由于全球新冠疫情仍未結(jié)束，今年不少學(xué)術(shù)會(huì)議延期或取消，召開的也大多在線上舉行。盡管2020年發(fā)生了很多事情，研究者們?nèi)匀粸槿斯ぶ悄芗夹g(shù)的進(jìn)步做出了大量重要的貢獻(xiàn)。
位于蒙特利爾的 AI 內(nèi)容創(chuàng)作者 Louis Bouchard (他的 YouTube 賬號(hào)叫 What's AI) 匯總了一份2020年最值得關(guān)注的AI 論文名單（https://github.com/louisfb01/Best_AI_paper_2020 ）。除了在相關(guān)領(lǐng)域內(nèi)的各項(xiàng)指標(biāo)上創(chuàng)造了新紀(jì)錄，在應(yīng)用層面帶來了新的思路，這些論文也對(duì)偏見等 AI 道德方面的議題有所探討。
為了讀者的方便，Bouchard 還非常貼心地為入選的每篇論文，都提供了視頻、短文介紹、論文鏈接和代碼地址，幫助大家更快速理解論文的核心內(nèi)容，還能最快速度上手用起來。
但首先，Bouchard 用一條視頻匯總了這些論文的內(nèi)容，還加上了包括 Gary Marcus、李飛飛、Luis Lamb 等 AI 大牛在今年發(fā)表過的對(duì) AI 的展望：
以下是 Bouchard 整理的2020最佳AI論文列表，排名不分先后：
YOLOv4: Optimal Speed and Accuracy of Object Detection
簡介：全稱 You Only Look Once，YOLO 是一個(gè)超快速識(shí)別物體的計(jì)算機(jī)視覺算法，在今年4月已經(jīng)升級(jí)到了第四版，來自作者 Alexey Bochkovsky 等人。
這篇論文最大的進(jìn)步來自于研究者采用的數(shù)據(jù)增強(qiáng)方法，叫做"Mosaic and Self-adversarial training"（馬賽克和自我對(duì)抗訓(xùn)練），使得 YOLOv4 的實(shí)時(shí)物體識(shí)別速度依然驚人，并且這一次在識(shí)別準(zhǔn)確率上也有了非常大的提升。YOLOv4 在很多需要物體識(shí)別的場景都能排上用場，對(duì)于那些需要實(shí)時(shí)、高精度識(shí)別的場景更是十分關(guān)鍵。
論文鏈接：https://arxiv.org/abs/2004.10934
作者撰寫的介紹文章：https://bit.ly/3rM3ubJ
代碼：https://github.com/AlexeyAB/darknet
DeepFaceDrawing: Deep Generation of Face Images from Sketches
這篇論文提出的算法很有意思，正如上圖所示，給它一張隨筆肖像，它就能生成惟妙惟肖的“真”人頭像當(dāng)然，肯定是假的，但看起來足以亂真。
這個(gè) AI 也有很大用處，比如警察辦案查找疑犯，或者各種需要大量“真”人頭像填充的設(shè)計(jì)用途。但同時(shí)值得提及的是，不合理的使用這項(xiàng)技術(shù)可能會(huì)引發(fā)道德問題。
比如，今年就有一些海外媒體曾被爆出，一些評(píng)論員文章的作者其實(shí)都是假的，這些人有偽造的姓名、供職單位和教育經(jīng)歷，再配上一張頭像，創(chuàng)建一個(gè)社交網(wǎng)絡(luò)賬號(hào)，迷惑性極強(qiáng)。
論文鏈接：https://bit.ly/37Y54za
What's AI 短文介紹：https://bit.ly/2JtvJdI
代碼：https://github.com/IGLICT/DeepFaceDrawing-Jittor
Learning to Simulate Dynamic Environments with GameGAN
這項(xiàng)研究由英偉達(dá)多倫多AI實(shí)驗(yàn)室和日本游戲大廠萬代南夢宮 *BANDAI NAMCO) 一同開發(fā)，技術(shù)來自前者，數(shù)據(jù)來自后者。
簡單來說，僅對(duì)簡單的游戲錄像和玩家輸入進(jìn)行學(xué)習(xí)，GameGAN 就能夠模擬出接近真實(shí)游戲的環(huán)境，還不需要游戲引擎和底層代碼。它的底層是在 AI 領(lǐng)域很有名的生成對(duì)抗網(wǎng)絡(luò) (GAN)。
