没想到上次的论文阅读更新是八月份哈哈哈哈说好这个月要好好更新的那就把之前没有更新出来的论文阅读补充一下还是小样本跨域系列哈~（由于之前阅读的时间有点久这边可能会放一些PPT）论文名称：《FeatureTransformationEnsembleModelwithBatchSpectralRegularizationforCross-DomainFew-ShotClassification

中文标题：ClipCap:CLIP前缀用于图像描述（ClipCap:CLIPPrefixforImageCaptioning）文章目录1.介绍2.相关工作3.方法3.1综述3.2语言模型微调3.3映射网络架构3.4推理4.结果5.结论摘要：图像描述是视觉语言理解中的一项基础任务，模型会对给定的输入图像预测出一段文本信息性描述。本文提出了一种简单的方法来解决这个任务。我们使用CLIP编码作为描述的前

目录论文背景论文贡献基于未压缩图片的可逆数据隐藏现有的基于JEPG图像的可逆数据隐藏方法论文提出的方法一般论文都是先提出问题后解决问题，所以在阅读一篇论文的时候要清楚论文要解决的问题是什么？也就是论文背景，解决方案是什么？也就是论文贡献论文背景该论文是2020年发表的一篇SCI二区的文章，发表在IEEETransactionsonCircuitsandSystemsforVideoTechnolo

.GUI运行Reference：Structure-from-MotionRevisited原文COLMAP使用教程Colmap论文——《Structure-from-MotionRevisited》论文阅读笔记笔记

【图像分割】【深度学习】Windows10下UNet代码Pytorch实现与源码讲解提示:最近开始在【医学图像分割】方面进行研究,记录相关知识点,分享学习中遇到的问题已经解决的方法。

文章目录Grasp-Anything:Large-scaleGraspDatasetfromFoundationModels针对痛点和贡献摘要和结论引言相关工作Grasp-Anything数据集实验-零镜头抓取检测实验-机器人评估总结Grasp-Anything:Large-scaleGraspDatasetfromFoundationModelsProjectpage：Grasp-Anythin

文章目录GraspNeRF:Multiview-based6-DoFGraspDetectionforTransparentandSpecularObjectsUsingGeneralizableNeRF针对痛点和贡献摘要和结论引言模型框架实验不足之处GraspNeRF:Multiview-based6-DoFGraspDetectionforTransparentandSpecularObjec

笔记地址：https://flowus.cn/share/a94730c1-6ae8-4955-82fb-812aff78f638【FlowUs息流】VALLE论文地址：NeuralCodecLanguageModelsareZero-ShotTexttoSpeechSynthesizersAbstract这里介绍的是一种新的语言建模方法来完成文本到语音的合成。这种方法不同于传统的直接从文本转换到

目录Abstract:Introductions：Relatedwork：LineMatch：Feature-basedMethod：WindowsOptimizationTwo-stepMinimizationV.FRONT-ENDVI.EXPERIMENTALRESULTSA.DatasetsandMetrics（数据集和指标）B.ComparisonwiththeState-of-the-a

目录0x0.前言0x1.摘要0x2.介绍0x3.背景0x4.实验设置0x5.高效的LLM训练分析0x5.1FusedKernels和FlashAttention0x5.1.1Attention0x5.1.2RMSNormKernel0x5.2ActivationCheckpointing0x5.3Micro-Batch大小0x5.4TensorParallelism和PiplineParallel

笔记地址：https://flowus.cn/share/a79f6286-b48f-42be-8425-2b5d0880c648【FlowUs息流】tortoise论文地址：BetterspeechsynthesisthroughscalingAbstract:自回归变换器和DDPM：自回归变换器（autoregressivetransformers）是一种基于变换器架构的模型，能够处理序列数据

ATradeoff-BasedInteractiveMulti-ObjectiveOptimizationMethodDrivenbyEvolutionaryAlgorithms作者：LuChen、BinXin、JieChen期刊：JournalofAdvancedComputationalIntelligenceandIntelligentInformatics、2017DOI：10.20965

