参数

all = ""
$($(".input-metric-column-container")[3]).find(".job-table-row").each(
    function(){
        ret = "["
        $(this).find(".job-cell").each(
        function(){
            ret += "'" + $($(this).find("p")[0]).text() + "'" + ", ";
        });
    all += ret + '],\n';
});
console.log(all)

结果

all = ""
$($(".input-metric-column-container")[5]).find(".job-table-row").each(
    function(){
        ret = "["
        $(this).find(".job-cell").each(
        function(){
            ret += $($(this).find("p")[0]).text() + ", ";
        });
    all += ret + '],\n';
});
console.log(all)

Imperceptible, Robust, and Targeted Adversarial Examples for Automatic Speech Recognition

• ICML 2019
• 根据听觉心理声学原理，让增加的adversarial 尽可能听不出来
• White-box，没有考虑时间偏移

Imperio: Robust Over-the-Air Adversarial Examples for Automatic Speech Recognition Systems

• 未发表
• white-box，没有考虑时间偏移
• 考虑了狭窄屋里回音（混响RIR）的问题（实际解决方案为把混响model成一个layer加在模型前面）

AdvPulse

• 发表于 CCS2020 (CCF 网络安全A类会议)
• 文章的创新点在于讨论了时间偏移，通过增加长度有限的一节 Universal Attack 来改变识别
• 通过将 adv attack 伪装成例如手机铃声来避免被人类发现
• 只做了 White-box Attack on Speaker 识别, Speech 单词识别, Attack 是 Universal的（只与模型相关）

REAL-TIME, UNIVERSAL, AND ROBUST ADVERSARIAL ATTACKS AGAINST SPEAKER RECOGNITION SYSTEMS

• AdvPulse 同作者
• 无时间偏移考虑， Universal，white-box， 考虑 RIR

Devil’s Whisper

• 发表于 USENIX Security2020 (CCF 网络安全A类会议)
• 做了常见语音识别助手（如Cortana， Echo）的 black-box attack（传统老方法，一个模型逼近 black-box，然后 attack这个模型）。
• 没有考虑时间偏移

Audio Attacks and Defenses against AED Systems - A Practical Study

• 未发表
• 自称首个做音频识别的 Defense，cite了AdvPulse
• 发现超采样、A

• 使用的是 BigGAN 而不是 StyleGAN
• BigGAN 对于每一类物品使用的不是 One-hot + MLP，而实每个类别训练一个 embedding 向量，良好的解决了 imagenet 中有不同种类的狗、猫、鸟等问题。
• 初始时不是随机一个向量，而是初始随机了 N(about 400) 个初始位置，然后根据相似度（Discriminator后三层特征距离）选择最近的一个开始迭代。
• 用了 $\frac{z^2}{2}$ 作为 negative log likelyhood loss，来对 $z$ 的分布进行正则化。

• 为什么 NVIDIA 的一些 submodule 非要C++现编译啊！给个只用 torch的版本不行吗！！！整整折腾了我六个小时。
• 发现原来出问题的地方有点多
• GCC 不能用 0.6.5 需要用 0.7.5
• pytorch 需要 1.8.1 以上(最后用了 1.9.0)，否则 pytorch 无法正确调用 ninja 1.10.0
• CUDA 版本需要 11.1 及以上，以及必须使用手动安装的 cudatoolkit（即安装到 /usr/local/cuda），conda 自动安装以及驱动安装时安装的那个不行。请用 torch.version.cuda 查询cuda实际使用的版本。
• 似乎还需要python 3.8以上，3.7.2的环境满足上述要求的情况下也无法运行。
• 如果只需要复现一次，可用 colab 环境，安装 ninja 后即可复现。

• 更新一下：必须使用1.8.1，1.9.0能Inference 不能 Train

• 更新一下：改回1.8.1会出现模块无法编译 TAT

• 我最后放弃conda了！docker 大法好！！

NeRF++

• 
• NeRF 关于视角颜色的Prior 的处理方式真的不错。知道这个函数比较平滑，于是把关于视角的信息在MLP靠后曾才加入，这样限制关于这个信息的平滑程度。

Space-time Neural Irradiance Fields for Free-Viewpoint Video

• 促使网络学习图像变换是因为视角变化而不是角色动作
• 促使网络认为遮挡部分随时间变化少。
• 使用了深度信息。
• 
• 

NeRF 加速—— KiloNeRF

• 场景分成小格，实现1080Ti上实时渲染
• 
• 但小格子不好训，所以用 Teacher 进行 Ditill(约等于变相增加数据量)
• 
• Related Work，与其他加速方法正交
• 

UNISURF

• 更好的3D Geometry, NeRF 图片很好但是 Geometry 很粗糙
• 
• 方法：让密度项尽量接近1，以及增加额外的loss
• 
• 
• 这个组做了 GRAF 以及 GIRAFF

Making a NeRF Relightable With Shadows

Topic: 3D 视觉，场景生成

LR-GAN: Layered recursive generative adversarial networks for image generation

• 168 cite, github 开源, ICLR 2017
• 
• 比较早的尝试分background和foreground生成的文章。
• 
• 这个一层一层绘制上去的思路还不错。
• 但是根据BlockGAN说的，本文如果在背景加点噪音，会大幅影响后续每层生成。

INVESTIGATING OBJECT COMPOSITIONALITY IN GENERATIVE ADVERSARIAL NETWORKS

• 12 cite, 无github，NN 2020
• 
• 这篇文章采用每个物体自己预测一个 alpha channel 来当透明度，然后一层一层叠加起来得到最后的图片。
• 这篇文章似乎2018年就挂出来了，但缺少相对可靠的实验结果。

