E-COM-NET
首页
在线工具
Layui镜像站
SUI文档
联系我们
推荐频道
Java
PHP
C++
C
C#
Python
Ruby
go语言
Scala
Servlet
Vue
MySQL
NoSQL
Redis
CSS
Oracle
SQL Server
DB2
HBase
Http
HTML5
Spring
Ajax
Jquery
JavaScript
Json
XML
NodeJs
mybatis
Hibernate
算法
设计模式
shell
数据结构
大数据
JS
消息中间件
正则表达式
Tomcat
SQL
Nginx
Shiro
Maven
Linux
脉冲神经网络(SNN)论文阅读
NLP
论文阅读
记录 - 2021 | 使用深度强化模型耦合上下文单词表示和注意机制的自动文本摘要
文章目录前言0、论文摘要一、Introduction1.1目标问题1.2相关的尝试1.3本文贡献二.相关工作2.1单词表示2.2文本摘要方法三.本文方法四实验效果4.1数据集4.2对比模型4.3实施细节4.4评估指标4.5实验结果4.6细粒度分析五总结思考前言Automatictextsummarizationusingdeepreinforcedmodelcouplingcontextualiz
yuyuyu_xxx
·
2024-01-15 02:26
NLP
自然语言处理
论文阅读
人工智能
NLP
论文阅读
记录 - 2021 | WOS 使用分层多尺度抽象建模和动态内存进行抽象文本摘要
文章目录前言0、论文摘要一、Introduction1.3本文贡献二.前提三.本文方法四实验效果4.1数据集4.2对比模型4.3实施细节4.4评估指标4.5实验结果4.6细粒度分析五总结思考前言AbstractiveTextSummarizationwithHierarchicalMulti-scaleAbstractionModelingandDynamicMemory(2107)在本文中,我们
yuyuyu_xxx
·
2024-01-15 02:26
自动文本摘要综述
自然语言处理
论文阅读
人工智能
论文阅读
笔记 | ACL-2022 | 分治文本语义匹配:关键词和意图
原文标题:DivideandConquer:TextSemanticMatchingwithDisentangledKeywordsandIntents原文链接:https://arxiv.org/abs/2203.02898目录一、Introduction二、Methodology三、ResultsandAnalysis四、Conclusion一、Introduction在做文本语义匹配任务时,
Megrezz
·
2024-01-15 02:20
论文阅读笔记
人工智能
自然语言处理
语言模型
NLP
论文阅读
记录 - 2021 | WOS 抽象文本摘要:使用词义消歧和语义内容泛化增强序列到序列模型
文章目录前言0、论文摘要一、Introduction二.前提三.本文方法3.1总结为两阶段学习3.1.1基础系统3.2重构文本摘要四实验效果4.1数据集4.2对比模型4.3实施细节4.4评估指标4.5实验结果4.6细粒度分析五总结思考前言AbstractiveTextSummarization:EnhancingSequence-to-SequenceModelsUsingWordSenseDis
yuyuyu_xxx
·
2024-01-15 02:50
NLP
自然语言处理
论文阅读
人工智能
论文阅读
_Fast R-CNN
论文地址:https://arxiv.org/pdf/1504.08083.pdf代码链接:https://github.com/rbgirshick/fast-rcnn.《FastR-CNN》是2015年发表在cs.CV上的一篇论文,FastR-CNN的全称是FastRegion-basedConvolutionalNetwork快速的基于区域的卷积神经网络,它是针对目标检测方法R-CNN的改进
xieyan0811
·
2024-01-14 19:26
【
论文阅读
】Progressive Prompts: Continual Learning for Language Models
论文信息论文标题ProgressivePrompts:ContinualLearningforLanguageModels发表刊物ICLR2023作者团队多大、MetaAI关键词ContinualLearing、LLMs文章结构ProgressivePromptsIntroductionBackgroundFinetuningPrompttuningContinualLearningMethodP
ZedKingCarry
·
2024-01-14 18:44
论文阅读
语言模型
人工智能
深度学习
python
自然语言处理
【
论文阅读
】Consistency Models
文章目录IntroductionDiffusionModelsConsistencyModelsDefinitionParameterizationSamplingTrainingConsistencyModelsviaDistillationTrainingConsistencyModelsinIsolationExperimentIntroduction相比于单步生成的模型(例如GANs,VA
上总介
·
2024-01-14 18:10
论文阅读
AIGC
