ComputerVision
MachineLearning
DeepLearning

NIPS 2017 参加報告

NIPS2017 に参加してきましたので、その報告がQiitaになかったのでいい機会ですのでします。
Neural Information Processing Systems(NIPS)は機械学習系のトップカンファレンスで、今年で31回目の国際会議です。
採択された論文はNIPS Proceedingsから見ることができます。

概要

  • 日時 2017/12/04 - 12/09
  • 場所 ロングビーチ, ロサンゼルス
  • 参加人数 8,000人
  • 投稿数 3,240
  • 採択数 679(21%)
    • オーラル 40
    • スポットライト 112
    • ポスターのみ 527
  • 傾向
    • Algorithm,DeepLearning,Applicationがほとんど

レジストレーション待ち

参加登録の早さ

参加人数

採択数

分野別統計

ポスター会場

ホールA

はやりそうな分野

会場で感じた雰囲気とNIPS日本人会等の参加者間の交流にて感じたこと

Meta Learning

  • チュートリアルのDeep Learning: Practice and Trendsやシンポジウムの Metalearning symposiumにて取り上げられた。
  • Few Shot Learning等の技術要素は個々で認識していたが、これらの分野のことをMetaLearningと呼ぶことを認識した
  • 天才による体系的な説明はわかりやすい

Graph構造、非ユークリッド幾何上でのCNN

  • チュートリアルのGeometric Deep Learning on Graphs and Manifoldsで話された内容。
  • ユークリッド空間に配置された画像・音声・文章は如何にCNNに持っていくかによって解決された。しかし、非ユークリッドなデータではCNNではチャレンジングな問題。
  • 空間的もしく周波数領域でのConvolutionを定義することで、グラフデータ等の非ユークリッドなデータでもうまくいくようになってきた。

現地に行く意義

著者との交流

  • 論文を読んでもいまいち腹落ちしない内容でも、著者の説明を聞くとすんなりと理解できる
  • 単なる著者が人間に
  • GitHub上のプルリクもしやすくなるかな

参加者との交流で情報収集

  • 現地で日本人で集まり情報収集を行うことで、今後のつながりに期待できる
  • 世界には同業他社が意外と多いのでその分野で交流できる
  • いたるところでオフ会
  • というか学会そのものがオフ会

発表に対する反応を見る

  • どの発表がウケていたか
  • どの発表が熱い議論がなされていたか
  • 業界としてどちらに行きそうか、どの分野を注視すべきか
  • やはり現地のライブ感は重要

会議全体のレベル感を知る

  • NIPS初参加の身としては、通す前に一度様子を見てレベル感を知ることができる
  • applicationの発表だとしても、ポスターで議論すると理論的な防御手段を持っているレベルだった