- 深度网络反演下的经济卫星图像变化检测
改变监测在卫星图像中寻找在不同时刻捕获的给定场景中的目标改变事件,本文中通过使用主动学习的方法提出了一种改变监测算法。该算法基于问答模型,利用虚拟实例(被称为虚拟样例)上的用户反馈更新深度神经网络分类器,并通过一种对抗模型学习最具表征性、多 - 基于 IMU 的步态认证的字典攻击
我们提出了一种新颖的对抗模型,用于使用智能手机内置的惯性测量单元(IMU)记录的步态模式进行身份验证系统。该模型探索了构建 IMUGait 模式字典并使用其发起攻击或找到能够主动重现与目标的 IMUGait 模式匹配的模仿者是否可能。
- 朝向一个说话虚拟代理的同步且可信的非语言面部行为生成
介绍了一种用于生成与语音同步、可信度较高的虚拟代理人非语言面部行为的新模型,并发现使用两个不同的数据集而不是一个并不能必然提高模型的性能。同时表明在训练阶段引入虚假的样本可以增加与语音的同步感。
- 最大化域独立性表示改进迁移学习
本文介绍了一种新的方法,将敌对模型与变分自编码器相结合,利用领域无关表示和领域相关表示以及对后者进行大小惩罚的机制来进行跨领域学习,并在多个图像数据集上展示了它对于预训练模型的优越性。
- 离线强化学习对抗模型
提出 Adversarial Model for Offline Reinforcement Learning (ARMOR) 框架,通过对抗训练 Markov 决策过程模型,能够在数据覆盖不足情况下优化任意参考策略的性能,不需要使用模型集 - ACLCOM2SENSE:具备互补句子的常识推理基准
本文旨在探讨预训练语言模型在常识推理数据集中的可靠性和全面性,并提出了一个新的包含自然语言真 / 假语句对的常识推理基准数据集,通过对不同维度的领域的知识、推理场景以及数学的设计来促进常识能力的系统分析,并设计了成对精度度量标准来可靠地衡量 - COLING基于 BERT 的多语种口语理解中,语言边界能模糊到何种程度?
本文提出了一种基于 BERT 的多语种口语理解模型,能够跨越远程语言组进行知识转化,但与理想的多语种性能之间仍然存在差距。此外,我们还提出了一种新的基于 BERT 的对抗模型架构,以学习多语种口语理解的共享和特定语言表示。实验结果表明,所提 - 基于循环一致性和特征对齐的移动语义分割无监督领域自适应
本研究提出了一种基于无监督域自适应(UDA)策略的语义分割方法,该方法利用对抗性模型实现了合成域和真实域之间的映射,利用 MobileNet-v2 架构实现了语义分割,并在特征级别增加了两个辨别器以提高性能。经实验证明,该方法能够在将分割网 - 通过对抗域适应缓解语音识别误差对口语问答的影响
该研究提出利用对抗模型来适应 ASR 错误,减少其对口语问答系统的影响,实验证明其效果优于之前的最佳模型。
- 自适应硬阈值近似最优一致鲁棒回归
通过使用硬阈值化的新颖变体,本文提出了一种快速的鲁棒估计器,可以有效地解决使用响应变量损坏的鲁棒线性回归问题,并通过应用于不同的扰动模型,展示了其估计能力的稳健性。
- ACL对抗性训练在讽刺检测中的应用:对混淆变量的控制
本文介绍了一种新的用于讽刺检测的模型,该模型包括对抗性部分以控制发布源的混杂变量,最终得到了可观的讽刺分类性能和显著下降的发布分类性能。通过分析得出,对抗性组件是该模型关注讽刺语言属性的关键。
- EdgeConnect: 带有对抗边缘学习的生成图像修复
本文针对图像修复中存在的细节缺失问题,提出了一种基于两阶段对抗模型 EdgeConnect 的图像修复方法,包括边缘生成器和图像完成网络,通过生成缺失区域的边缘信息并使用其作为先验来填补缺失区域,实验表明该方法在公开数据集 CelebA、P - ACL利用接续词的对抗网络进行隐含语义关系分类
本研究提出了一种基于特征模仿框架的暗示关系网络,通过建立对抗模型让其自适应提取类似显式关系中明显特征以提升分类性能,并在 PDTB 基准测试中取得了最优结果。
- 重复拍卖中的在线学习
该研究采用在线学习的方法,使用无差别反馈模型对 Vickrey 拍卖中的策略进行建模,对随机模型和对抗模型进行研究并设计相应的出价策略,为参与此类拍卖的竞标者提供了第一个完整的策略集。
- 对抗环境下的布隆过滤器
本研究通过引入敌对模型,研究了布隆过滤器在不同 adversary 情况下的表现,并证明了它与密码学的紧密联系。