来源：公众号“量子位” 原文链接：https://mp.weixin.qq.com/s/fNmWtYp3C63b8p1wmqtShw?scene=1&click_id=27 雨雪、雾霾、镜头噪点、压缩失真、夜间弱光…… 现实里拍到的照片，几乎没有一张是绝对“干净”的。 可偏偏就是这种再正常不过的真实画面，一旦交给多模态大模型，其表现往往会大幅下滑—— 原本答得对的问题，画面一糊就开始...

作者 | 任洁 编辑 | 王晔 随着深度神经网络的应用日益广泛，可解释性也逐渐受到更多学者的关注。目前对神经网络的可解释性研究主要分为两个方面，一方面是语义层面的解释，另一方面是数学层面对网络表达能力推导。 在语义层面，最直接的方法是可视化神经网络的中层特征，同时很多研究也致力于估计输入样本中不同单元对于神经网络输出的重要性（attribution/importance/saliency）。...

CV 在前，NLP 在后，迁移学习技术的应用为这两个领域所带来的进展和突破，不可谓不瞩目。 其中，预训练模型作为当下迁移学习的一种主流方法，让“从零开始训练一个新模型”的时代一去不复返。这类在大型数据集上训练好的模型进行微调后，便能够较好地适配类似的新目标任务，可以极大地节约时间和成本。 不过，天下没有免费的午餐，这种方法看似“一劳永逸”，也需要付出一定的代价，其中的一大问题便是，由于反向传...

雷锋网 AI 科技评论按：数据增强是提升图像识别模型性能的重要手段。伯克利 AI 研究院的一篇关于数据增强的论文便被 ICML 2019 收录为 oral 论文，该论文巧妙地运用基于种群的数据增强算法，在降低计算成本的情况下，既能提高学习数据增强策略的速度，又能提升模型的整体性能。伯克利 AI 研究院也在官方博客上对论文进行了解读，雷锋网 AI 科技评论编译如下。 将基于种群的增强算法应用于...

联合编译：Blake、高斐 雷锋网注：何凯明博士，2007年清华大学毕业之后开始在微软亚洲研究院（MSRA）实习，2011年香港中文大学博士毕业后正式加入MSRA，目前在Facebook AI Research (FAIR)实验室担任研究科学家。曾以第一作者身份拿过两次CVPR最佳论文奖（2009和2016）——其中2016年CVPR最佳论文为图像识别中的深度残差学习（Deep Residu...

上一周，ICML 2016在纽约画上了完美的句号。这个会议（International Conference on Machine Learning）已经逐渐发展为了由国际机器学习学会（IMLS）主办的世界最顶级的机器学习领域会议之一。来自世界各地的机器学习领域的专家们都以论文投稿的方式向大会递交了自己最新的研究成果，其中包括一篇来自百度硅谷实验室的语音识别的论文。大会主要采用演讲和PPT展...

对自然图片的分布进行建模一直以来都是无监督学习中的里程碑式的难题。这要求图片模型易表达、易处理、可拓展。我们提出一个深度神经网络，它根据顺序沿着两个空间维度来预测图片中的像素。我们的模型离散了原始像素值的可能性，同时编码保证了整个图片的完整性。 建模特性包含二维循环层，以及对深度递归网络连接的有效利用。我们实现了比之前所有的模型都要好的在自然图片上对数可能性的分数。我们的主要结果也对Imag...

神经网络和深度学习大会主席：Hal Daume III地点： Ballroom 1+2+Juliard10：30– 强类型递归神经网络 （Strongly-Typed Recurrent Neural Network） David Balduzzi、 Muhammad Ghifary 惠灵顿维多利亚大学10：47– 源代码极端总结卷积关注网络 （A Convolutional Attenti...

论文作者：Mathias Niepert、Mohamed Ahmed、Konstantin Kutzkov NEC Labs Europe，海德尔堡，德国 论文摘要 许多重要问题可以划归到图像数据学习框架里。我们针对学习卷积神经网络提出了一个框架，可以适用于任何图形。这些图形可以是无向的，定向的，也可以是具有离散和连续节点和边缘属性。类似于基于图形的卷积网络，可以再本地化的可连接输入区域上允...