# #目录
用机器学习方法对电网中的二氧化碳排放强度进行短期预测
基于图卷积神经网络的高保真3D人脸重建
BERTology入门：解读BERT的工作原理
DymSLAM：基于几何运动分割的动态场景重建
The Virtual Tailor: 基于人体姿态、形状和服装类型的3D服装预测
# #用机器学习方法对电网中的二氧化碳排放强度进行短期预测
论文题目：电网二氧化碳排放强度的短期预测
机器学习
作者：肯尼斯李尔贝克/彼得巴赫尔/鲁恩勇克/戈兰戈兰诺维奇/奥利维尔
科拉迪/拉扎尔易卜拉欣米/安娜特维特/亨里克麦德森
发布时间：2020年3月10日
论文：https://paper.yanxishe.com/review/14223?发自=leiphonecolumn _ paper review 0327
推荐原因
1核心问题
主要解决利用机器学习方法预测丹麦招标区电网二氧化碳排放强度，区分平均排放和边际排放的问题。
2个创新点
本文采用多元线性回归模型建模，傅里叶级数测量季节波动，样条函数捕捉非线性特征。面对大量的属性，本文结合Lasso和正向特征选择算法进行特征选择。最后一层，根据不同验证集的平均RMSE，采用加权平均模型进行处理。
3研究意义
本文发现边际排放的情况与DK2地区完全不同，这表明边际发电机位于相邻地区，所提出的方法可以在事先不知道的情况下用于欧洲电网的任何竞价地区。
# #基于图卷积神经网络的高保真3D人脸重建
标题：从野外图像走向高保真三维人脸重建
使用图卷积网络
作者：江/易媛/田家绍/周坤
发布时间：2020年3月12日
论文：https://paper.yanxishe.com/review/14158?发自=leiphonecolumn _ paper review 0327
推荐原因
本文是CVPR2020的人脸重建文章。
在过去的几年里，基于3DMM的方法在从单视角图像中恢复三维面部形状方面取得了巨大的成功。然而，通过这种方法恢复的面部纹理缺乏在输入图像中表达的保真度。最近，一些工作也使用了在高质量面部纹理UV图的大规模数据集上训练的生成网络，可以生成高质量的面部纹理，但数据集准备困难，尚未公开。
介绍了一种在没有大规模人脸纹理数据库的情况下，从单视角自然图像中重建具有高保真纹理的三维人脸形状的方法。其主要思想是利用输入图像中的面部细节来优化基于3DMM方法生成的初始纹理，并使用图形卷积网络来重建网格顶点的详细颜色，而不是纹理图。实验结果表明，该方法能够产生高质量的重建结果，优于最新的方法。
# #BERTology入门：解读BERT的工作原理
标题：贝特学入门：我们对贝特学的了解
作者：安娜罗杰斯
发布时间：2020年2月7日
论文：https://paper.yanxishe.com/review/139
47?from=leiphonecolumn_paperreview0327推荐原因
本文是一篇综述性文章，概述了目前学术界对Bert已取得的研究成果，并且对后续的研究也进行了展望，适合于初入BERT模型的人员学习。本文的框架作者主要从BERT网络结构、BERT
embeddings、BERT中的句法知识（Syntactic knowledge）、语义知识（Semantic knowledge）和知识库（World
knowledge）以及Self-
attention机制等角度对当下学术界对BERT的研究进行了说明，基于前面的介绍，作者对BERT是如何训练、当模型过于复杂时应给如何解决等问题给出了相应的解决方案。最后作者对BERT未来的研究方向以及需要解决的问题提出了展望。
## DymSLAM：基于几何运动分割的动态场景重建
论文名称：DymSLAM:4D Dynamic Scene Reconstruction Based on Geometrical Motion
Segmentation
作者：Chenjie Wang /Bin Luo /Yun Zhang /Qing Zhao /Lu Yin /Wei Wang /Xin Su
/Yajun Wang /Chengyuan Li
发表时间：2020/3/10
论文链接：https://paper.yanxishe.com/review/13904?from=leiphonecolumn_paperreview0327
推荐原因
大多数SLAM算法都是基于静态场景假设，但实际情况下大多数场景都是动态的，包含动态对象，因此此类方法都不适用。
本文提出了DymSLAM，一种基于动态立体实际SLAM系统，能够重建包含刚性运动对象的4D(3D+时间)动态场景。DymSLAM的唯一输入是立体视频，输出静态环境的密集图，运动对象的3D模型以及相机和运动对象的轨迹。系统首先使用传统SLAM方法检测并匹配连续帧直接的兴趣点，然后通过多模型拟合算法将属于不同运动模型(包括自我运动和刚性对象运动)的兴趣点进行分割。基于自我运动的兴趣点预测相机轨迹和静态背景，基于刚性对象运动的兴趣点用于估计对象相对于相机的相对运动并重建对象的3D模型。最后再3D对象的运动融合到环境的3D地图中，以获得4D序列。
问题提出了包含刚性运动物体的SLAM系统，能够重建场景中刚性运动对象的模型及其运动轨迹，可以用于机器人的动态物体避障等众多应用。
## The Virtual Tailor: 基于人体姿态、形状和服装类型的3D服装预测
论文名称：The Virtual Tailor: Predicting Clothing in 3D as a Function of Human
Pose, Shape and Garment Style
作者：Patel Chaitanya /Liao Zhouyingcheng /Pons-Moll Gerard
发表时间：2020/3/10
论文链接：https://paper.yanxishe.com/review/13854?from=leiphonecolumn_paperreview0327
推荐原因
如何快速准确逼真地模拟、预测人体衣服的形变是计算机图形学中的一个重要问题，在诸如AR/VR、虚拟试衣等众多领域都有着应用。
本文提出了TailorNet神经网络模型，其可以根据人体形状、姿态和服装类型来预测衣服的形变，并同时保留衣服的褶皱等局部细节。文章技术的核心是将衣服的形状分解为高频部分和低频部分，其中低频部分的信息从人体形状、姿态和衣服类别预测，高频部分的细节从形状风格相关的姿态模型来预测并混合得到。作者将其构造的包含55800帧的数据集开源，项目主页https://virtualhumans.mpi-
inf.mpg.de/vtailor。
雷锋网雷锋网雷锋网