InteractiveMultiobjectiveOptimizationfromaLearningPerspective作者：ValerieBelton、JürgenBranke、PetriEskelinen书名：MultiobjectiveOptimization:InteractiveandEvolutionaryApproaches、2008DOI：10.1007/978-3-540-88

求解约束多目标区间优化的交互多属性决策NSGA-II算法作者：陈志旺,陈林,白锌,杨七,赵方亮期刊：控制与决策、2015.05DOI：10.13195/j.kzyjc.2014.0455内容简介针对约束多目标区间优化问题,提出一种交互多属性决策NSGA-II算法.该算法将非线性问题线性化,定义P占优支配关系求出个体的序值,定义区间拥挤距离来区分具有相同序值个体的优劣,采用约束精英策略删除种群中不满

TowardsUniversalUnsupervisedAnomalyDetectioninMedicalImagingarxiv，19Jan2024【开源】【核心思想】本文介绍了一种新的无监督异常检测方法—ReversedAuto-Encoders(RA)，旨在提高医学影像中病理检测的准确性和范围。RA通过生成类似健康的重建图像，能够检测到更广泛的病理类型，这在现有技术中是一个挑战。RA方法在多

项目链接：https://github.com/yyk-wew/F3Net这篇论文从频域的角度出发，提出了频域感知模型用于deepfake检测的模型整体架构图：1.FAD：频域感知分解，其实就是利用DCT变换，将空间域转换为频域，变换后的图像低频信息在左上角，高频信息在右下角，同时高频表示细粒度的伪造痕迹，因为进过DCT变换后的图像不再具有尺度不变性和局部相关性的RGB图像特性，故需要对其进行ID

中文标题：面向边缘设备的高效图像描述（EfficientImageCaptioningforEdgeDevices）文章目录1.引言2.相关工作3.方法3.1ModelArchitecture（模型结构）3.2ModelTraining(模型训练)3.3KnowledgeDistillation（知识蒸馏）4.实验4.1数据集和评价指标4.2实施细节：4.3消融实验

《Mockingjay:UnsupervisedSpeechRepresentationLearningwithDeepBidirectionalTransformerEncoders》原文地址：https://arxiv.org/abs/1910.12638v2摘要文章提出了一种新的语音表示学习方法——Mockingjay。该方法使用双向的TransformerEncoder在大规模无标签数据集

坚持目标【原创】分享第10010天2019.11.05议论文阅读是阅读的一个重要板块，也是比较难的一块。今天谈谈论证的四种方法。举例论证。

四班一节课，先听写，然后讲了议论文阅读，但是挑选题目来让学生做，感觉翻去翻来，效果反而不好，还是一篇一篇的讲，效果可能会更好一些。

FAST2015Paper元数据论文阅读汇总问题现有的文件系统，即使是存储数百PB数据的可伸缩系统，也会将文件元数据存储在单个服务器上，或通过共享磁盘架构，以确保元数据的一致性和有效性。

ATC2022Paper论文阅读笔记整理问题在生产环境中，日志结构合并的键值存储（LSMKV）需要确保查询的延迟，特别是，读取的长尾延迟（和延迟一致性）是满足不同用户需求和服务级别协议（SLA）的问题[

EuroSys2022Paper论文阅读笔记整理问题数据管理应用程序使用结构化文件存储其数据，其中数据通常经过排序以提供索引和查询服务。

EuroSys2022Paper论文阅读笔记整理问题基于LSM树的Key-value(KV)存储已成为数据中心和云服务存储栈中的基础层。

阶段Vary-toy结构数据集情况引言论文：SmallLanguageModelMeetswithReinforcedVisionVocabularyPaper|Github|Demo说来也巧，之前在写论文阅读

笔记地址：https://flowus.cn/share/a16a61b3-fcd0-4e0e-be5a-22ba641c6792【FlowUs息流】Bigvgan论文地址：BigVGAN:AUniversalNeuralVocoderwithLarge-ScaleTrainingAbstract背景：最近基于生成对抗网络（GAN）的声码器取得了一定的进展，这种模型可以基于声学特征生成原始波形。尽

