最流行的模型：BERT, vid2vid 和 graph_nets
10月，Google AI 团队提出了一种深度双向 Transformer 模型 (BERT)，并发表了相关的论文。该模型在 11 个NLP 任务上取得了目前为止最佳的性能，Stanford Question Answering (SQuAD) 数据集也引起了学术界的强烈关注。随后，Google AI 进一步开源了项目代码，并在当月获得了最多 Stars 数量，可见其热门程度。
论文链接：https://arxiv.org/abs/1810.04805
GitHub 链接：https://github.com/google-research/bert
Nvidia 的 video-to-video synthesis 研究同样是下半年一大热点。该研究提出了一种新颖的生成模型 (GAN) 并在视频合成任务中取得惊人的效果。众所周知，GAN 是过去几年里最受欢迎的深度学习模型之一，该研究团队利用一种新颖的顺序生成器架构，以及一些前景和背景先验 (foreground-and-background priors) 等设计特征，解决了当前视频合成研究中时间不连贯的问题，进而提高了最终的性能。同样地，该项目代码也被 Nvidia 团队开源，并成为今年下半年第二大最受欢迎的项目。
论文链接：https://arxiv.org/abs/1808.06601
GitHub 链接：https://github.com/NVIDIA/vid2vid
Google DeepMind 团队关于图网络 (graph_nets) 的最新研究。该研究得到广泛关注的原因是，因为它为解决结构化数据提供了一种新的方向。该开源项目是 2018 下半年排名第三位的受欢迎项目。
论文链接：https://arxiv.org/abs/1806.01261v3
GitHub 链接：https://github.com/deepmind/graph_nets
这是一项使用生成对抗网络 (GAN) 来修复黑白旧照片并为其重新上色的研究，在深度学习领域引发了极大的兴趣和关注。该项目的作者是 Jason Antic，他借鉴了几种 GAN 模型的实现，包括 self-attention GANs (SA-GANs)、progressively growing GANs (PG-GANs)，来构建自己的模型，并采用两种时间跨度的原则，最终得到了有意思的结果。
GitHub 链接：https://github.com/jantic/DeOldify
BERT 的 pytorch 实现，作者是 Junseong Kim。该项目的代码基于 The Annotated Transformer，代码风格简单易懂。
GitHub 链接：https://github.com/codertimo/BERT-pytorch
Mask R-CNN 的 Keras/TensorFlow 实现，作者 Waleed Abdulla，这是今年下半年第三个热门 GitHub 项目。在结构上，Mask R-CNN 基于特征金字塔网络 (FPN) 和 ResNet101 为模型骨干，它可用于许多诸如 3D 建筑物重建，自动驾驶中的目标检测，检测地图中的建筑物类型等应用。
GitHub 链接：https://github.com/matterport/Mask_RCNN
通过查看 GitHub 上 Top50 的开源发现, 当前最热门、最活跃的研究领域是自然语言处理 (NLP) 和生成对抗模型 (GANs)。在 GitHub 上，GANs 领域最受欢迎的开源项目有 vid2vid，DeOldify，CycleGAN 以及 faceswaps，而最热门的 NLP 开源项目包括 BERT，HanLP，jieba，AllenNLP 以及 fastText。