今日 Paper 物体渲染；图像和谐化；无偏数据处理方法；面部伪造检测等

本文被ICLR 2020授与！作品提出了一种基于练习的图像指挥的衬托工夫，该工夫将基于图像的衬托和基于GAN的图像合成相连结，可能天生重修对象的高确实感衬托结果。

作品工夫的主旨是怎么执掌视角联系的视觉结果，为领会决这个题目作家起首锻练了一个基于特定对象的深度神经收集来合成目的对象与视角无闭的外观。为了执掌视角联系的结果，如物体皮相的高光等，作家剔除了EffectsNet来进一步预测与视角联系的结果。作家正在合成和确实数据上定性和定量的证实了作品措施的有用性。

图像合成是图像执掌中的紧张操作，可是从布景或者其他图片蜕变颜色新闻到前景上会急急低浸合成图像的质地。目前没有效于图像和洽的高质地大家可用数据集极大地阻挡了图像和洽的发达工夫。近年来，仍然有少量的职责考试用深度练习做图像谐和化，但成对的合成图和确实图极难得回。咱们通过基于COCO合成的图像（分离是Adobe5k，Flickr，day2night）来功勋图像和洽数据集，通过深度练习的锻练天生监视新闻，从而处理目前遭遇的毛病。

2、提出了域验证 (domain verification) 的观点，考试了基于域验证的图像谐和化算法。

目前，对付人体状貌预测的切磋重要范围于自上而下的措施。然而，对付锻练和预测的根本构成局限，尚未正在状貌预测中商讨数据的执掌。基于此，本文以此为起点，提出了有偏数据的执掌正在切磋自上而下的神态忖度器中的用意。

这篇作品是微软亚洲切磋院的切磋paper。正在本文中，作家提出了一个措施---面部X射线，它既不必要领会换脸后的图像数据，也不必要明晰换脸算法，就能对图像做『X-Ray』，辨别出是否换脸，以及指出换脸的范围。

作家提出的新模子 Face X-Ray 具有两大属性：能泛化到未知换脸算法、能供给可外明的换脸范围。要得回云云的精良属性，诀窍就藏正在换脸算法的大凡经过中。正在当下工业界中，风靡的大无数换脸算法大凡可能分为检测、改正以及协调三局限。而本文改弦更张之处正在于，该新模子Face X-Ray是通过检测第三阶段出现的差错来举行试验的。

作家正在普遍说话模子的根基上提出了一个用于修模天生句子中的区别属性的属性模子，该模子可能告终众种属性上的受限文本天生。别的，作家提出的新措施PPLM，是不必要调度原有说话模子的机闭，只必要让两个模子同时锻练，就可能告终属性独揽结果的明显擢升。