本文提出了一个全新的中文分词框架，使用深度卷积网络在多个数据集上达到了 state-of-the-art。

论文链接

https://www.paperweekly.site/papers/1473

@paperweekly 推荐

#Dialog Systems

How to Make Context More Useful?

@zhangjianhai 推荐

#ContextQA

@cfjmonkey 推荐

#Text Style Transfer

@zhangjun 推荐

#Question Answering

@YiqiYan 推荐

#Semantic Segmentation

@Synced 推荐

#Adversarial Training

文章指出现有的 captioning 模型都是用交叉熵损失（XE: cross-entropy loss）训练的，而实际评估的时候用的是其他指标比如 BLEU，METEOR 等。

这里对应的是第一个问题：objective mismatch，很自然地会想到可以直接对评价指标进行优化。第二个问题是 exposure bias，即训练集和测试集上 captions 的分布很有可能是不一样的。虽然强化学习有被用于解决第一个问题，但它的计算开销大，并且在每一步都有指定 baseline reward 才能保证模型的收敛。

针对以上问题，文章提出基于一致性的序列训练来做 video captioning。首先从理论上解释了 XE training 和 RL training 之间的联系，即后者是前者的一个加权形式；然后引入一个简单的 WXE pre-training 来近似 RL training，这样就解决了前面提到的第一个问题。

更进一步地，文章提出用 full REINFORCE 来进行 fine-tune，利用 gt captions 的 consensus score 作为 baseline reward，这样就可以避免 XE training 带来的第二个问题。

论文链接

https://www.paperweekly.site/papers/1450

本文是 MILA 最近的一篇工作，实现了一个根据 text 合成唇同步视频的架构，并以奥巴马做了一个 demo，命名为 ObamaNet。

Demo 地址：http://ritheshkumar.com/obamanet/

论文链接

https://www.paperweekly.site/papers/1505

论文中 2D 图像的任意方向的字符编码为 4 个方向的 4 个特征序列表示：左→右，右→左，上→下，下→上（每个方向的特征序列长度相同）。

论文提出一个鲁棒性算法，基于 AON 识别规则和不规则自然场景字符。基于 top-down，无需检测字符，直接预测原始图像整个字符，end-to-end 实现。

论文链接

https://www.paperweekly.site/papers/1488

本文由 AI 学术社区 PaperWeekly 精选推荐，社区目前已覆盖自然语言处理、计算机视觉、人工智能、机器学习、数据挖掘和信息检索等研究方向，点击「阅读原文」即刻加入社区！

我是彩蛋 

关于PaperWeekly

PaperWeekly 是一个推荐、解读、讨论、报道人工智能前沿论文成果的学术平台。如果你研究或从事 AI 领域，欢迎在公众号后台点击「交流群」，小助手将把你带入 PaperWeekly 的交流群里。