回放！CVPR2020、ICLR2020錄播影片解讀合集
受形勢越發嚴峻的疫情影響，針對2020年諸多會議不能現場參會的特殊情況，AI研習社聯合AI科技評論組織策划了相關高峰會系列專題活動，【AAAI 2020專題】、【ICLR 2020專題】、【CVPR 2020專題】等陸續上線。
【系列影片解讀】是其中重要的組成部分。影片解讀部分主要分兩種形勢，除了公開課直播形式，還有部分模擬線上參會方式的錄播影片解讀。
錄播影片合集：
一、ICLR 2020 | 華盛頓大學：影像分類中對可實現攻擊的防禦
我們研究了深度神經網路影像分類方法對物理可見攻擊的防禦問題。首先，我們證明了兩種可擴展且有效的學習魯棒模型的方法，即使用PGD攻擊的對抗性訓練和隨機平滑，對當前三種「最引人注目」物理攻擊的防禦非常有限。
最後，我們證明，使用我們的新對抗性訓練產生的影像分類模型對物理可見攻擊表現出很高的魯棒性，也為這種攻擊提供了第一種有效的通用防禦。
課程鏈接：//www.mooc.ai/open/course/768
二、ICLR 2020 | 基於價值的規劃和強化學習的封裝架構
基於價值的方法構成了計劃和深度強化學習（RL）的基本方法。在本論文中，我們提出在控制和深度強化學習的任務中研究值函數（即Q函數）的基礎結構。如果潛在的系統特性能夠導致Q函數產生某些全局結構，則應該能夠通過利用這種結構更好地推斷該函數。具體來說，我們研究了大數據矩陣中普遍存在的低秩（low rank）結構。我們在普遍的控制和深度強化學習任務上驗證了低秩Q函數的存在。作為我們的主要貢獻，通過利用矩陣估計（ME）技術，我們提出了一個通用框架來利用Q函數中本質的低秩結構。這不僅使得經典控制的任務效率更高，此外，我們提出的方案應用於基於值函數的強化學習方法，能夠在「低秩」任務上始終獲得更好的性能。
大量的關於控制任務和強化學習任務的實驗證實了我們方法的有效性。
項目程式碼：//github.com/YyzHarry/SV-RL
課程鏈接：//www.mooc.ai/open/course/791
三、ICLR 2020 | 使用格網細胞，對空間特徵分布進行多尺度表達學習
目前，非監督語言編碼模型加大的推進了自然語言處理技術的發展，他的核心理念就是根據詞語在文章中的位置以及上下文關係使用神經網路把詞語轉化為向量空間表達，這個結果非常適合與多種下游的任務。
在空間分析領域，我們看到了非常相似的情況，GIS學者注重於把地理對象（例如POI）的絕對位置資訊和周邊環境資訊加入模型當中，這意味著一個廣義的（地理）空間表達模型會對眾多任務都有幫助。然而，除了簡單的對空間進行分割或者直接把坐標輸入前饋神經網路（FFN）的做法，目前不存在這樣的廣義空間表達模型，不僅如此也很少有學者研究如何同時對不同特徵的空間分布進行總體建模，而這一情況經常在GIS數據中出現。
於此同時，我們注意到近期贏得諾貝爾獎的神經科學研究發現，哺乳動物的格網細胞（grid cell）提供了一種多尺度周期性的表達，這種表達作為哺乳動物大腦中位置編碼的一種指標對於它們認路和整合路經資訊十分重要。
基於這些發現，本文提出一種叫做Space2Vec的表達學習模型，他可以對地理對象的絕對空間位置和相對空間關係進行編碼。我們在兩個真實的地理數據上做了實驗：
1）根據POI的位置和周圍環境資訊預測它的種類；
2）利用拍攝位置的影像分類。實驗結果表明由於這種多尺度的空間表達，Space2Vec在上述兩個任務中都擊敗了眾多成熟的機器學習方法，例如RBF，多層神經網路，以及網格鑲嵌演算法。
更細緻的實驗分析顯示所有的基準線方法均只能在一個尺度下較好的描述空間分布，但在其他尺度下的表現很差，與之相反Space2Vec的多尺度空間表達方法可以同時處理多個尺度下的空間分布。
課程鏈接：//www.mooc.ai/open/course/798
一、CVPR2020丨實體機器人導航中可遷移的元技能的無監督強化學習
視覺導航任務要求智慧體能夠智慧地導航到指定的目標。當前基於深度強化學習的方法往往需要大量的訓練數據，而構建豐富的3D模擬環境以及提供任務相關標註是十分昂貴的。本文關注於在低資源的設定下完成視覺導航任務。本文通過提出無監督強化學習方法來獲得具有遷移能力的子策略，使得模型能夠快速遷移到視覺導航任務。在AI2-THOR環境中，我們的方法實現了最佳的性能，進一步的實驗分析證明我們的方法學習到了一些具備遷移能力的元技能，從而幫助模型實現更好的泛化。
論文：//arxiv.org/abs/1911.07450
課程鏈接：//www.mooc.ai/open/course/766
另外還包括系列論文文字解讀，會議數據分析，會議資源下載等。另一部分錯了了公開課直播的的也沒關係，我們已經對相應課程影片進行編輯並上傳社區，可以進入相關課程頁面觀看影片回放。
課程鏈接：//www.yanxishe.com/course
疫情拉開了大家的距離，但是學術交流是不會就因為疫情被阻擋的，我們願架起這座學者之間的橋樑，以最短路徑，讓更多學者能更快的參與其中，促進學術交流，讓知識真正流動！
誠意邀請
在此，我們也誠摯邀請【ICLR 2020】及【CVPR 2020】論文作者，參與分享，這不僅僅是展示研究成果的機會，更是給大家一個溝通交流的機會，讓學術真正意義上的流通起來，以最短路徑，為更多人所了解。AI 科技評論願架起疫情期間學者之間的橋樑，提供促進學術交流機會。
請掃碼添加微信，備註：會議名稱+姓名+單位。