NLP
论文阅读
记录 - 2022 WOS | 语义提取文本摘要的新方法
文章目录前言0、论文摘要一、Introduction1.1目标问题1.2相关的尝试1.3本文贡献二.背景三.本文方法四实验效果4.1数据集4.2对比模型4.3实施细节4.4评估指标4.5实验结果4.6细粒度分析五总结思考前言ANovelApproachforSemanticExtractiveTextSummarization(22)0、论文摘要文本摘要是一种缩短或精简长文本或文档的技术。当有人需
yuyuyu_xxx
·
2024-01-14 17:34
NLP
自然语言处理
论文阅读
人工智能
NLP
论文阅读
记录 - 2022 W0S | 基于Longformer和Transformer的提取摘要层次表示模型
文章目录前言0、论文摘要一、Introduction1.1目标问题1.2相关的尝试1.3本文贡献二.相关工作三.本文方法四实验效果4.1数据集4.2对比模型4.3实施细节4.4评估指标4.5实验结果4.6细粒度分析五总结思考前言AHierarchicalRepresentationModelBasedonLongformerandTransformerforExtractiveSummarizat
yuyuyu_xxx
·
2024-01-14 17:33
NLP
自然语言处理
论文阅读
transformer
NLP
论文阅读
记录 - WOS | 2023 TxLASM:一种新颖的与语言无关的文本文档摘要模型
文章目录前言0、论文摘要一、Introduction1.1目标问题1.2相关的尝试1.3本文贡献二.文献综述及相关工作三.本文方法四实验效果4.1数据集4.2对比模型4.3实施细节4.4评估指标4.5实验结果4.6细粒度分析五总结思考前言TxLASM:Anovellanguageagnosticsummarizationmodelfortextdocuments(2312)0、论文摘要在自然语言处
yuyuyu_xxx
·
2024-01-14 17:03
NLP
自然语言处理
论文阅读
人工智能
NLP
论文阅读
记录 - WOS | ROUGE-SEM:使用ROUGE结合语义更好地评估摘要
文章目录前言0、论文摘要一、Introduction1.1目标问题1.2相关的尝试1.3本文贡献二.相关工作三.本文方法四实验效果4.1数据集4.2对比模型4.3实施细节4.4评估指标4.5实验结果4.6细粒度分析五总结前言ROUGE-SEM:BetterevaluationofsummarizationusingROUGEcombinedwithsemantics(23)0、论文摘要随着预训练语
yuyuyu_xxx
·
2024-01-14 17:56
NLP
自然语言处理
论文阅读
人工智能
论文阅读
“Deep Embedded Multi-view Clustering with Collaborative Training”
引用格式:XuJ,RenY,LiG,etal.DeepEmbeddedMulti-viewClusteringwithCollaborativeTraining[J].arXivpreprintarXiv:2007.13067,2020.摘要翻译通过利用来自多视图的信息,多视图聚类最近引起了越来越多的关注。但是,现有的多视图聚类方法要么具有较高的计算和空间复杂性,要么缺乏表示能力。为了解决这些问题
掉了西红柿皮_Kee
·
2024-01-14 11:04
【
论文阅读
】异构联邦学习综述:最新进展与研究挑战
目录前言Background什么是联邦学习什么是异构联邦学习AbstractIntroductionSurveyResearchChallenges(研究挑战)StatisticalHeterogeneity(数据异质性)ModelHeterogeneity(模型异质性)ComuunicationHeterogeneity(通信异质性)DeviceHeterogeneity(设备异质性)State
鸿鹄一夏
·
2024-01-14 11:29
论文笔记
机器学习
人工智能
【
论文阅读
笔记】MobileSal: Extremely Efficient RGB-D Salient Object Detection
1.介绍MobileSal:ExtremelyEfficientRGB-DSalientObjectDetectionMobileSal:极其高效的RGB-D显著对象检测2021年发表在IEEETransactionsonPatternAnalysisandMachineIntelligence。PaperCode2.摘要神经网络的高计算成本阻碍了RGB-D显着对象检测(SOD)的最新成功,使其无
咔叽布吉
·
2024-01-14 08:09
论文阅读
笔记
目标检测
论文阅读
:Feature Refinement to Improve High Resolution Image Inpainting
项目地址:https://github.com/geomagical/lama-with-refiner论文地址:https://arxiv.org/abs/2109.07161发表时间:2022年6月29日项目体验地址:https://colab.research.google.com/github/advimman/lama/blob/master/colab/LaMa_inpainting.
