↓↓↓點擊關注，回復資料，10個G的驚喜

轉(zhuǎn)載于：新智元

現(xiàn)如今，AI技術突飛猛進，每年都會誕生很多優(yōu)秀的論文。

想知道2021年有哪些paper是你不能錯過的嗎？

這不，在GitHub上，有一位小哥放出了這樣一個項目，目前，里面總結了33篇今年必看論文，堪稱「良心寶藏」。

https://github.com/louisfb01/best_AI_papers_2021

這個項目的名稱是「2021年充滿驚喜的人工智能論文綜述」，作者是Louis-Fran?ois Bouchard（GitHub名為louisfb01），上線一天就收獲314個star（持續(xù)上漲中）。

Louis-Fran?ois Bouchard來自加拿大蒙特利爾，我目前在école de Technologie Supérieure攻讀人工智能-計算機視覺碩士學位，同時在designstripe兼職做首席人工智能研究科學家。

值得一提的是，Louis還在YouTube上有自己的頻道「What's AI」。

What's AI主頁：https://www.louisbouchard.ai/

Louis之所以在YouTube上做「What's AI」這個頻道，是希望用簡單的語言分享和解釋人工智能，為大家分享新的研究和應用。

YouTube What's AI 頻道：https://www.youtube.com/c/WhatsAI/featured

Louis想為所有人揭開人工智能「黑匣子」的神秘面紗，讓人們意識到使用它的風險。

Louis是一個很有分享精神的人，喜歡學習和分享他所學到的東西。他寫了不少文章，也在自己的頻道更新視頻，在GitHub上也正在做一些有趣的項目。

其實，「2021年充滿驚喜的AI論文綜述」已經(jīng)是Louis更新「AI論文綜述」系列的第二年了。

在2020年，Louis也上線了「2020年充滿驚喜的AI論文綜述」項目，里面是按發(fā)布日期排列的AI最新突破的精選列表，帶有清晰的視頻解釋，更深入文章的鏈接和源代碼。

https://github.com/louisfb01/Best_AI_paper_2020

下面，就來看看「2021年充滿驚喜的AI論文綜述」里面到底有哪些讓人驚喜的AI最新研究成果吧！

2021年充滿驚喜的AI論文綜述
?

盡管世界仍在慢慢復蘇，但研究并沒有放緩其步伐，尤其是在人工智能領域。

此外，2021年還強調(diào)了許多重要的方面，如道德方面、重視偏見、治理、透明度等等。

人工智能和我們對人腦的理解及其與AI的聯(lián)系正在不斷發(fā)展，在不久的將來，也許有希望改善我們的生活質(zhì)量。

精彩論文節(jié)選

1、DALL-E：Zero-Shot Text-to-Image Generation，來自OpenAI

論文地址：https://arxiv.org/pdf/2102.12092.pdf

一個Emoji的小企鵝，帶著藍帽子，紅手套，穿著黃褲子示例

論文介紹：

GPT-3表明，語言可以用來指導大型神經(jīng)網(wǎng)絡執(zhí)行各種文本生成任務。

而Image GPT表明，同樣類型的神經(jīng)網(wǎng)絡也可以用來生成高保真度的圖像。這個突破說明通過文字語言來操縱視覺概念現(xiàn)在已經(jīng)觸手可及。

OpenAI成功地訓練了一個能夠從文本標題生成圖像的網(wǎng)絡。它非常類似于GPT-3和Image GPT，并產(chǎn)生了驚人的結果。

和GPT-3一樣，DALL-E也是一個Transformer語言模型。它同時接收文本和圖像作為單一數(shù)據(jù)流，其中包含多達1280個token，并使用最大似然估計來進行訓練，以一個接一個地生成所有的token。

