查看原文
其他

10 年深度学习顶级论文和代码精选,请务必收藏!

红色石头 AI有道 2021-09-10

点击上方“AI有道”,选择“星标”公众号

重磅干货,第一时间送达


你是否经常花费时间或苦于寻找深度学习相关的顶会优秀论文极其相对应的代码?今天给大家介绍一个超赞的 GitHub 项目。该项目总结了近 10 年来所有顶会的优秀论文和论文复现代码。绝对值得一看!


该项目名为:Papers with code。作者 Zaur Fataliyev 是一位机器学习工程师。这个超赞的项目地址是:


https://github.com/zziz/pwc


目前该项目已经收获了 9k+ star 了。



该项目之所以牛掰,是因为详细收集了从 2018 年回至 2008 年十多年的顶会论文和代码。作者是按照时间从前往后进行整理的。目前已经整理完成了 2018-2013 年段。目前项目还在更新,2013 年之前的会慢慢整理,作者说大约每周更新一次。


Papers with code 每个年份按照论文代码的 star 进行排列的。方便大家很清晰地看到哪些论文更受欢迎,哪些代码关注的人更多!涉及的会议涵盖了 NIPS、CVPR、ECCV、ICML,全都是机器学习、深度学习领域的顶级会议。


下面列举一下各年份的部分论文+代码列表!



2018 年



2017 年



2016 年



2015 年



2014 年



2013 年



2013 年之前的内容作者会持续更新!


本项目汇总的优秀论文和相应代码非常有用。下面以 2018 年发布在 NIPS 上的一篇最热门的论文《Video-to-Video Synthesis》为例,进行简要介绍。



该论文通过精心设计的生成器、判别器结构以及 spatio-temporal 目标函数,输入语义分割掩码视频,可以合成长达 30s 的 2k 高清视频,还能用草图视频合成真实人物视频,用姿态图合成舞蹈视频,当用于未来帧预测时,得到的结果要比当前最优的方法得到的结果要更好。而且更为惊艳的是当改变语义分割掩码视频中的颜色时就能将真实街景视频中的建筑换成树木。


这篇论文在该项目 Papers with code 中,可直接下载 pdf 版本。


《Video-to-Video Synthesis》的代码地址也可直接点击链接获取,地址为:


https://github.com/NVIDIA/vid2vid



该论文代码的实现环境是:


  • Linux or macOS

  • Python 3

  • NVIDIA GPU + CUDA cuDNN

  • PyTorch 0.4


感谢作者极其贡献者们的精心整理汇总和辛勤工作,该项目是机器学习、深度学习顶会论文+代码非常全的资源,希望对大家有所帮助!



【推荐阅读】

干货 | 公众号历史文章精选(附资源)

我的深度学习入门路线

我的机器学习入门路线图


👆加入AI视界,获得不一样的AI视野!


视频 小程序 ,轻点两下取消赞 在看 ,轻点两下取消在看

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存