万里鹏程转瞬至
·
2024-01-14 06:10
#
GAN
论文阅读
论文阅读
:《Few-Shot Unsupervised Image-to-Image Translation》
十二月了时间过得太快2020过得太快又太慢忙里偷闲的十二月有太多值得期待攒了好久终于来更新了论文名称:《Few-ShotUnsupervisedImage-to-ImageTranslation》论文地址:https://arxiv.org/abs/1905.01723论文翻译:https://blog.csdn.net/a312863063/article/details/90728788论文阅
LiBiscuit
·
2024-01-13 20:21
【
论文阅读
】Self-supervised Learning: Generative or Contrastive
Abstract研究了在计算机视觉、自然语言处理和图形学习中用于表示的新的自监督学习方法。全面回顾了现有的实证方法,并根据其目的将其归纳为三大类:生成性、对比性和生成性对比(对抗性)。进一步收集了关于自我监督学习的相关理论分析,以对自我监督学习为什么有效提供更深入的思考。最后,简要讨论了自我监督学习的开放问题和未来方向。Introduction自监督学习可以看作无监督学习的一个分支,因为不涉及手工
鱼小丸
·
2024-01-13 20:40
论文阅读
图像融合
论文阅读
:ReFusion:通过元学习的从可学习损失重建中学习图像融合
@article{bai2023refusion,title={ReFusion:LearningImageFusionfromReconstructionwithLearnableLossviaMeta-Learning},author={Bai,HaowenandZhao,ZixiangandZhang,JiangsheandWu,YichenandDeng,LilunandCui,Yukun
图像强
·
2024-01-13 20:40
论文阅读
图像融合
图像处理
深度学习
论文笔记
元学习
论文阅读
06-Task Offloading Optimization in Mobile Edge Computing based on Deep Reinforcement Learning
标题:TaskOffloadingOptimizationinMobileEdgeComputingbasedonDeepReinforcementLearning会议:MSWiM’23(CCF-C)注:本文仅用户学习。一、知识梳理问题:边缘计算可以很好地缓解云计算网络拥塞和高通信开销等问题。然而,考虑到边缘计算资源是有限的,需要采用合理的优化策略提高首先资源的利用率。模型:为解决上述问题,本文提
梦灯
·
2024-01-13 13:07
论文
论文阅读
计算卸载
论文阅读
01-理论梳理
标题:WhenLearningJoinsEdge:Real-timeProportionalComputationOffloadingviaDeepReinforcementLearning会议:ICPADS2019一、梳理问题:在任务进行卸载时,往往忽略了任务的特定的卸载比例。模型:针对上述问题,我们提出了一种创新的强化学习(RL)方法来解决比例计算问题。我们考虑了一种常见的卸载场景,该场景具有
梦灯
·
2024-01-13 13:06
人工智能
论文
论文阅读
算法
信息与通信
两个阅读英文论文的免费AI工具
本文会介绍我平时用到的两个免费的基于GPT的
论文阅读
平台,很好用,对于有英文阅读困难症的小伙伴(比如我)是真的提效。
董董灿是个攻城狮
·
2024-01-12 23:35
chatGPT
人工智能
深度学习
Enhancing Metadata Transfer Efficiency: Unlocking the Potential of DAOS in the ADIOS context——
论文阅读
论文发表于SC-W2023,Paper,元数据
论文阅读
汇总“AdaptableI/OSystem(ADIOS)”自适应I/O系统“DistributedAsynchronousObjectStorage
妙BOOK言
·
2024-01-12 21:45
论文阅读
论文阅读