這個訓練過程不僅允許DALL-E可以從頭開始生成圖像，而且還可以重新生成現(xiàn)有圖像的任何矩形區(qū)域，與文本提示內(nèi)容基本一致。

利用DALL·E生成企鵝抱枕

2、Swin Transformer: Hierarchical Vision Transformer Using Shifted Windows

論文地址：https://arxiv.org/pdf/2103.14030.pdf

論文介紹：

這篇文章介紹了一種新的、可以應用于計算機視覺里的Transformer，Swin Transformer。

Transformer解決計算機視覺問題的挑戰(zhàn)主要來自兩個領域：圖像的比例差異很大，而且圖像具有很高的分辨率，在有些視覺任務和如語義分割中，像素級的密集預測對于Transformer來說是難以處理的，因為其self-attention的計算復雜度與圖像大小成二次關系。

為了克服這些問題，Swin Transformer構建了分層Transformer特征圖，并采用移位窗口計算。移位窗口方案通過將self-attention計算限制在不重疊的局部窗口（用紅色標出），同時還允許跨窗口連接，帶來了更高的效率。

Swin Transformer通過從小尺寸的面片（用灰色勾勒）開始，并逐漸合并更深的Transformer層中的相鄰面片來構建分層表示。這種分層體系結構可以靈活地在各種尺度上建模，并且在圖像大小方面具有線性計算復雜度。線性計算復雜度是通過在分割圖像的非重疊窗口（用紅色標出）內(nèi)局部計算自我注意來實現(xiàn)的。?每個窗口中的面片數(shù)量是固定的，因此復雜度與圖像大小成線性關系。

Swin Transformer在圖像分類、目標檢測和語義分割等識別任務上取得了很好的性能，在三個任務中，Swin Transformer的時間延遲與ViT，DeiT和ResNeXt模型相似，但性能卻得到了大幅提升：COCO test-dev 58.7 box AP和51.1 mask AP，力壓之前的最先進結果2.7 box AP和2.6 mask AP。?在ADE20K語義分割任務中，Swin Transformer在驗證集上獲得了53.5 mIoU，比以前的最先進水平(SETR)提高了3.2 mIoU。?在ImageNet-1K圖像分類中，它也達到了87.3%的最高精度，充分展現(xiàn)Transformer模型作為新視覺backbone的潛力。

該論文一作劉澤是中科大的學生，在微軟亞洲研究院實習。他于2019年獲中國科技大學學士學位，并以最高榮譽獲得郭沫若獎學金。

個人主頁介紹，其2篇論文和1篇Oral被ICCV2021接收。

個人主頁：https://zeliu98.github.io/

3、StyleCLIP: Text-driven manipulation of StyleGAN imagery

論文地址：https://arxiv.org/pdf/2103.17249.pdf

論文介紹：

這是一項來自以色列的研究人員的工作StyleCLIP，可以使用基于人工智能的生成對抗性網(wǎng)絡對照片進行超逼真的修改，并且只需要讓用戶輸入他們想要的東西的描述即可，無需輸入特定的圖片。

這個模型也會產(chǎn)生一些非常搞笑的結果。例如可以給Facebook 的CEO馬克 · 扎克伯格的臉隨意修改，例如讓他看起來禿頂，戴上眼鏡，或者在下巴上扎上山羊胡。

這個「火星人」的臉上似乎也有了一點人類的感覺。

StyleCLIP模型主要由StyleGAN和CLIP模型組成。

StyleGAN可以在不同領域（domain）生成高度真實圖像，最近也有大量的工作都集中在理解如何使用StyleGAN的隱空間來處理生成的和真實的圖像。

但發(fā)現(xiàn)語義上潛在有意義的操作通常需要對多個自由度進行細致的檢查，這需要耗費大量的人工操作，或者需要為每個期望的風格創(chuàng)建一個帶注釋的圖像集合。

既然基于注釋，那多模態(tài)模型CLIP（Contrastive Language-Image Pre-training）的能力是否就可以利用上，來開發(fā)一個不需要手動操作的基于文本的StyleGAN圖像處理。

