1. どんなもの？

シーン表現は知的行動において、必要である。
近年の研究によって、ニューラルネットワークが大きな、教師ありデータセットが与えられた場合、有用であると示されてきた。
しかしながら、人間による手作業のラベリング作業をなくすことは重要な課題である。
これに対処するため、本論文ではGenerative Query Network(GQN)を提案している。
GQNは機械が自らのセンサーを使って、シーンを表現するものである。
GQNは異なる点からシーンの画像を入力とし、内部表現を構成する。そして、この表現をシーン外見を予測するのに使う。
GQNは人間によるラベリングやドメイン知識を必要とせず、これは機械が自身で世界を理解する方法として進んで行く。

2. 先行研究と比べてどこがすごいの？

3. 技術や手法の”キモ”はどこにある？

4. どうやって有効だと検証した？

5. 議論はあるか？

6. 次に読むべき論文はあるか？

論文情報・リンク

• Eslami, S M Ali
  Rezende, Danilo Jimenez
  Besse, Frederic
  Viola, Fabio
  Morcos, Ari S
  Garnelo, Marta
  Ruderman, Avraham
  Rusu, Andrei A
  Danihelka, Ivo
  Gregor, Karol
  Reichert, David P
  Buesing, Lars
  Weber, Theophane
  Vinyals, Oriol
  Rosenbaum, Dan
  Rabinowitz, Neil
  King, Helen
  Hillier, Chloe
  Botvinick, Matt, “Neural scene representation and rendering” 2018年 論文リンク