TowardsAutomaticTestingofReferencePointBasedInteractiveMethods作者：VesaOjalehto、DmitryPodkopaev、KaisaMiettinen期刊：PPSN、2016DOI：10.1007/978-3-319-45823-645内容简介为了了解优化算法的优缺点，有必要了解不同类型的测试问题、定义良好的性能指标和分析工具。这样

前面讲了mask-transformer对医学图像分割任务是非常适用的。本文就是总结一些近期看过的mask-transformer方面的论文。

论文链接LIO-SAM0.Abstract提出了一种通过平滑和映射进行紧耦合激光雷达惯性里程计的框架LIO-SAM，它实现了高精度、实时的移动机器人轨迹估计和地图构建LIO-SAM在因子图上制定激光雷达惯性里程计，允许将多种相对和绝对测量（包括闭环）从不同来源作为因子合并到系统中惯性测量单元(IMU)预积分的估计运动可以消除点云的倾斜，并为激光雷达里程计优化生成初始猜测对姿势优化进行了边缘化处理，

Time-SeriesAnomalyDetectionServiceatMicrosoft前言论文原文：Time-SeriesAnomalyDetectionServiceatMicrosoft，KDD2019「异常检测」旨在发现数据中的意外事件或罕见项目。它在许多工业应用中非常流行，是数据挖掘中的一个重要研究领域。为了解决时间序列异常检测的问题，作者提出了一种基于谱残差(SR)以及卷积神经网络(

SadTalker：学习逼真的3D动作系数，用于风格化的音频驱动单张图像说话人脸动画code：paper：1介绍动机：生成说话头的方法都存在问题，耦合的2D运动场：不自然的头部动作、扭曲的表情和身份修改。显式使用3D信息：僵硬的表情和不连贯的视频等问题。因此提出SadTalker，从音频中生成3D运动系数（头部姿态、表情），并隐式调节一种3D感知人脸渲染，用于生成说话人头部。提出了ExpNet来通

文章目录0、基本信息1、研究动机2、创新点3、准备3.1、文本属性图3.2、语言模型用于文本分类3.3、大语言模型和提示3.4、结点分类4、方法论4.1、生成基于LLM的预测和解释4.2、LM解释器的微调与节点特征提取4.2.1、原始文本和特征解释4.2.2、排序后的预测特征4.3、GNN在语义丰富的特征上训练4.4、理论分析5、实验5.1、数据集5.2、主要结果5.3、消融实验6、结论6.1、T

文章目录0、基本信息1、研究动机2、创新点2.1、LLM-as-GraphAugmentor2.2、LLM-as-TextEncoder3、准备3.1、文本属性图3.2、图神经网络3.3、文本属性图上的对比学习4、LLM4GCL4.1、LLMv.s.GraphAugmentor4.1.1、LLM对特征增广4.1.2、LLM对结构增广4.2、LLM作为文本编码器4.2.1、MaskedLanguag

论文题目：IterativeScale-UpExpansionIoUandDeepFeaturesAssociationforMulti-ObjectTrackinginSports论文特点：作者提出了一种迭代扩展的ExpansionIoU和深度特征关联方法Deep-EIoU，用于体育场景中的多目标跟踪，旨在解决非线性、不规则运动、相似外观的在线短时多目标跟踪问题，实验表明，提出的方法对于提高跟踪

标题：NovelJointTransferNetworkforUnsupervisedBearingFaultDiagnosisFromSimulationDomaintoExperimentalDomain期刊：IEEE-ASMETRANSACTIONSONMECHATRONICS（2022）作者：YimingXiao,HaidongShao，SongYuHan,ZhiqiangHuo，andJ

论文阅读|2024WACV多目标跟踪Deep-EloU摘要1引言（Introduction）2相关工作（RelatedWork）2.1基于卡尔曼滤波器的多目标跟踪算法（Multi-ObjectTrackingusingKalmanFilter

