每日论文 | 使用二进神经元的BinaryGAN；通过读者眼神估计文本质量；实时重建人体姿势的方法

1

Training Generative Adversarial Networks with Binary Neurons by End-to-end Backpropagation

在这篇论文中，我们提出了BinaryGAN，这是一种新型生成对抗网络，它在生成器的输出层使用了二进神经元。另外，我们使用了可调整的sigmoid直线型估计器来估计二进神经元的梯度，并用端到端的反向传播训练整个网络。在测试时，我们所提出的模型可以直接生成二元特征的预测。

地址：https://arxiv.org/abs/1810.04714

2

Eyes are the Windows to the Soul：Predicting the Rating of Text Quality Using Gaze Behaviour

预测读者对某一段文本质量的评分是一项有挑战性的任务，需要估计文本的多个方面，例如结构、清晰度等等。这些可以用认知信息进行评估，而认知信息的来源之一就是“注视动作（gaze behavior）”。在这篇论文中，我们证明，注视动作的确能帮助我们有效地预测文本质量的评分。为了做到这一点，首先我们对文本质量建模，将组织结构、上下衔接和连贯性作为三要素。之后，我们展示了应该如何捕捉注视行为，以及如果读者能够完全理解文本，他们的行为应该如何。

地址：https://arxiv.org/abs/1810.04839

3

Deep Inertial Poser：Learning to Reconstruct Human Pose from Sparse Inertial Mearsurements in Real Time

在这篇论文中，我们提出了一种新型深度神经网络，能够从6个惯性测量单元实时重建人体全身姿势。其中用深度学习方法学习了实时姿势，并且从动作捕捉数据库获取了足够数据。

地址：https://arxiv.org/abs/1810.04703