用的是其他指标比如 BLEU,METEOR 等。

这里对应的是第一个问题:objective mismatch,很自然地会想到可以直接对评价指标进行优化。第二个问题是 exposure bias,即训练集和测试集上 captions 的分布很有可能是不一样的。虽然强化学习有被用于解决第一个问题,但它的计算开销大,并且在每一步都有指定 baseline reward 才能保证模型的收敛。

针对以上问题,文章提出基于一致性的序列训练来做 video captioning。首先从理论上解释了 XE training 和 RL training 之间的联系,即后者是前者的一个加权形式;然后引入一个简单的 WXE pre-training 来近似 RL training,这样就解决了前面提到的第一个问题。

更进一步地,文章提出用 full REINFORCE 来进行 fine-tune,利用 gt captions 的 consensus score 作为 baseline reward,这样就可以避免 XE training 带来的第二个问题。

论文链接

https://www.paperweekly.site/papers/1450


每周论文清单:对话系统综述,全新中文分词框架,视频生成,文字识别

ObamaNet: Photo-realistic Lip-sync from Text

@zhangjun 推荐

#Video Generation

本文是 MILA 最近的一篇工作,实现了一个根据 text 合成唇同步视频的架构,并以奥巴马做了一个 demo,命名为 ObamaNet。

论文链接

https://www.paperweekly.site/papers/1505


每周论文清单:对话系统综述,全新中文分词框架,视频生成,文字识别

Arbitrarily-Oriented Text Recognition

@chenhong 推荐

#Text Detection

论文中 2D 图像的任意方向的字符编码为 4 个方向的 4 个特征序列表示:左→右,右→左,上→下,下→上(每个方向的特征序列长度相同)。

论文提出一个鲁棒性算法,基于 AON 识别规则和不规则自然场景字符。基于 top-down,无需检测字符,直接预测原始图像整个字符,end-to-end 实现。

论文链接

https://www.paperweekly.site/papers/1488


本文由 AI 学术社区 PaperWeekly 精选推荐,社区目前已覆盖自然语言处理、计算机视觉、人工智能、机器学习、数据挖掘和信息检索等研究方向,点击「阅读原文」即刻加入社区!

我是彩蛋 


 解锁新功能:热门职位推荐!


PaperWeekly小程序升级啦


今日arXiv√猜你喜欢√热门职位


找全职找实习都不是问题

 

 解锁方式 

1. 识别下方二维码打开小程序

2. 用PaperWeekly社区账号进行登陆

3. 登陆后即可解锁所有功能


 职位发布 

请添加小助手微信(pwbot01)进行咨询

 

*点击阅读原文即可注册



每周论文清单:对话系统综述,全新中文分词框架,视频生成,文字识别




关于PaperWeekly




以上是关于每周论文清单:对话系统综述,全新中文分词框架,视频生成,文字识别的主要内容,如果未能解决你的问题,请参考以下文章

对话推荐系统综述论文,35页pdf,A Survey on Conversational Recommender Systems

论文笔记基于知识图谱的智能问答系统研究与设计

原创task-oriented dialogues 面向任务型对话综述

专知荟萃24视频描述生成(Video Captioning)知识资料全集(入门/进阶/论文/综述/代码/专家,附查看)

视频异常检测综述-论文阅读Deep Video Anomaly Detection: Opportunities and Challenges

中文分词算法综述