新闻中心

排序方式

EMNLP 2019丨微软提出显式跨语言预训练模型CMLM,显著提升无监督机器翻译性能

现有预训练模型的跨语言信息只通过共享 BPE 空间得到,这样得到的跨语言信号隐式而且受限。微软亚洲研究院提出了一种跨语言掩码语言模型(Cross-lingual masked language model,CMLM),可以显式地将跨语言信息作为训练信号,显著提升预训练模型的跨语言建模能力,进而提升无监督机器翻译的性能。

发布时间:2019-11-07 类型:深度文章

ICCV 2019 | 递归级联网络:基于无监督学习的医学图像配准

目前,深度学习正广泛应用于医学图像配准领域。无监督机器学习方法能够广泛利用临床中产生的大量原始、无标注医学图像,然而现有算法对于变形大、变化复杂的图像配准的学习效果较差。微软亚洲研究院在 ICCV 2019 发表的论文中,提出一种深度递归级联的神经网络结构,可以显著提高无监督配准算法的准确率。

发布时间:2019-11-05 类型:深度文章

EMNLP 2019 丨微软亚洲研究院精选论文解读

编者按:EMNLP 2019正于11月3日至11月7日在中国香港举办。本届 EMNLP 大会中,微软亚洲研究院共21篇论文入选,涵盖预训练、语义分析、机器翻译等研究热点。本文为大家介绍其中的7篇精选论文。

发布时间:2019-11-04 类型:深度文章

ICCV 2019丨基于跨视角信息融合的三维人体姿态估计

现有的多视角三维人体姿态估计通常先估计二维人体姿态,再将二维提升为三维,因此一旦二维姿态估计不准确,将让三维姿态估计结果产生很大误差。为了进一步减小误差,微软亚洲研究院在 ICCV 2019 发表的一篇论文中,提出了基于跨视角信息融合的 3D人体姿态估计方法(Cross View Fusion for 3D Human Pose Estimation)。

发布时间:2019-10-30 类型:深度文章

ICCV 2019丨微软亚洲研究院精选论文解读

ICCV 2019 正于10月27-11月2日在韩国首尔举行。微软亚洲研究院有15篇论文入选本届 ICCV,内容涵盖空间注意力机制、图像深度估计、医学图像配准等多个前沿主题。本文将为大家介绍其中的5篇论文。

发布时间:2019-10-29 类型:深度文章

ICCV 2019丨 RepPoints: 替代边界框,基于点集的物体表示新方法

现有的物体理解方法几乎都是基于边界框的表示方法,难以描述物体更加细粒度的几何信息。在即将召开的 ICCV 2019上,微软亚洲研究院的团队发表论文 “RepPoints: Point Set Representation for Object Detection”,介绍了一种基于点集来替代边界框的物体表示新方法,能够学习到更丰富、更自然的物体表示。

发布时间:2019-10-24 类型:深度文章

SIGGRAPH 2019丨支持任意数量、任意分辨率的输入图像的纹理材质建模

纹理材质建模是计算机图形学中的一个重要研究课题。关于纹理材质建模的技术发展历程,以及前期的一些科研工作,可以参考之前文章《从洪荒到智能——数据驱动的材质属性建模发展历程》,今天我们将介绍微软亚洲研究院在纹理材质建模领域的最新论文,该论文在 ACM SIGGRAPH 2019 大会上进行了报告。

发布时间:2019-09-03 类型:深度文章

IJCAI 2019 | 一文详解微软亚洲研究院6篇精选论文

IJCAI(国际人工智能联合会议)是人工智能领域中的顶级综合性会议,IJCAI 2019 于 8 月 10 日至 8 月 16 日在中国澳门举办。本届大会上,微软亚洲研究院有 14 篇论文入选,本文将分类介绍其中有代表性的 6 篇。

发布时间:2019-08-14 类型:深度文章

IJCAI 2019 | 为推荐系统生成高质量的文本解释:基于互注意力机制的多任务学习模型

在个性化推荐系统中,如果能在提高推荐准确性的同时生成高质量的文本解释,将更容易获得用户的“芳心”。然而,现有方法通常将两者分开优化,或只优化其中一个目标。为了同时兼顾二者,微软亚洲研究院社会计算组结合认知科学的相关理论,提出了基于互注意力的多任务模型,并用充分的实验证明了模型的有效性。

发布时间:2019-08-13 类型:深度文章

ACL 主席周明:一起拥抱 ACL 和 NLP 的光明未来

7月29日,ACL 2019在意大利佛罗伦萨开幕。在开幕仪式上,ACL 主席、微软亚洲研究院副院长周明博士做了主题演讲,为大家介绍了 ACL 学会的工作进展,NLP 领域的技术趋势以及未来重要的发展方向。

发布时间:2019-08-08 类型:深度文章