正是因?yàn)樗膶W(xué)習(xí)方式很簡單，任何游戲它都能模擬出來，除了吃豆人這樣的2D游戲，連 DOOM 這種3D游戲都可以。英偉達(dá)指出，這項(xiàng)技術(shù)有助于游戲開發(fā)者為已有的游戲開發(fā)全新的關(guān)卡。
論文鏈接：https://arxiv.org/pdf/2005.12126.pdf
英偉達(dá)論文介紹：https://bit.ly/2WXLg8G
代碼：https://github.com/nv-tlabs/GameGAN_code
PULSE: Self-Supervised Photo Upsampling via Latent Space Exploration of Generative Models
在歐美電影里，你一定見過特工們對(duì)著一個(gè)模糊的監(jiān)控錄像說“增強(qiáng)”，旁邊的技術(shù)員一通操作就真的做到了……這曾經(jīng)是個(gè)經(jīng)典熒幕梗，但隨著 AI 技術(shù)的進(jìn)步，竟然還就真的實(shí)現(xiàn)了。
PULSE 是一個(gè)所謂的“超級(jí)分辨率”算法，可以把一張最低16*16的照片增強(qiáng)到1080p的清晰度。當(dāng)然，出來的照片肯定還是假的，畢竟是計(jì)算計(jì)算出來的，但 PULSE 采用了自我監(jiān)督，用多張同一個(gè)人不同表情的高清照片進(jìn)行壓縮訓(xùn)練，結(jié)果是生成的高清假照片，其實(shí)和低清晰度照片的主人非常接近。
論文鏈接：https://arxiv.org/abs/2003.03808
論文介紹：https://bit.ly/2WXkPzX
代碼：https://github.com/adamian98/pulse
Unsupervised Translation of Programming Languages
在兩種編程語言之間互譯，需要“源代碼到源代碼編譯器”(transcompiler)。這類編譯器通常依賴大量人工鋪路搭橋，比如手寫規(guī)則，非常耗時(shí)，而且效果不太好，翻譯出來的語法也經(jīng)常不對(duì)，需要進(jìn)一步的人工編輯。
正如標(biāo)題，F(xiàn)acebook AI 開發(fā)的這個(gè) AI 結(jié)合了機(jī)器翻譯方面的一些最佳研究,采用非監(jiān)督學(xué)習(xí)技術(shù)，能夠在 C++ 和 Python 兩種編程語言的函數(shù)之間進(jìn)行互譯，而且能夠理解不同語言的語法，能夠泛化到 Java 等其它語言。
論文鏈接：https://arxiv.org/abs/2006.03511
論文介紹：https://medium.com/what-is-artificial-intelligence/this-ai-translates-code-from-a-programming-language-to-another-facebook-transcoder-explained-3017d052f4fd
代碼：https://bit.ly/3aSrZO5
PIFuHD: Multi-Level Pixel-Aligned Implicit Function for High-Resolution 3D Human Digitization
這篇論文我們寫過：G7領(lǐng)導(dǎo)人大跳神曲？這個(gè)三維生成AI要被網(wǎng)友玩壞了。它提出了一種全新的基于神經(jīng)網(wǎng)絡(luò)的算法：只用一張人物全身正面照片，幾分鐘的計(jì)算時(shí)間，就可以自動(dòng)重建高分辨率細(xì)節(jié)豐富的3D模型。
和已存在的類似技術(shù)相比，PIFuHD的長處是：1）對(duì)于來源照片里并不存在的身體部位，比如背部，它可以”猜“出一個(gè)大概的，符合常理的結(jié)果。2）能夠同時(shí)高精度還原照片中的人體模型和服裝細(xì)節(jié)。
網(wǎng)友用這個(gè)算法進(jìn)行了很多很搞笑的二次創(chuàng)作，比如把 G7 領(lǐng)導(dǎo)人復(fù)制成3D模型，強(qiáng)迫他們跳舞：
論文鏈接：https://arxiv.org/pdf/2004.00452.pdf
