深度生成对抗网络

作为记录物体信息的一种方式，三维模型图像具有许多特征，明显优于二维图像。然而在三维模型获取过程中，由于各种因素的干扰，如传感器误差、数据丢失等，三维模型可能会出现缺失、损坏或噪声等问题。这些问题会导致模型的不完整性和不准确性，进而影响到后续的应用和分析。三维模型的修复目前是计算机图形学领域的一个重要研究方向。传统的三维

选自tryolabs机器之心编译过去几年，深度学习成为了机器学习社区的核心话题，2016 年更是如此。在 Tryo Labs 的这篇盘点文章中，作者回顾了对该领域贡献最大（或有潜力的）的进展以及组织和社区如何保证这些技术能以一种使所有人都受益的方式被使用。 　　 无监督学习一直以来都是研究人员所面临的一

选自OpenReview机器之心编译参与：李泽南、杜夏德、吴攀 国际学习表征会议 ICLR 2017 的论文提交已经于近日结束。作为机器学习领域的顶级会议之一，ICLR 自然也得到了很多重量级研究者和机构的亲睐。据大概统计，ICLR 2017 已经收到了大约 500 篇论文，这些论文都已经开放 open

1 新智元整理 整理：王楠、刘小芹 　　 【新智元导读】被 Yann LeCun 誉为本世纪最伟大发明之一的对抗生成网络 ，它的提出者 OpenAI 研究员 Ian Goodfellow 日前在伯克利秋季深度学习课程发表演讲《对抗样本与对抗训练》。

1 新智元编译 1来源：adeshpande3.github.io作者： Adit Deshpande翻译：刘小芹 　　 新智元祝读者国庆节快乐！ 　　 AI World 2016世界人工智能大会 ? 业界领袖回溯60年AI历史，全球对