例如輸入可愛的貓（cute cat），瞇眼睛的貓就被放大了眼睛，獲取了所有可愛小貓的特征，還可以老虎變獅子等等。

4、GitHub Copilot & Codex: Evaluating Large Language Models Trained on Code

論文地址：https://arxiv.org/pdf/2107.03374.pdf

論文介紹：

OpenAI在2020年，曾推出1750億參數(shù)的GPT-3，參數(shù)規(guī)模直逼人類神經(jīng)元的數(shù)量。

GPT-3使用了在2019年之前的互聯(lián)網(wǎng)上的幾乎所有公開的書面文本進行訓練，所以它對于自然語言是有一定理解能力的，能作詩、聊天、生成文本等等。

今年夏天，OpenAI 發(fā)布了 Codex。

Codex基于GPT-3進行訓練，接受了從GitHub中提取的TB級公開代碼以及英語語言示例的訓練。

只要你對Codex發(fā)號施令，它就會將英語翻譯成代碼。

隨后，你的雙手離開鍵盤，Codex會自動編程，火箭就自己動起來了。

而Copilot正是建立在OpenAI強大的Codex算法之上，獲得了「海納百川」的代碼積累和前所未有的代碼生產(chǎn)能力。

Copilot不僅僅可以模仿它見過的代碼，而且還會分析利用函數(shù)名、方法名、類名和注釋的上下文來生成和合成代碼，為開發(fā)人員提供編輯器中整行代碼或函數(shù)的建議。

它能減少工程師通過API文檔做苦工的時間，還能幫忙編寫測試代碼。

5、Skillful Precipitation Nowcasting using Deep Generative Models of Radar

論文地址：https://www.nature.com/articles/s41586-021-03854-z

論文介紹：

今天的天氣預測是由強大的數(shù)值天氣預報（NWP）系統(tǒng)驅(qū)動的。通過解決物理方程，數(shù)值天氣預報系統(tǒng)可以提前數(shù)天得到地球尺度的預測。然而，它們很難在兩小時內(nèi)產(chǎn)生高分辨率的預測。

即時預報填補了這一關鍵時間區(qū)間的性能空白。氣象傳感的進步使高分辨率雷達可以高頻地（在1公里分辨率下每5分鐘）提供測量出的地面降水量數(shù)據(jù)。

過去20分鐘的觀測雷達被用來提供未來90分鐘的概率預測

已有的短期預測方法，如STEPS和PySTEPS，沿用NWP的方法來考慮不確定性，但按照帶有雷達信息的平流方程對降水進行建模。

基于深度學習的方法則不需要對平流方程的依賴，但現(xiàn)有方法側(cè)重于特定地點的預測，而不是對整個降水場的概率預測，這使其無法在多個空間和時間集合中同時提供一致的預測結果，限制了實用性。

為此，DeepMind使用深度生成模型（DGMR）為概率預報開發(fā)了一種觀測驅(qū)動的方法。DGMR是學習數(shù)據(jù)概率分布的統(tǒng)計模型，可以從學習到的分布中輕松生成樣本。由于生成模型從根本上是概率性的，可以從給定的歷史雷達的條件分布中模擬許多樣本，生成預測集合。此外，DGMR既能從觀測數(shù)據(jù)中學習，又能表示多個空間和時間尺度上的不確定性。

結果表明，DeepMind的深度生成模型可以提供更好的預測質(zhì)量、預測一致性和預測價值。模型在1,536公里×1,280公里的區(qū)域內(nèi)產(chǎn)生了逼真且時空一致的預測，提前期為5-90分鐘。

?DGMR能更好地預測較長時段的空間覆蓋和對流，同時不會高估強度

通過50多位氣象專家的系統(tǒng)評估，與其他兩種競爭方法相比，DeepMind的生成模型以89%的絕對優(yōu)勢在準確性和實用性兩方面排名第一。

其他有意思的論文都可以在Louis的GitHub主頁上找到，目前這個項目仍在更新中，收藏一波，繼續(xù)追更！

參考資料：

https://github.com/louisfb01/best_AI_papers_2021

2021年充滿驚喜的人工智能論文綜述

2021年充滿驚喜的AI論文綜述?

精彩論文節(jié)選

2021年充滿驚喜的AI論文綜述
?