一、最新论文解读 1.Alias-FreeGenerative Adversarial Networks
目前典型的生成对抗网络的合成过程以不健康的方式依赖于绝对像素坐标。例如,细节似乎粘在图像坐标而不是所描绘对象的表面上。论文将根本原因追溯到导致生成器网络中出现混叠的粗心信号处理。将网络中的所有信号解释为连续的,我们得出普遍适用的小架构变化,以保证不需要的信息不会泄漏到分层合成过程中。由此产生的网络与 StyleGAN2 的 FID 相匹配,但它们的内部表示有很大的不同,即使在亚像素尺度下,它们也完全等同于平移和旋转。
论文为更适合视频和动画的生成模型铺平了道路。
二、
热门学习工具 1、paddlepaddle - 产业实践的开源深度学习平台
相关链接:
飞桨PaddlePaddle-源于产业实践的开源深度学习平台
2、DeepInsight - AI 机器视觉开发平台
相关链接:
矩视智能-北京矩视智能科技有限公司
三、
近期大厂动态 1、照片中的遮挡关系如何判断?字节跳动新方法刷新SOTA
由于图像边界的稀疏性,检索单目图像中物体之间的遮挡关系具有挑战性。研究人员观察到,现有工作中存在两个关键问题:1)缺乏可以利用解码器阶段两个子任务遮挡边界提取和遮挡方向预测之间有限耦合量的架构;2)遮挡方向的不正确表示。
为了解决第二个问题,研究者又提出了用于预测遮挡方向的正交遮挡表示法(OOR)。该方法在标准 PIOD / BSDS ownership 数据集上以 6.1%/8.3% Boundary-AP 和 6.5%/10% Orientation-AP 超过此前最先进的方法。
1)有何创新之处?
提出的 MT_ORL(Multi-task occlusion relationship learning,即多任务遮挡关系学习),也主要从上述两个问题出发,做出了两个主要贡献:
提出了一种新的遮挡共享和路径分离网络(OPNet),用于替代现有的遮挡边界和遮挡方向共享网络架构。
提出了用于预测遮挡方向的正交遮挡表示法(OOR),它解决了端点误差和角度周期性难题。
2)总结
本文针对多任务学习遮挡关系提出了一种新的遮挡共享和路径分离网络(OPNet)和 用于预测遮挡方向的正交遮挡表示法(OOR)。OPNet 使得两个任务通过有限的共享 encoder 阶段的特征相互促进,获得更好的遮挡边界和遮挡方向。OOR 则是解决了遮挡方向预测的角度周期性难题和端点误差的问题。大量实验表明作者的方法极大的提升了遮挡关系推理的性能,在 AP 上相比于之前的方法甚至有 6.5%/10% 的提升。
2、百度LinearDesign算法生物实验指标均优于标准算法
百度生物计算再进一程!百度研究院自2020年初开始,历经数月,成功研发出LinearDesign mRNA序列优化算法,并于2020年4月正式对外发布。计算机模拟结果显示,LinearDesign能够有效提高mRNA疫苗序列的稳定性和蛋白质翻译效率。特别的,针对新冠病毒刺突蛋白mRNA疫苗,LinearDesign可在短短10分钟即完成序列设计。
为了进一步验证LinearDesign算法的实际有效性,百度联合斯微生物进行了一系列实验研究,后者是国际领先、国内首家专注于mRNA疫苗和药物研发的创新型企业,也是将mRNA药物、创新性高端纳米制剂平台及产业化技术带入中国的企业。本次实验研究基于LinearDesign算法设计的七条编码新冠病毒刺突蛋白的mRNA疫苗序列,对这些mRNA分子的稳定性、编码蛋白表达水平以及动物免疫原性等方面开展了深入研究,并与用传统方法设计的基准mRNA序列进行了头对头的对比。
百度LinearDesign算法的成功,也进一步验证了AI+制药的价值。AI算法与生物制药领域的深度结合,将药物发现的“大海捞针”变成“按图索骥”,这将为全人类的生命健康保驾护航。