NeurIPS 2018参会汇报

·会议介绍

NeurIPS 2018（32nd Conference on Neural Information Processing System）是人工智能和机器学习领域最重要的盛会，于2018年12月2日至12月8日在加拿大蒙特利尔举办。在中国计算机学会的国际学术会议排名中，NeuraIPS为人工智能领域的A类会议。今年组委会共审阅了4854篇论文，其中有1010篇论文被接收，接受率与去年一致，均为21%。其中oral有30篇，spotlight有168篇，poster有812篇。会议安排了9场Tutorial，7场Talk和41场workshop。

·参会报告

在此次会议中，16级博士生董浩业同学和18级直博生郭达雅同学分别以第一作者的论文有幸被会议接收，被邀请参会并以海报形式进行展示。这两篇论文受到国家自然科学基金，国家自然科学基金，广东联合基金和广东省大数据分析与处理重点实验室的支持。

       其中一篇论文是董浩业同学的论文“soft-Gated Warping-GAN for Pose-Guided Person Image Synthesis”，主要通过一个新的软门控变形生成对抗网络（Warping-GAN）解决由几何变异和空间位移引起的这些挑战，该网络由两个阶段组成：1）首先合成给定目标姿势的目标部分分割图，其描绘用于引导具有更高级结构约束的图像合成的区域级空间布局; 2）配备软门变形模块块的Warping-GAN学习特征级映射，以将纹理从原始图像渲染到生成的分割图中。Warping-GAN能够在给定不同目标姿势的情况下控制不同的变换程度。此外，所提出的变形块重量轻且足够灵活，可以注入任何网络。人工调查研究和定量评估证明我们的Warping-GAN的优越性明显优于两个大型数据集上的所有现有方法。

  而另一篇郭达雅同学的论文“Dialog-to-Action Conversational Question Answering Over a Large-Scale Knowledge Base”，主要基于知识图谱的对话式语义分析模型。该模型可以有效地处理多轮问答中的上下文指代和省略现象，合理利用对话历史理解当前问题的语义，并推断出其对应的逻辑表达(logical form)。具体来说，输入用户当前的问题及对话历史，该模型会以包含多种逻辑操作(如查找、比较、计数、复制历史逻辑表达等)的语法为基础，使用自顶向下的方式预测出当前问题的逻辑表达。使用“问题-答案”对作为有指导信息训练模型，结果表明该模型的精度显著优于对比基线算法，并且可以有效地利用历史问题的语义解析结果推断当前问题的逻辑表达

· 参会感想

正会的第一天主要是Tutorial，主要介绍目前比较火的方向，如机器学习的可视化，无监督学习，自动机器学习等。在大会的第一天，我们听了目前很火的一个方向：无监督学习。由于在现实环境中，我们可以获取海量的数据，但很多数据是没有标签的。如果能够进行无监督学习，利用这些无标签的数据，那么将会对工业产生非常巨大的效益。因此对无监督的学习方法进行研究非常的重要。该Tutorial介绍了如何使用无监督的数据训练模型的方法。

其中主要的方法是有特征表示学习，分别介绍了图像和自然领域中关于特征表示的学习方法。对于图像领域的无监督学习，发展的方向主要是从特征工程到特征学习的过程，而且现阶段机器学习社区对无监督特征学习的方法也越来越关注。而在另一个领域NLP上，发展的方向从Word2vec再到语言模型（language model），直到最近比较火的BERT，都是使用了无监督的特征学习。

     之后也介绍了如何用无监督学习在两个领域之间进行映射，如有中-英的翻译模型，如何将该模型映射到中-德的翻译上，更多关于这方面的内容可查阅官网https://neurips.cc

 大会接下来的几天主要是口头报告、海报展示和研讨会。在参会的过程中，不仅看到了许多优秀的工作，也了解了其他领域方向的工作。在展示自己成果的同时，也跟许多研究人员和企业人员讨论我们的工作。他们不仅提出许多很有价值意义的问题，同时也提出了非常多宝贵的意见，为我们后续的工作带来许多帮助。同时，我们也认识了来自各个高校的同学，一起在寒冷的蒙特利尔探讨学术。经过几天的交流，总的来说，目前人工智能领域的关注度非常高，投稿量也越来越多，投稿的难度越会加大，比如今年的AAAI，录取率从2018年的24.6%降到16.2%。因此我们需要时刻提醒自己，做出有创新，高质量的工作，能够让别人看到我们工作的亮点是非常重要的！