GUFI: Fast, Secure File System Metadata Search for Both Privileged and Unprivileged Users——
论文阅读
SC2022Paper元数据
论文阅读
汇总“High-PerformanceComputing(HPC)”高性能计算背景OakRidge领导计算设施和劳伦斯利物浦国家实验室计算设施描述他们的命名空间包含十亿个文件
妙BOOK言
·
2024-01-12 21:45
论文阅读
论文阅读
推荐系统
论文阅读
(二十九)-美团:利用历史交互数据改进对话推荐系统
论文:题目:《LeveragingHistoricalInteractionDataforImprovingConversationalRecommenderSystem》地址:https://dl.acm.org/doi/pdf/10.1145/3340531.3412098这是我第一次将美团发表的论文写在这上面,该论文是人大跟美团这边合作在CIKM上面的一篇短论文,研究的是如何利用历史交互的数
推荐系统论文阅读
·
2024-01-12 18:49
羊驼2:开放的基础和微调聊天模型--Llama 2
论文阅读
论文地址:https://arxiv.org/pdf/2307.09288.pdfd代码地址:GitHub-facebookresearch/llama-recipes:ExamplesandrecipesforLlama2model问答用了多少个gpu?这篇文档中使用了3.3MGPU小时的计算,使用的硬件类型是A100-80GB,可以扩展到2000个GPU,但这些计算的功耗估计并不包括互连或非G
andeyeluguo
·
2024-01-12 17:59
AI笔记
人工智能
Cylinder3D
论文阅读
CylindricalandAsymmetrical3DConvolutionNetworksforLiDARSegmentation(2020年论文)作者:香港中文大学论文链接:https://arxiv.org/pdf/2011.10033.pdf代码链接:https://github.com/xinge008/Cylinder3D摘要为什么做这件事(why):●目前用于自动驾驶场景的最好的点
zhaoyqcsdn
·
2024-01-12 15:58
论文学习
论文阅读
自动驾驶
深度学习
经验分享
笔记
EM planner
论文阅读
论文题目:BaiduApolloEMMotionPlanner0前言EM和Lattice算法对比EMplannerLatticePlanner参数较多(DP/QP,Path/Speed)参数少且统一化流程复杂流程简单单周期解空间受限简单场景解空间较大能适应复杂场景适合简单场景1摘要基于百度Apollo平台提出的一种实时运动规划系统,该规划系统包括顶层的多车道和其中的单车道自动驾驶:(1)系统顶层是
Big David
·
2024-01-12 15:57
Apollo学习
自动驾驶规划系列论文阅读笔记
论文阅读
决策规划
二次规划QP
EM
planner
推荐系统
论文阅读
(十四)-DCN-Deep&Cross Network推荐
论文原文:论文地址:http://xxx.itp.ac.cn/pdf/1708.05123v1论文题目:《Deep&CrossNetworkforAdClickPredictions》一、背景在第四篇文章里面我们介绍了DeepFm,DeepFm把fm和和神经网络结合在一起了,在文章里面我们也提到了两种方式,一种是并行方式,另一种是串行方式。我们知道DeepFm是并行结构,FM和DNN部分是并行的,
推荐系统论文阅读
·
2024-01-12 14:29
NLP
论文阅读
记录 - 05 | 2023 抽象总结与提取总结:实验回顾
文章目录前言0、论文摘要一、Introduction1.1目标问题1.2相关的尝试1.3本文贡献二.相关工作2.1提取方法2.2抽象方法2.3数据集三.本文方法四实验效果4.1数据集4.2对比模型4.3实施细节4.4评估指标4.5实验结果4.6细粒度分析五总结思考前言Abstractivevs.ExtractiveSummarization:AnExperimentalReview(2306)0、
yuyuyu_xxx
·
