MOLAR NEWS

2020年第29期

MolarData人工智能每周见闻分享，每周一更新。

好好的人，说没就没了：这个视频「橡皮擦」让你瞬间消失，头发丝都不留

近日，弗吉尼亚理工大学和 Facebook 的研究者提出了一种基于流的视频补全新方法，在视频去水印、物体移除、画面扩展等方面均有着出色的表现。

近来，基于学习的技术实现了更合理的合成效果。但是由于视频占用的内存较高，基于 3D 时空核的方法存在分辨率上的问题。迄今为止，最成功的方法是基于流的。他们一起合成色彩和流，沿着流的轨迹传播颜色，以提升视频的时间连贯性。从而减轻内存占用问题并实现高分辨率输出。这项新研究也采用了这种通用方法。总之，这篇论文通过以下几项改进克服了基于流的视频补全算法的一些局限：

1. 流边缘：通过显式地补全流边缘，研究者得到了分段平滑的流补全。

2. 非局部流：利用非局部流来补全无法通过可传递流（transitive flow）补全的区域；

3. 无缝融合：通过在梯度域中执行融合操作来避免可见的接缝；

4. 内存高效：研究者提出的方法可以处理 4k 分辨率的视频，而其他方法会因为 GPU 内存需求过大而失败。

来源：机器之心

图神经网络让预估到达准确率提升50%，谷歌地图实现新突破

为了精确地预测未来交通状况，Google Maps 使用机器学习将全球道路的实时交通状况和历史交通模式结合起来。为了在全球范围内实现这一目的，DeepMind 利用了一种通用机器学习架构——图神经网络（GNN），通过向模型添加关系学习偏置来进行时空推理，进而建模现实世界道路网络的连通性。

目前，研究者正在探究，在以减少行程估计误差为指导指标的情况下，MetaGradient 技术是否也可以用来改变训练过程中多成分损失函数的构成。这项研究受到先前在强化学习中取得成功的 MetaGradient 的启发，并且早期实验也显示出了不错的结果。

来源：机器之心

谷歌量子计算突破登Science封面！首次对化学反应进行量子模拟

谷歌的量子计算机登上了Science封面，他们成功用12个量子比特模拟了二氮烯的异构化反应。

这已经是谷歌量子计算机第二次登上顶级学术期刊封面了。

去年10月，谷歌的量子计算机因为实现了“量子优越性”登上了Nature封面，仅用了200秒就解决了超算需要1万年才能求解的量子电路采样问题。

虽然以上的结果不需要量子计算机就能模拟，但这项工作仍是量子计算向前迈出的一大步。

未来可以将这种算法扩大规模，来模拟更复杂的反应。而要模拟更大分子的反应，还需要更多的量子比特。

Babbush认为，总有一天，我们甚至可以使用量子模拟开发新的化学物质。

来源：量子位

AI！美空军研究实验室开发飞行员个性化神经学习系统

2020年8月12日，美空军研究实验室（AFRL）公开旨在使用神经技术帮助飞行员快速掌握知识和技能的“个体化神经学习系统”（iNeuraLS）项目。iNeuraLS是一个新型增强型学习平台，将通过技能获取过程中认知状态的闭环调制来实现快速学习，该项目已开展三年并获得资金资助。作为研究的一部分，大脑的神经信号将用于开发算法，确定人员可以接收信息的最佳状态。研究团队将使用脑电图（EEG）和磁脑电图（MEG）两种技术开发混合的脑机接口，收集有关大脑活动的数据。