谷歌大脑科学家等提出用AutoML 方式学习Dropout模式 | AI日报

谷歌大脑科学家Quoc V. Le等提出用AutoML的方式自动学习Dropout模式

2012 年，Hinton 等人在论文《Improving neural networks by preventing co-adaptation of feature detectors》中首次提出 Dropout 技术。在这之后，Dropout 的变体大量涌现，该方法也成为机器学习研究者常用的训练技巧。

近日，卡内基梅隆大学在读博士 Hieu Pham、谷歌大脑研究科学家 Quoc V. Le 提出了一种自动学习 Dropout 的方法。研究者称，通过强化学习来学习 Dropout 的规律，AutoDropout 可以提高图像识别、语言理解和机器翻译的性能。该研究已被人工智能顶会 AAAI-2021 接收。

据介绍，AutoDropout 的主要贡献是一个新颖的结构化 Dropout 模式搜索空间。在这个搜索空间中，人们可以为每个模型架构和任务找到适合的 Dropout 模式。此外，该搜索空间还泛化了很多现有的 Dropout 模式。

论文链接：https://arxiv.org/pdf/2101.01761.pdf

Amazon One团队提出一个可对生成图像显式控制的GAN训练框架

Amazon One团队最近提出了一个可以对生成的图像进行显式属性控制的GAN训练框架，能够通过设置确切的属性来控制生成的图像，如年龄、姿势、表情等。

这篇论文目前已经发布在arxiv上，并且在Google网盘中有相应的补充说明。

目前大多数编辑GAN生成的图像的方法都是通过利用隐空间解构属性来实现部分控制，这些属性是在标准GAN训练后隐式获得的。这种方法能够改变某些属性的相对强度，但不能显式地设置它们的值。

而最近提出的方法，是为显式的准确控制人脸属性而设计的，利用可变形的3D人脸模型来实现GAN中的细粒度控制能力。与以往方法不同的是，这种控制不受限于可变形的三维人脸模型参数，并且可以扩展到人脸领域之外。

使用对比学习，获得了具有明确分解隐空间的GAN。这种分解被用来训练控制编码器，将人类可解释的输入映射到合适的隐向量，从而允许显式的控制。

在人脸领域，研究人员展示了对身份、年龄、姿势、表情、头发颜色和照明的控制，还演示了我们的框架在画像和狗图像生成领域的控制能力，证明了新的方法在质量和数量上都达到了SOTA。

吉利、百度宣布组建智能电动汽车公司

2021年1月11日，浙江吉利控股集团宣布与百度组建智能电动汽车公司，成为百度电动汽车公司的战略合作伙伴。

此次合作将基于吉利最新研发的纯电动架构——SEA浩瀚智能进化体验架构展开。据介绍，该架构基于全球智能电动汽车前沿科技，突破传统造车边界，通过硬件层、系统层、生态层的整合，致力于构建无限互动延展的未来出行服务体系，为用户提供持续优化的个性化服务与不断成长的移动出行生活。该架构将向战略合作伙伴开放。

百度拥有人工智能、互联网科技基因，将发挥其在汽车智能化领域达8年的经验，将人工智能、Apollo自动驾驶、小度车载、百度地图等核心技术赋能合资公司。

持续加码基础研究，张正友成腾讯首位17级杰出科学家

2021年1月8日腾讯宣布，腾讯Robotics X实验室及腾讯AI Lab负责人张正友博士成为腾讯首位17级研究员/杰出科学家，17级是腾讯历史上最高的专业职级。

荣获这一殊荣的张正友博士，领导创建了世界领先的机器人实验室Robotics X，并致力推进人机协作的下一代机器人研究。目前Robotics X实验室主攻移动、灵巧操作和智能体等三大通用机器人技术的研究与应用，并聚焦于多模态移动机器人的研发。

2020 年 11 月，Robotics X发布了可完成走梅花桩复杂挑战的四足机器人Jamoca及自平衡轮式移动机器人的两项新进展，向“打造虚拟世界到真实世界的载体与连接器”这一愿景继续迈进。

腾讯AI Lab在张正友的带领下，已经成为国内领先、世界一流的企业级人工智能实验室，致力于全栈式的人工智能的基础研究和应用探索。在做原创性研究的同时，腾讯AI Lab还探索结合腾讯场景与业务优势的应用，其研发的农业AI iGrow系统、虚拟人技术、人脸识别系统、语音前端技术等已经在腾讯多个产品和业务中落地应用。

点击左下角“阅读原文”，了解更多！