2024-01-12 09:59
NLP
自动文本摘要综述
自然语言处理
论文阅读
人工智能
NLP
论文阅读
记录 - wos | 01 使用深度学习对资源匮乏的语言进行抽象文本摘要
文章目录前言0、论文摘要一、Introduction1.1目标问题1.2相关的尝试1.3本文贡献二.相关工作三.本文方法四实验效果4.1数据集4.2对比模型4.3实施细节4.4评估指标4.5实验结果4.6细粒度分析五总结思考前言Abstractivetextsummarizationoflowresourcedlanguagesusingdeeplearning(2211)0、论文摘要人类必须能够
yuyuyu_xxx
·
2024-01-12 09:22
NLP
自然语言处理
论文阅读
深度学习
论文阅读
:TinyGPT-V
论文阅读
及源码梳理对应
TODO有待更新QFormer作用?QFormer来自论文BCLI2工作中,用来弥补FrozenImageencoder和FrozenLLM之间的gap。基于Bert作为初始化的。推理结构图Imageblip2_image_evalQFormerLinerLinearget_context_embpromptGivethefollowingimage:ImageContent.""Youwillb
Liekkas Kono
·
2024-01-12 06:26
论文学习
论文阅读
论文阅读
_训练大模型用于角色扮演
英文名称:Character-LLM:ATrainableAgentforRole-Playing中文名称:角色-LLM:训练Agent用于角色扮演文章: [https://arxiv.org/abs/2310.10158](https://arxiv.org/abs/2310.10158)作者:YunfanShao, LinyangLi, JunqiDai, XipengQiu机构:复旦大学计算
xieyan0811
·
2024-01-12 03:05
论文阅读
深度学习
人工智能
【
论文阅读
】Deep Graph Infomax
目录0、基本信息1、研究动机2、创新点2.1、核心思想:2.2、思想推导:3、准备3.1、符号3.2、互信息3.3、JS散度3.4、DeepInfoMax方法3.5、判别器:f-GAN估计散度4、具体实现4.1、局部-全局互信息最大化4.2、理论动机5、实验设置5.1、直推式学习(Cora,CiteseerandPubmed)6、代码实现6.1、DGI6.2、GCNLayer6.3、readout
鲸可落
·
2024-01-12 02:06
图神经网络
论文阅读
神经网络
深度学习
算法
python
人工智能
【
论文阅读
】InstructGPT: Training language models to follow instructions with human feedback
论文链接:InstructGPT关注公众号funNLPer了解更多AI算法文章目录1.摘要2.导论2.1背景2.2方法2.3发现3.方法及实验细节3.1数据集3.2模型3.3实验结果总结1.摘要把语言模型变大并不意味着会让模型更好的理解用户意图,例如大的语言模型会生成一些不真实、有害的、没有帮助的输出给用户,换句话说,这些模型并没有和用户的意图对齐(aligned)。在这篇论文中我们展示了通过使用
orangerfun
·
2024-01-11 06:25
自然语言处理
论文阅读
人工智能
机器学习
ChatGPT
论文阅读
《Generalizing Face Forgery Detection with High-frequency Features》
高频噪声分析会过滤掉图像的颜色内容信息。本文设计了三个模块来充分利用高频特征,1.多尺度高频特征提取模块2.双跨模态注意模块3.残差引导空间注意模块(也在一定程度上体现了两个模态的交互)SRM是用于过滤图像的高频噪声输入的图像X,共两个分支,一部分是用于输入到SRM获得高频特征Xh,一部分是RGB流,RGB的分支同样也会输入到SRM进行提取高频特征,其结果与已经输入SRM中的结果进行相加得到最后的
一只发呆的猪
·
2024-01-11 04:51
论文阅读
周六 2020-01-11 09:00 - 24:30 多云 02h00m
二〇二〇年一月十一日基本科研[1]:1.
