NeurIPS 2019即将于12月8日在加拿大温哥华召开，作为机器学习顶级学术会议之一，NeurIPS 2019备受瞩目。学术君整理了NeurIPS 2019八篇录用论文，涵盖深度神经网络、生成对抗网络等多个领域内容，供大家学习参考。
Reflection Separation using a Pair of Unpolarized and Polarized Images（Spotlight论文）作者：吕游伟，崔兆鹏，李思，Marc Pollefeys，施柏鑫（北京邮电大学，苏黎世联邦理工学院，北京大学，鹏城实验室）该论文着眼于解决日常生活中隔着玻璃拍照时不可避免的反射干扰问题，首次提出了将一对偏振与非偏振图像（前者采集反射引起的变化，后者保证正常光照的高质量图像）作为输入用于反射消除问题，大大简化了已有方法依赖三幅或更多偏振图像的拍摄要求。
Memory-oriented Decoder for Light Field Salient Object Detection（Poster论文）作者：张淼，李婧婧，冀炜，朴永日，卢湖川（大连理工大学）该项研究创新性地将4D光场数据与深度神经网络结合在一起，设计了一个记忆力导向的解码器去充分融合4D光场和RGB图像之间的互补信息。
此外，该项研究提供了一个大规模的4D光场数据集，为深度学习在光场显著性领域的应用提供了重要的数据支撑，解决了目前光场数据匮乏的问题。
MarginGAN：Adversarial Training in Semi-Supervised Learning（Poster论文）论文作者：董谨豪，Tong Lin（西安电子科技大学，北京大学，鹏城实验室）论文提出了一种新颖的三组件生成对抗网络模型MarginGAN，从分类间隔的角度，解决半监督学习中由于伪标签不准确而损害分类器性能的问题，提高半监督学习的准确率。
Episodic Memory in Lifelong Language Learning（Poster论文）作者：Cyprien de Masson d'Autume，Sebastian Ruder，Lingpeng Kong，Dani Yogatama (DeepMind) 本文引入了一种终身语言学习机制，模型可以从没有任何数据标注的文本实例流中学习。
Numerically Accurate Hyperbolic Embeddings Using Tiling-Based Models（Spotlight论文）作者：Tao Yu，Chris De Sa（康奈尔大学）利用双曲空间嵌入层次型数据（如图、树）时，可以取得出色的性能，但在使用浮点数表示双曲空间中的点时，嵌入误差受浮点运算误差影响将会无限变大。
A New Defense Against Adversarial Images：Turning a Weakness into a Strength（Poster论文）作者：Shengyuan Hu，Tao Yu，Chuan Guo，Wei-Lun Chao，Kilian Q. Weinberger（康奈尔大学，俄亥俄州立大学）作者采用一种新颖的视角，将对抗方向的无处不在视为优点而非弱点。
Learning to Confuse：Generating Training Time Adversarial Data with Auto-Encoder（Poster论文）作者：Ji Feng，QiZhi Cai，ZhiHua Zhou（南京大学，创新工场）这篇论文围绕现阶段人工智能系统的安全性展开研究，具体而言，文章提出了高效生成对抗训练数据的最先进方法之一——DeepConfuse。
Optimal Stochastic and Online Learning with Individual Iterates（Spotlight论文）论文作者：雷云文，杨鹏，唐珂，周定轩（南方科技大学，凯泽斯劳藤大学，香港城市大学）研究团队对随机优化算法进行了精致的分析，提出了能够在保证模型稀疏性的同时实现最优求解速度的随机优化算法，并通过非平凡的理论分析和实验验证了算法的性能。