你是否經常花費時間或苦于尋找深度學習相關的頂會優秀論文極其相對應的代碼？今天給大家介紹一個超贊的 GitHub 項目。該項目總結了近 10 年來所有頂會的優秀論文和論文複現代碼。絕對值得一看！
該項目名為：Papers with code。作者 Zaur Fataliyev 是一位機器學習工程師。這個超贊的項目位址是：
https://github.com/zziz/pwc目前該項目已經收獲了 9k+ star 了。
該項目之是以牛掰，是因為詳細收集了從 2018 年回至 2008 年十多年的頂會論文和代碼。作者是按照時間從前往後進行整理的。目前已經整理完成了 2018-2013 年段。目前項目還在更新，2013 年之前的會慢慢整理，作者說大約每周更新一次。
Papers with code 每個年份按照論文代碼的 star 進行排列的。友善大家很清晰地看到哪些論文更受歡迎，哪些代碼關注的人更多！涉及的會議涵蓋了 NIPS、CVPR、ECCV、ICML，全都是機器學習、深度學習領域的頂級會議。
下面列舉一下各年份的部分論文+代碼清單！
2013 年之前的内容作者會持續更新！
本項目彙總的優秀論文和相應代碼非常有用。下面以 2018 年釋出在 NIPS 上的一篇最熱門的論文《Video-to-Video Synthesis》為例，進行簡要介紹。
該論文通過精心設計的生成器、判别器結構以及 spatio-temporal 目标函數，輸入語義分割掩碼視訊，可以合成長達 30s 的 2k 高清視訊，還能用草圖視訊合成真實人物視訊，用姿态圖合成舞蹈視訊，當用于未來幀預測時，得到的結果要比目前最優的方法得到的結果要更好。而且更為驚豔的是當改變語義分割掩碼視訊中的顔色時就能将真實街景視訊中的建築換成樹木。
這篇論文在該項目 Papers with code 中，可直接下載下傳 pdf 版本。
《Video-to-Video Synthesis》的代碼位址也可直接點選連結擷取，位址為：
https://github.com/NVIDIA/vid2vid 該論文代碼的實作環境是：
- Linux or macOS
- Python 3
- NVIDIA GPU + CUDA cuDNN
- PyTorch 0.4
感謝作者極其貢獻者們的精心整理彙總和辛勤工作，該項目是機器學習、深度學習頂會論文+代碼非常全的資源，希望對大家有所幫助！