论文阅读
论文--二小时2.论文实现实验--小时3.数学SINS推导回顾--O分4.科研参考书【】1)的《》看0/0页-5.科研文档1)组织工作[1]:例会--英语能力
么得感情的日更机器
·
2024-01-10 20:37
论文阅读
:Language Models are Few-Shot Learners(巨无霸OpenAI GPT3 2020)
原文连接
论文阅读
:LanguageModelsareFew-ShotLearners(巨无霸OpenAIGPT32020)-知乎目录收起摘要1介绍2方法2.1模型和架构2.2训练数据集2.3训练流程2.4
baidu_huihui
·
2024-01-10 13:23
大模型
语言模型
【LLM
论文阅读
】NEFTU N E: LLM微调的免费午餐
指令微调的局限性指令微调对于训练llm的能力至关重要,而模型的有用性在很大程度上取决于我们从小指令数据集中获得最大信息的能力。在本文中,我们提出在微调正向传递的过程中,在训练数据的嵌入向量中添加随机噪声,论文实验显示这个简单的技巧可以提高指令微调的效果,通常有很大的优势,而不需要额外的计算或数据开销。NEFTune虽然简单,但对下游的会话质量有很大的影响。当像LLaMA-2-7B这样的原始LLM被
致Great
·
2024-01-10 09:16
论文阅读
人工智能
论文阅读
1---OpenCalib
论文阅读
之factory calibration模块
前言该论文的标定间比较高端,一旦四轮定位后,可确定标定板与车辆姿态。以下为本人理解,仅供参考。工厂标定,可理解为车辆相关的标定,不涉及传感器间标定该标定工具不依赖opencv;产线长度一般2.5米FactoryCalibrationTools:四轮定位+多位姿标定板1、CalibrationBoardSetupTools1)根据传感器安装位姿,生成标定板放置范围2)检测当前环境标定板姿态是否合适2
鸿_H
·
2024-01-10 09:44
论文阅读
论文阅读
论文阅读
:Making Large Language Models A Better Foundation For Dense Retrieval
论文链接Abstract密集检索需要学习区分性文本嵌入来表示查询和文档之间的语义关系。考虑到大型语言模型在语义理解方面的强大能力,它可能受益于大型语言模型的使用。然而,LLM是由文本生成任务预先训练的,其工作模式与将文本表示为嵌入完全不同。因此,必须研究如何正确地调整LLM,以便它们能够有效地初始化为密集检索的骨干编码器。在本文中,我们提出了一种新的方法,称为LLaRA(适用于密集检索的LLM),
comli_cn
·
2024-01-10 09:08
Embedding
论文阅读
语言模型
人工智能
DUET: Cross-Modal Semantic Grounding for Contrastive Zero-Shot Learning
论文阅读
文章目录摘要1.问题的提出引出当前研究的不足与问题属性不平衡问题属性共现问题解决方案2.数据集和模型构建数据集传统的零样本学习范式v.s.DUET学习范式DUET模型总览属性级别对比学习==正负样本解释:==3.结果分析VIT-basedvisiontransformerencoder.消融研究消融研究解释4.结论与启示结论总结启发PLMs的潜在语义知识引入多模态,跨模态整合细粒度角度考虑原文链接
GCTTTTTT
·
2024-01-10 09:37
知识图谱论文
论文阅读
知识图谱
人工智能
迁移学习
机器学习
2019-08-11
<-FindClusters(object=pbmc,reduction.type="pca",dims.use=1:10,resolution=0.6,print.output=0,save.
