0
為了幫助各位學術青年更好地學習前沿研究成果和技術，AI科技評論聯合Paper 研習社（paper.yanxishe.com），推出【今日 Paper】欄目， 每天都為你精選關于人工智能的前沿學術論文供你學習參考。以下是今日的精選內容——
目錄
2020 AAAI | 那么多人臉數據，有沒有人擔心隱私怎么辦？
論文名稱：Investigating the Impact of Inclusion in Face Recognition Training Data>
作者：Chris Dulhanty /Alexander Wong
發表時間：2020/1/9
論文鏈接：https://paper.yanxishe.com/review/8554?from=leiphonecolumn_paperreview0115
推薦原因：現代的人臉識別系統數據集包含數十萬張特定人臉圖像，研究人員用于訓練深度卷積神經網絡，最近，大規模的面部識別培訓數據集（如MS-Celeb-1M和MegaFace）的來源和隱私問題受到了公眾的密切關注，因為許多人不愿意讓自己的臉被用于培訓能夠實現大規模監控的兩用技術。為了探討人臉隱私的問題，該論文評估了ArcFace（開源人臉識別系統）在人臉隱私方面的表現。研究發現，在該模型的訓練數據中，排名第一的人臉識別正確率為79.71%，而那些不存在的人的正確率為75.73%。
Facebook：通過將數學表達式重組為一種語言，用神經網絡符號推理求解復雜數學方程
論文名稱：Deep Learning for Symbolic Mathematics
作者：Lample Guillaume /Charton Fran?ois
發表時間：2019/12/2
論文鏈接：https://paper.yanxishe.com/review/8879?from=leiphonecolumn_paperreview0115
推薦原因：該論文由 Facebook AI 團隊提出。根據團隊研究，Facebook 已經建立了第一個可以使用符號推理解決高等數學方程的人工智能系統。研究人員通過開發一種新的方法，將復雜的數學表達式表示為一種語言，然后將解看作是 sequence-to-sequence 神經網絡的翻譯問題，結果顯示，在求解積分問題和一階、二階微分方程方面都優于傳統計算系統的系統。
以前，這類問題被認為超出了深度學習模型的范圍，因為求解復雜方程需要精確而不是近似。神經網絡擅長于通過近似來學習，比如識別一個特定的像素模式（可能是一個狗的圖像），或者一個句子在一種語言中的特征與另一種語言中的特征相匹配。解決復雜的方程也需要處理符號數據的能力，Facebook AI 團隊在該論文的研究結果表現要優于諸如 Matlab 或 Mathematica 之類的計算代數系統。
模型目前處理的是單變量問題，Facebook AI 團隊計劃將其擴展到多變量方程。這種方法也可以應用于其他基于數學和邏輯的領域，期待有更好的結果~
StyleGAN：一個基于風格的生成器架構，用于生成對抗網絡
論文名稱：A Style-Based Generator Architecture for Generative Adversarial Networks
作者：Karras Tero /Laine Samuli /Aila Timo
發表時間：2018/12/12
論文鏈接：https://paper.yanxishe.com/review/8878?from=leiphonecolumn_paperreview0115
提出了一個替代發電機的架構生成對抗網絡，借鑒了風格轉移文獻。新的體系結構可以自動地、無監督地分離高級屬性(例如，在人臉上訓練時的姿勢和身份)和生成的圖像中的隨機變化(例如，雀斑、頭發)，并實現對合成的直觀的、特定于尺度的控制。新的生成器在傳統的分布質量度量方面改進了當前的技術水平，顯著地提高了插值性能，并更好地釋放了潛在的變化因素。為了量化插值質量和解糾纏，提出了兩種適用于任何生成器架構的新的自動化方法。最后，介紹一個新的，高度多樣化和高質量的人臉數據集。
相較于傳統的GAN，引入了Mapping network，樣式轉換，噪聲；
最終可達達到：模型可以預期修改樣式的特定子集僅影響圖像的某些方面。
edBB：評估遠程教育的生物識別和行為
edBB: Biometrics and Behavior for Assessing Remote Education
作者：Hernandez-Ortega Javier /Daza Roberto /Morales Aythami /Fierrez Julian /Ortega-Garcia Javier
發表時間：2019/12/10
論文鏈接： https://paper.yanxishe.com/review/7828?from=leiphonecolumn_paperreview0115
推薦理由：我們提供了一個用于遠程教育中學生監控的平臺，該平臺由捕獲生物特征和行為數據的傳感器和軟件組成。我們定義了一組任務來獲取行為數據，這些數據對于應對遠程評估過程中自動學生監控中的現有挑戰很有用。此外，我們發布了一個初始數據庫，其中包含來自20個不同用戶的數據，這些用戶使用一組基本傳感器來完成這些任務：攝像頭，麥克風，鼠標和鍵盤；以及更先進的傳感器：NIR相機，智能手表，其他RGB相機和EEG頻段。來自計算機的信息（例如系統日志，MAC，IP或Web瀏覽歷史記錄）也將被存儲。在每個獲取會話期間，每個用戶完成三種不同類型的任務，生成不同性質的數據：鼠標和擊鍵動態，面部數據和音頻數據等。設計任務時要牢記兩個主要目標：i）分析此類生物統計和行為數據的能力以在遠程評估期間檢測異常，并且ii）研究這些數據的能力，例如腦電圖，心電圖或近紅外視頻估計有關用戶的其他信息，例如他們的注意力水平，壓力的存在或他們的脈搏率。
深度學習聊天機器人綜述
論文名稱：Deep Learning Based Chatbot Models
作者：Csaky Richard
發表時間：2019/8/23
論文鏈接：https://paper.yanxishe.com/review/137?from=leiphonecolumn_paperreview0115
聊天機器人不僅有許多的研究方向和研究成果，也已經有了許多商業應用。在這篇綜述論文中，作者對這個領域近年來的研究成果做了回顧和綜述 —— 具體來說，他回顧了過去三年中發表的超過 70 篇論文，分析了現有方案的問題，對“通用型聊天機器人應該使用什么樣的架構”提出了自己的觀點和改進建議。想了解這個領域總體狀況的讀者不妨看看這篇論文。
雷鋒網雷鋒網雷鋒網
相關文章：
今日 Paper | 虛擬試穿網絡；人群計數基準；聯邦元學習；目標檢測等
今日 Paper | 人體圖像生成和衣服虛擬試穿；魯棒深度學習；圖像風格遷移等
今日 Paper | 隨機微分方程；流式自動語音識別；圖像分類等
今日 Paper | 高維感官空間機器人；主動人體姿態估計；深度視頻超分辨率；行人重識別等
今日 Paper | 3D手勢估計；自學習機器人；魯棒語義分割；卷積神經網絡；混合高斯過程等
今日 Paper | 精簡BERT；面部交換；三維點云；DeepFakes 及 5G 等
今日 Paper | 虛假新聞檢測；馬爾可夫決策過程；場景文本識別；博弈論框架等
今日 Paper | 問答系統；3D人體形狀和姿勢；面部偽造檢測；AdderNet等
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
