目录句子和文档的分布式表示
基于元学习的场景自适应视频帧插值
美国对COVID-19的反应的县级数据集
跨域文档对象检测：基准套件和方法
GPS-NET：用于场景图形生成的图形属性传感网络
今日Paper飞跃：分布式艺术展开，元学习之旅，县级数据探索，GPS-NET导航新篇章
分布式艺术展开：Quoc Le与Tomas Mikolov于2014年发表了论文《Distributed Representations of Sentences and Documents》，揭示了如何将句子或文档转化为向量。这项工作是词向量训练方法word2vec的一次升华。通过反向传播算法，将文章id输入模型，最终获得整个文档编码。这种技术在信息检索、自然语言处理等领域有着广泛应用。
元学习之旅：Choi Myungsub、Choi Janghoon、Baik Sungyong、Kim Tae Hyun及Lee Kyoung Mu于2020年在CVPR 2020上发布了《Scene-Adaptive Video Frame Interpolation via Meta-Learning》一文。在这篇论文中，他们提出了一种利用测试时可获取信息来使模型适应每个视频的情景自适应视频帧插值方法。这不仅提高了效率，而且证明了可以轻松地将这种框架应用到任何视频帧插值网络上。
县级数据探索：Killeen Benjamin D.等人于2020年发表了《A County-level Dataset for Informing the United States' Response to COVID-19》，提供了一份包含300多个变量关于人口统计学、住房状况以及气候因素等方面的美国各州县级疫情数据集，这些都对于研究COVID-19病毒如何传播以及哪些社区更容易接受居家工作至关重要。
GPS-NET导航新篇章：
Lin Xin 等人在 CVPR 2020 上发布了 《GPS-Net: Graph Property Sensing Network for Scene Graph Generation》。
这篇论文介绍了一种名为 GPS-Net 的图形属性传感网络，用以生成场景图。
GPS-Net 首先使用一种新的消息传递模块增强节点特征，然后通过三线性模型对边缘方向信息进行编码。
最后，该方法在三个数据库（VG, OI 和 VRD）上实现了当前最佳性能。