SNN
常在心Vane
·
2024-01-10 04:37
论文阅读
:Bag of Tricks for Image Classification with Convolutional Neural Networks
AWS李沐大佬的paper,主要是介绍了一些模型训练过程中的技巧。通过这些小技巧的堆叠,把ResNet-50’stop-1在ImageNet上验证准确率从75.3%提升至79.29%。1.高效训练1.1large-batch-training大的batch可能会降低训练速度。用启发式的方法来解决Linearscalinglearningrate增大batch-size之后,梯度的期望不变,但是方差
涂山容容
·
2024-01-10 01:26
多模态+
SNN
个人学习历程和心得
只不过,后来经历了一些波折,导致个人没有往这个方向深挖,这篇博客主要是想记录一些多模态相关的知识基础,还会涉及一些
脉冲神经网络
(
SNN
)的知识,同时记录个人参与过的工作,留下一些回忆。
Daniel Muei
·
2024-01-09 23:30
个人项目
机器学习
深度学习
学习
python
论文阅读
-Attention Is All You Need阅读报告-机器翻译
1Introduction本文是2017年底谷歌大脑发表的文章,针对自然语言处理领域的经典问题-机器翻译,提出了一个只基于attention的结构来处理序列模型相关的问题,该模型被称为“Transformer”。文中提到,主流的序列转换模型都是基于复杂的循环神经网络(RNN)或卷积神经网络(CNN),且都包含一个encoder和一个decoder。RNN及其衍生网络的缺点就是慢,问题在于前后隐藏状
完美屁桃
·
2024-01-09 20:05
读论文
机器翻译
transformer
人工智能
论文阅读
BERT GPT - transformer在NLP领域的延伸
文章目录不会写的很详细,只是为了帮助我理解在CV领域transformer的拓展1摘要1.1BERT-核心1.2GPT-核心2模型架构2.1概览3区别3.1finetune和prompt3.2transformer及训练总结不会写的很详细,只是为了帮助我理解在CV领域transformer的拓展1摘要1.1BERT-核心双向编码器加上mask做完形填空超大模型无监督预训练需要整个模型作为pretr
highoooo
·
2024-01-09 20:03
自然语言处理
论文阅读
bert
论文阅读
Attention is all u need - transformer
文章目录1摘要1.1核心2模型架构2.1概览2.2理解encoder-decoder架构2.2.1对比seq2seq,RNN2.2.2我的理解3.Sublayer3.1多头注意力multi-headself-attention3.1.1缩放点乘注意力ScaledDot-ProductAttention3.1.2QKV3.1.3multi-head3.1.4masked3.2线性层MLP3.3emb
highoooo
·
2024-01-09 20:00
论文阅读
transformer
深度学习
论文阅读
-PaLM-E:多模态语言模型
摘要1.介绍2.相关工作3.PaLM-E:一种体现的多模态语言模型3.1仅解码器LLM3.2仅限前缀解码器LLM3.3在机器人控制回路中体现输出:PaLM-E4.不同传感器模式的输入和场景表示4.1状态估计向量4.2VisionTransformer(ViT)4.3以对象为中心的表示4.4对象场景表示Transformer(OSRT)4.5实体转介5训练方法5.1PaLM-E5.2随模型冻结而变化
baidu_huihui
·
2024-01-09 13:14
论文阅读
palm
语言模型
多模态
图像融合
论文阅读
:CS2Fusion: 通过估计特征补偿图谱实现自监督红外和可见光图像融合的对比学习
@article{wang2024cs2fusion,title={CS2Fusion:ContrastivelearningforSelf-Supervisedinfraredandvisibleimagefusionbyestimatingfeaturecompensationmap},author={Wang,XueandGuan,ZhengandQian,WenhuaandCao,Jind
图像强
·
2024-01-09 08:49
图像融合
论文阅读
图像处理
人工智能
论文笔记
深度学习
图像融合
图像融合
论文阅读
:CrossFuse: 一种基于交叉注意机制的红外与可见光图像融合方法
@article{li2024crossfuse,title={CrossFuse:Anovelcrossattentionmechanismbasedinfraredandvisibleimagefusionapproach},author={Li,HuiandWu,Xiao-Jun},journal={InformationFusion},volume={103},pages={102147}
图像强
·
2024-01-09 08:18
图像融合
论文阅读
图像处理
论文笔记
深度学习
人工智能
上一页
2
3
4
5
6
7
8
9
下一页
按字母分类:
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
其他