BlockGAN: Learning 3D Object-aware Scene Representations from Unlabelled Images

• 26 cite, github 开源, NIPS 2020
• 
• 同样是引入姿态信息的先验，只是先用3D卷积生成物体，然后可微旋转场景，比较早的想引入物体姿态信息的GAN。

RELATE: Physically Plausible Multi-Object Scene Synthesis Using Structured Latent Spaces

• 7 citation, github 开源, NIPS 2020(为什么都是同一个会议，这篇把上面那个当对比的baseline)
• 
• 每个物体由 $(Z,\theta)$ 决定，$T$ 模块为重新调整物体角度使得物体不相交。 通过限制每个网络的feature m

LR-GAN: Layered recursive generative adversarial networks for image generation

• 168 cite, github 开源, ICLR 2017
• 
• 比较早的尝试分background和foreground生成的文章。
• 
• 这个一层一层绘制上去的思路还不错。
• 但是根据BlockGAN说的，本文如果在背景加点噪音，会大幅影响后续每层生成。

INVESTIGATING OBJECT COMPOSITIONALITY IN GENERATIVE ADVERSARIAL NETWORKS

• 12 cite, 无github，NN 2020
• 
• 这篇文章采用每个物体自己预测一个 alpha channel 来当透明度，然后一层一层叠加起来得到最后的图片。
• 这篇文章似乎2018年就挂出来了，但缺少相对可靠的实验结果。

BlockGAN: Learning 3D Object-aware Scene Representations from Unlabelled Images

• 26 cite, github 开源, NIPS 2020
• 
• 同样是引入姿态信息的先验，只是先用3D卷积生成物体，然后可微旋转场景，比较早的想引入物体姿态信息的GAN。

RELATE: Physically Plausible Multi-Object Scene Synthesis Using Structured Latent Spaces

• 7 citation, github 开源, NIPS 2020(为什么都是同一个会议，这篇把上面那个当对比的baseline)
• 
• 每个物体由 $(Z,\theta)$ 决定，$T$ 模块为重新调整物体角度使得物体不相交。 通过限制每个网络的feature map（大小为

Info

• Conference: 3月29号挂到 arxiv，可能是CVPR中了？
• Cites: 0
• Github Stars: /
• Github Solved/Issue: /
• Author:

Main Idea

• 用了一个非常玄乎的方法做到了一件非常神奇的事情。
• 使用无标注的多视角图片还原一个3D模型。
• 
• 方法上是用一个输入随机 pose 输出图片的GAN来假设可以学到一个角度。通过 Phase A 和 Phase B 的迭代来得到训练集图片的 pose 对应的 hidden space。一个正确的 Pose 会是一个 AB 迭代的稳定解，但收敛是没有保证的。
• 

Comments

• 很有意思的工作，可能复现会是一个we

Info

• Conference: 6月7号挂到 arxiv，估计是 NeruaIPS
• Cites: 0
• Github Stars: /
• Github Solved/Issue: /
• Author:

Main Idea

• 好家伙，DeepMind 的文章...说实话文章效果看起来有点糟糕
• 这篇文章也是尝试解决多视角的问题。
• 这篇文章的 SIMONe 是一个 variational auto-encoder。"SIMONe relies on a factorized
  latent space which enforces a separation of static object attributes from global, dynamic properties such as camera pose"，即在 Latent Space 上尝试做分离。这个 Encoder 部分是 Transformer，即可控性可能有限。
• 

Results

• 效果上相对其他方法有显著提升，但是这篇文章主要是 NeRF 的竞品，不影响我们的proposal。
• 

Info

• Conference: CVPR 2021
• Cites: 16
• Github Stars: 80
• Github Solved/Issue: 5/5
• Author:

Main Idea

• 和之前新Idea非常接近的一篇paper，CVPR2021 best paper 提名（这时候才关注到），已经有16个cite了，github 7 个 fork。
• 

• 

• 从 Related works 里面发现，这类方法叫做 GAN-based Image Synthesis。整个大任务其实是和 NeRF 有高关联度的，目的都是获得 Novel View Synthesis。

• GAN-based Image Synthesis: 通过 GAN 可控地生成可解析（如特征控制等）的场景。
• Implicit Functions: NeRF 这种就算利用 Implicit Functions，并且目前这类方法是学习 3D 场景的主流。
• NeRF: 用神经网络学习了一个物体的渲染场，通过多视角图片可以学习到物体任意视角的渲染结果。
• NeRF: x 是点坐标，d是视角方向。
• GRAF: 用 unposed image collections，学出一类物体的 Generative Feild，并且做到生成特征可控。

• GRAF: 增加了shape and appearance 的控制变量

• GRAF 样例

• 

• 本文用多个 GRAF + scale and transpose 得到了如下的网络结构（这不就是和那个Idea一模一样的吗？！）

• 
• 这里每个物体仿射变换就是乘一个矩阵，由于是 Implicit Functions 所以这个变换比传统GAN更容易。
• 在场景合成上包括 N-1 个物体和一个背景，每个前置GAN生成一个M维的向量（3维就是RGB），然后组何部分直接采用3D渲染的方式，算算透明度然后加起来，得到一个16x16的图。
• 最后再用一个2D 的后处理网络超分到 64x64 或者 256x256。 在前后顺序上，是默认 $GAN_1$ 遮挡