前言：该论文介绍多线激光lidar的标定内参的原理，有兴趣的，可研读原论文。1、标定参数rotCorrection：旋转修正角，每束激光的方位角偏移（与当前旋转角度的偏移，正值表示激光束逆时针旋转），如图1avertCorrection：垂直校正角，每束激光的仰角（正值使激光束朝扫描仪顶部旋转），如图1bdistCorrection：距离校正偏移，应用于单个激光束的飞行时间距离vertOffset

文章目录摘要1.问题的提出引出当前研究的不足与问题KGC方法LLM幻觉现象解决方案2.数据集和模型构建数据集模型方法基线方法任务模型方法基于LLM的KGC的知识前缀适配器知识前缀适配器与其他结构信息引入方法对比3.实验结果与分析结果分析：可移植性实验：消融实验4.结论与启示结论总结局限性启发原文链接：MakingLargeLanguageModelsPerformBetterinKnowledge

该论文发布在ICCAD’21会议。该会议是EDA领域的顶级会议。基本信息AuthorHardwareProblemPerspectiveAlgorithm/StrategyImprovment/AchievementFuxunYuGPUResourceunder-utilizationContentionSWSchedulingOperator-levelschedulingML-basedsch

文章目录简介创新点神经辐射场场景表示（NeuralRadianceFieldSceneRepresentation）带有辐射场的体渲染（VolumeRenderingwithRadianceFields）优化神经辐射场（OptimizingaNeuralRadianceField）位置编码（Positionalencoding）分层体积采样（Hierarchicalvolumesampling）参

U-Net是一种专为医学图像分割而设计的卷积神经网络（CNN）架构。

读摘要，了解面貌文章目录[12][51][58][35][xx]原文：https://webofscience.clarivate.cn/wos/alldb/full-record/WOS:000387820900034Largenumbersofsmartconnecteddevices,alsonamedastheInternetofThings(IoT),arepermeatingouren

背景：DeepLearning-basedTextUnderstanding(DLTU)简介：基于深度学习的文本理解(DLTU)广泛运用于问答、机器翻译和文本分类，情感分析（eg电影评论分类）、有害内容检测（讽刺、讽刺、侮辱、骚扰和辱骂内容）等安全敏感应用中。DLTU天生容易受到对抗性文本攻击，在对抗性文本攻击中，恶意制作的文本会触发目标DLTU系统和服务行为不当。本文的target:提出TEXT

ASPLOS2024Paper论文阅读笔记整理问题近期在RDMA网络方面的发展导致了内存分解的趋势。然而，每个计算节点的性能仍然受到网络的限制，特别是当它需要执行大量并发的细粒度远程访问时。

1.介绍Swin-Unet:Unet-likePureTransformerforMedicalImageSegmentationSwin-Unet：用于医学图像分割的类Unet纯Transformer2022

FAST2023Paper论文阅读笔记整理问题基于Log-StructureMerge-tree（LSM-tree）的键值（KV）系统被广泛部署。

ZhangM,LiuD,SunQ,etal.AugmentedtransformernetworkforMRIbraintumorsegmentation[J].JournalofKingSaudUniversity-ComputerandInformationSciences,2024:101917.[开源]IF6.9SCIEJCI1.58Q1计算机科学2区【核心思想】本文提出了一种新型的MRI

PACT2023PaperCXL论文阅读汇总问题分离式内存作为一种有望解决数据中心中内存容量扩展和更好利用内存资源的方案，已经引起了极大的关注。

FAST2023Paper论文阅读笔记整理问题分离内存系统将单一的服务器分成不同的组件，包括计算节点和内存节点，以享受高资源利用率、灵活的硬件可扩展性和高效的数据共享。

KV存储ROLEX:AScalableRDMA-orientedLearnedKey-ValueStoreforDisaggregatedMemorySystemsFAST2023Paper泛读笔记针对分离式内存系统中，KV存储性能不高的问题，由于内存节点资源有限，现有方法难以直接修改B树或学习索引的模型。作者提出提出了ROLEX，一种可扩展的面向RDMA的有序键值存储，使用分解存储系统的学习索引