今年我們整理過視覺頂級會議CVPR 2018論文解讀集錦 和 ECCV 2018論文解讀集錦，並持續更新中，如今備受矚目的NIPS 2018也將於12月舉行，目前已經公佈了所有收錄論文名單，爲了能夠讓大家更深刻了解前沿技術及論文資訊，我們進行了一些NIPS 2018優秀論文解讀的整理，歡迎大家收藏交流。
NIPS 2018收錄文章：https://nips.cc/Conferences/2018/Schedule
論文解讀
8.NIPS 2018 | 作爲多目標優化的多任務學習：尋找帕累托最優解
多任務學習本質上是一個多目標問題，因爲不同任務之間可能產生衝突，需要對其進行取捨。本文明確將多任務學習視爲多目標優化問題，以尋求帕累托最優解。而經過實驗證明，本文提出的方法可以在現實假設下得到帕累托最優解。
7.NIPS 2018 | 中科院自動化所兩篇入選論文：高清真實圖像生成領域及GAN研究在人臉識別領域的進展
中科院自動化所兩篇入選NIPS 2018的文章，分別闡述了在高清真實圖像生成領域及生成對抗網絡GAN研究在人臉識別領域的突破。
6…NIPS 2018(oral)：通過端到端幾何推理髮現潛在3D關鍵點
關鍵點檢測是許多計算機視覺任務的基礎，如人臉識別、動作檢測和自動駕駛等。來自Google AI的Supasorn Suwajanakorn等人帶來了關於3D關鍵點檢測的一種新方法：端到端幾何推理。
5.NIPS2018 | 騰訊AI Lab入選20篇論文，含2篇Spotlight
本文深度解析機器學習領域頂會NIPS（2018）上，騰訊AI Lab入選的的20篇論文。
4.NIPS 2018入選論文：對深度半監督學習算法的現實評價
半監督學習是近年來非常熱門的一個研究領域，但針對某個問題的標記數據卻仍極度稀缺。爲了用更少的標記數據完成更多現實任務，研究人員想出了這種從無標記數據中提取數據結構的巧妙做法。
3.NIPS 2018 | MIT等提出NS-VQA：結合深度學習與符號推理的視覺問答
MIT、哈佛等機構合作的一項研究提出了一種神經符號視覺問答（NS-VQA）系統，將深度表徵學習與符號程序執行結合到了一起。該研究的論文已被 NIPS 2018 接收。
2.[NIPS 2018丨解讀微軟亞洲研究院10篇入選論文](hhttps://mp.weixin.qq.com/s/LnPQZL5c5k589iBrCIqTFg)
微軟亞洲研究院10篇入選NIPS的論文，研究主題涵蓋詞向量、機器翻譯、神經網絡優化、社羣探索等等。
1.NIPS 2018 | Spotlight論文：憑藉幻想的目標進行視覺強化學習
本文中，作者提出了一種算法，通過結合無監督表徵學習和目標條件策略的強化學習來獲得這種通用技能。
相關話題
NIPS 2018 | 接收論文情況盤點：谷歌一騎絕塵，微軟朱澤園中四篇一作