代碼：https://github.com/facebookresearch/pifuhd
High-Resolution Neural Face Swapping for Visual Effects
過去幾年，各種換臉工具我們都見過、玩過不少了。迪士尼也在研究這項(xiàng)技術(shù)，他們的研究員在這片論文里提出了一個(gè)算法，能夠生成百萬像素分辨率的換臉視頻。換臉視頻往往會(huì)出現(xiàn)各種瑕疵讓人一看就知道是假的，不過迪士尼在這一點(diǎn)上想要做到盡善盡美。
這項(xiàng)技術(shù)在電影拍攝中很有用處。比方說，過去讓大牌演員演打戲，往往都要用到武替，一般都是不露面或者快速閃過側(cè)臉，盡量讓觀眾看不出來，但凡露面的，都需要大量的后期逐幀修改�，F(xiàn)在有了這項(xiàng)技術(shù)，就可以直接把演員的臉嵌套到原始素材上，極大地降低后期制作成本，提高電影制作的效率。
論文鏈接：https://bit.ly/2WRMnH0
論文介紹：https://bit.ly/2X8i7rL
GPT-3: Language Models are Few-Shot learners
GPT-3 我們已經(jīng)寫過很多次了，你可以通過此文了解這個(gè)史無前例版巨大的1750億參數(shù)量的文本生成模型。隨著 GPT-3 的發(fā)布，開發(fā)機(jī)構(gòu) OpenAI 也提供了可調(diào)用的 API 給開發(fā)者使用，而開發(fā)者用它做出了各種各樣的神奇 demo。
論文鏈接：https://arxiv.org/abs/2005.14165
代碼：https://github.com/openai/gpt-3
Learning Joint Spatial-Temporal Transformations for Video Inpainting
我們都知道摳圖這件事，也就是從一張照片中把背景去掉，摳出主題的人和物。但如果你想要把前臺(tái)的主題摳掉，保留一個(gè)完整的背景那就難了，畢竟主題把背景蓋住了。
這篇論文解決的就是摳背景的難題，而且還是在視頻上做。研究者設(shè)計(jì)了一個(gè)空間-時(shí)間 Transformer 神經(jīng)網(wǎng)絡(luò)，同時(shí)對(duì)視頻的所有幀進(jìn)行填補(bǔ)，效果優(yōu)于已知的類似技術(shù)。
論文鏈接：https://arxiv.org/abs/2007.10247
論文簡介：https://bit.ly/34VFbOr
Beyond the Nav-Graph: Vision-and-Language Navigation in Continuous Environments
操控機(jī)器人很容易，你只需要告訴它前進(jìn)、后退、左轉(zhuǎn)和右轉(zhuǎn)。用自然語言對(duì)一個(gè)基于計(jì)算機(jī)視覺的機(jī)器人進(jìn)行導(dǎo)航控制，難度則在另一個(gè)級(jí)別上了。正因?yàn)榇�，過去幾年里有一些在此方面實(shí)現(xiàn)了重大突破的論文，在各大學(xué)術(shù)會(huì)議上都拿了獎(jiǎng)。
來自俄勒岡州立大學(xué)、佐治亞理工和 Facebook AI 實(shí)驗(yàn)室的研究員，共同開發(fā)了這樣一個(gè)自然語言導(dǎo)航模型，能夠讓機(jī)器人在完全未知的三維場景下，僅通過”前面過門往左轉(zhuǎn)“、”停在茶幾旁邊“諸如此類的自然語言命令來實(shí)現(xiàn)三維視覺導(dǎo)航。
論文地址：https://arxiv.org/abs/2004.02857
論文簡介：https://bit.ly/3pMfPLd
代碼：https://github.com/jacobkrantz/VLN-CE
以上就是我們從 Louis Bouchard 匯總的2020最佳AI論文里精選的十篇優(yōu)秀論文。你還可以訪問https://github.com/louisfb01/Best_AI_paper_2020繼續(xù)翻閱其它入選論文，比如老照片翻新、修改照片人物年齡、用計(jì)算機(jī)視覺算法取代綠幕等等都很值得一看。
本文內(nèi)容大部分來自 Bouchard 的匯總結(jié)果，硅星人僅提供部分中文翻譯和一些補(bǔ)充解讀。
