目錄
異常呼吸模式分類器可能有助于以準确和不顯眼的方式對COVID-19感染者進行大規模篩查基于單句和雙句打分的生成式摘要
MFFW：一種新的多聚焦圖像融合資料集
基于互連卷積神經網絡的端到端臉部分析
AAAI2020|基于多任務驅動特征模型的熱紅外目标跟蹤
異常呼吸模式分類器可能有助于以準确和不顯眼的方式對COVID-19感染者進行大規模篩查
論文名稱：Abnormal respiratory patterns classifier may contribute to large-scale screening of people infected with COVID-19 in an accurate and unobtrusive manner
作者：Wang Yunlu /Hu Menghan /Li Qingli /Zhang Xiao-Ping /Zhai Guangtao /Yao Nan
發表時間：2020/2/12
論文連結：https://arxiv.org/abs/2002.05534
這篇論文提出根據呼吸特征對新型冠狀病毒的患者進行篩查。最新臨床研究，COVID-19的呼吸模式與流感和普通感冒的呼吸模式不同。感染COVID-19的人有呼吸暫停現象，并且呼吸更快。這篇論文提出使用深度相機和深度學習來完成這項篩查任務，然而現實世界中的資料量不足以進行深度模型訓練。這篇論文首先提出了一種新的呼吸模拟模型，來彌補訓練資料不足的問題。随後這篇論文首次利用雙向注意力機制的GRU模型來對6種臨床上重要的呼吸模式進行分類。這篇論文提出的方法可以拓展到大型的應用場景中，對現有的篩查方法形成補充。
基于單句和雙句打分的生成式摘要
論文名稱：Scoring Sentence Singletons and Pairs for Abstractive Summarization
作者：Logan Lebanoff /Kaiqiang Song†
發表時間：2019/6/7
論文連結：https://arxiv.org/pdf/1906.00077.pdf
1.本文的核心：本文是對于采用生成式自動文本摘要方法的探索，重點研究了關于生成式中目前探究的将文本内容選擇和摘要生成分開處理的問題。其中本論文提出的模型，第一部分采用BERT給單句和句子對評分，第二部分作者根據MMR準則進行評分，選擇出評分高的句子和句子對，進而生成文本摘要。
2.本文的創新點：基于生成式中目前探究的将文本内容選擇和摘要生成分開處理的問題，本文創新性的提出了一種用來将單句和成對句子映射到一個統一的空間進行排序的思想，采用當下最火爆的BERT模型來學習執行個體的特征，将學到的表征用一個分類任務來fine-tune生成對應的機率進行排序，然後根據這個排序，有針對性的選擇出摘要中有重要價值的單句和成對句子，最後通過對單個句子壓縮，其中在句子對融合時，作者選擇pointer-generator(PG)networks來将單句壓縮，最終得到我們需要的文本摘要。
3.本文的研究意義：本文針對當下生成式文本摘要中單句和句子對之間尚未形成有效的融合問題，有針對性的提出了一種在文本摘要中關于句子對融合的方法。其中，本文提出的将句子融合引入到了文本摘要中，這是這方面最有意義的嘗試。
MFFW：一種新的多聚焦圖像融合資料集
論文名稱：MFFW: A new dataset for multi-focus image fusion
作者：Xu Shuang /Wei Xiaoli /Zhang Chunxia /Liu Junmin /Zhang Jiangshe
發表時間：2020/2/12
論文連結：https://arxiv.org/abs/2002.04780v1
這篇論文為多焦點圖像融合問題提供了一個新的資料集。
以往的多焦點圖像融合方法都是在模拟圖像集或Lytro資料集上評估的，然而散焦散布效應在這些資料集中并不明顯。這篇論文建構了一個名為MFFW的新資料集。該資料集包含在網際網路上收集的19對多焦點圖像。這篇論文收集所有成對源圖像，并提供部分成對的聚焦圖和參考圖像。與Lytro資料集相比，MFFW中的圖像明顯受到散焦散布效果影響。此外，MFFW場景更加複雜。實驗表明，MFFW資料集上的大多數目前最佳方法都無法可靠地生成令人滿意的融合圖像。作為一個新的基準資料集，MFFW可以用來測試多焦點圖像融合算法是否能處理散焦散布效應。
基于互連卷積神經網絡的端到端臉部分析
論文名稱：End-to-End Face Parsing via Interlinked Convolutional Neural Networks
作者：Yin Zi /Yiu Valentin /Hu Xiaolin /Tang Liang
發表時間：2020/2/12
論文連結：https://arxiv.org/abs/2002.04831v1
這篇論文要解決的是臉部分析的問題。
臉部分析需要對臉部（例如眼，鼻，嘴等）進行精确的像素分割，為進一步實作臉部分析、修改、其他應用程式提供基礎。這篇論文提出了一個名為STN-iCNN的簡單的端到端人臉解析架構，該架構通過在兩個獨立階段間添加一個空間Transformer網絡（Spatial Transformer Network，STN）來擴充互連卷積神經網絡（interlinked Convolutional Neural Network，iCNN）。STN-iCNN使用STN來提供到原始兩級iCNN管道的可訓練連接配接，進而使端到端聯合訓練成為可能。STN還提供了比原始裁切更精确的裁切圖像部分。
AAAI2020|基于多任務驅動特征模型的熱紅外目标跟蹤
論文名稱：Multi-Task Driven Feature Models for Thermal Infrared Tracking
作者：Qiao Liu /Xin Li /Zhenyu He /Nana Fan /Di Yuan /Wei Liu /Yonsheng Liang
發表時間：2019/11/26
論文連結：https://arxiv.org/abs/1911.11384
推薦原因
解決的核心問題：目前基于深度特征的熱紅外跟蹤方法普遍使用的是可見光跟蹤器中用到的特征模型。這些特征模型通常學習自可見光圖像，既沒有學習熱紅紅外圖像特有的判别性模式，又沒有考慮熱紅外圖像目标的細粒度特征。是以，已存的這些特征模型不能有效的表示熱紅外目标，尤其是難以區分同類的熱紅外目标。
創新點：為了獲得更有效的熱紅外目标表示，我們提出了一個熱紅外專用的特征模型。該模型由一個熱紅外專用的鑒别性特征和一個細粒度關聯的特征模型組成。為了內建這兩種互補的特征，我們設計了一個基于多任務比對的架構同時優化他們。此外，我們建構了一個大規模的熱紅外圖像序列資料集用于訓練提出的模型。該資料集是目前熱紅外視覺領域規模最大的，目标類别最為豐富的資料集。
研究意義：提出的熱紅外特征模型為熱紅外目标跟蹤領域提供了新的研究思路。提出的熱紅外訓練資料集為基于深度學習的熱紅外跟蹤方法提供了資料基石。