参考代码：VNL_Monocular_Depth_Prediction1.概述介绍：这篇文章为深度估计提供了一种新的损失函数形式，在深度估计任务中常见的损失函数多以pixel-wise监督的形式出现，因此这些监督损失函数都是利用像素层面的浅层信息进行监督约束的。这样的浅层次深度信息学习自然不能很好学习到GT深度中的一些细节与结构差异信息，因而这篇文章提出将预测深度通过预先假定的相机内参映射到同一模

参考代码：BoostingMonocularDepth论文：BoostingMonocularDepthEstimationModelstoHigh-ResolutionviaContent-AdaptiveMulti-ResolutionMerging1.概述导读：这篇文章提出了一种使用现有深度估计模型（MiDas）生成具有更高分辨率/更多细节表现深度图的方法（同时保持高分辨率和深度一致性是现存

主页与代码地址：robust_cvd1.概述导读：这篇文章的目的是为了在视频场景下生成稳定的深度估计结果，其提出的算法可以在一个单目视频中估计出一致的深度图和相机位姿。文章首先会使用MiDas为视频中的单帧图像做初始深度估计（主要用于提供深度scale参数），以及使用CeresLibrary上计算相机的初始位姿信息。之后再在输入的视频序列上使用在线finetune形式交替进行深度估计结果与相机位姿

参考代码：MiDaS1.概述导读：这篇文章提出了一种监督的深度估计方法，其中使用一些很有价值的策略使得最后深度估计的结果具有较大提升。具体来讲文章的策略可以归纳为：1）使用多个深度数据集（各自拥有不同的scale和shift属性）加入进行训练，增大数据量与实现场景的互补；2）提出了一种scale-shiftinvariable的loss用于去监督深度的回归过程，从而使得可以更加有效使用现有数据；3

参考代码：RAFT-Stereo1.概述导读：RAFT算法是非常经典的立体匹配算法，在光流和立体匹配任务中有着广泛的运用。而这篇文章正是基于RAFT并将其运用到了立体匹配中，并且在如下的几个方面进行改进：1）相比原生的RAFT算法钟重点关注X轴（W方向）的视差信息，前提是输入的图像对需要事先经过极线校准；2）在GPU的update阶段使用stride为[8,16,32][8,16,32][8,16

参考代码：packnet-sfm1.概述导读：这篇文章提出了一种自监督的深度估计方法，其使用视频序列与运动信息作为输入，用网络去估计深度信息/相机位姿，并用最小重构误差去约束整个训练的过程从而实现自监督。文章的创新点主要体现为：使用3D卷机作为深度编解码网络，在相机位姿的6d信息基础上对平移分量进行约束，提出了一个新的数据集DDAD（DenseDepthforAutomatedDriving）。单

目录写在前面1.摘要2.相关知识3.MCR方法3.1生成推理链3.2基于推理链的推理4.实验4.1实验设置4.2实验结果5.提及文献写在前面文章标题：AnsweringQuestionsbyMeta-ReasoningoverMultipleChainsofThought论文链接：【1】代码链接：暂无仅作个人学习记录用1.摘要现代多跳问答系统（QA）通常将问题分解为一系列的推理步骤，称为思维链（C

元数据优化论文阅读GUFI:Fast,SecureFileSystemMetadataSearchforBothPrivilegedandUnprivilegedUsersSC2022Paper论文笔记针对元数据查询的优化

导语本文提出了SQLPrompt，通过创新的Prompt设计、基于执行一致性的解码策略，以及混合不同格式的Prompt和不同LLMs输出的方式，提高了LLM在Few-shotIn-contextLearning下的能力。会议：EMNLP2023Findings（Short）链接：https://arxiv.org/abs/2311.028831简介这项研究介绍了“SQLPrompt”，一种针对大型

overview论文地址google的经典论文。MapReduce是一种编程模型（类似于现在的框架），主要是将分布式算法进行了抽象，MP负责处理分布式中的容错、通信等，程序员只需要关注具体的业务实现，即Mapper和Reducer的逻辑。MPrunonGFS.整个模型的输入是key/value对集合，输出也是若干的key/value对集合，以文件的形式保存。用户需要自定义两个函数，map和redu

以下是根据论文归纳出的一些查询优化器公式和知识点，有没有用不知道，先码起来。SQL执行优化过程处理SQL语句是从解析用户输入的SQL语句开始，经过一系列优化过程，最终生成机器代码并执行的过程。这个过程涉及到多个复杂的步骤，每个步骤都是为了确保SQL语句能够高效、正确地执行。通常包括以下四个主要步骤：解析器（Parser）这个步骤负责对用户输入的SQL语句进行词法和语法分析，检查SQL语句是否遵循S

ASurveyonIn-contextLearning论文题目：ASurveyonIn-contextLearning论文地址：[2301.00234]ASurveyonIn-contextLearning(arxiv.org)版本:[v3]Thu,1Jun202312:23:40UTC(6,761KB)参考文献列表:dqxiu/ICL_PaperList:PaperListforIn-conte

基本信息标题：Real-ESRGAN:TrainingReal-WorldBlindSuper-ResolutionwithPureSyntheticData简称：Real-ESRGAN时间：17Aug2021,InternationalConferenceonComputerVisionWorkshops(ICCVW)2021作者：XintaoWang,LiangbinXie,ChaoDong,

这段代码是_make_causal_mask函数中处理滑动窗口局部注意力的部分。这里的目的是创建一个额外的掩码，以便在自注意力机制中只考虑每个位置附近的一定数量的位置，而不是所有之前的位置。这通常用于减少计算复杂性和提高长序列处理的效率。代码分析如下：diagonal=past_key_values_length-sliding_window+1:这里计算的是上三角矩阵（triu）的开始对角线的索

整理了RecSys2020ProgressiveLayeredExtraction:ANovelMulti-TaskLearningModelforPersonalizedRecommendations）论文的阅读笔记背景模型代码论文地址：PLE背景  多任务学习（multi-tasklearning，MTL）：给定m个学习任务，这m个任务或它们的一个子集彼此相关但不完全相同。简单地说就是一个模型

介绍摘要空间注意力已被广泛用于提升卷积神经网络的性能。然而，它存在一定的局限性。在本文中，我们提出了一个关于空间注意力有效性的新视角，即空间注意力机制本质上是解决卷积核参数共享的问题。然而，由空间注意力生成的注意力图中包含的信息对于大尺寸卷积核来说并不充分。因此，我们提出了一种名为感受野注意力（Receptive-FieldAttention，简称RFA）的新型注意力机制。现有的空间注意力，如卷积

介绍摘要随着检测器的迅速发展,边框回归取得了巨大的进步。然而，现有的基于IoU的边框回归仍聚焦在通过加入新的损失项来加速收敛，忽视IoU损失项其自身的限制。尽管理论上IoU损失能够有效描述边框回归状态，在实际应用中，它无法根据不同检测器与检测任务进行自我调整，不具有很强的泛化性。基于以上，我们首先分析了BBR模式，得出结论在回归过程区分不同回归样本并且使用不同尺度的辅助边框计算损失能够有效加速边框

文章目录介绍摘要创新点文章链接基本原理HierarchicalFeatureMapsPatchMergingSwinTransformerBlock基于窗口的自注意力移位窗口自注意力核心代码官方代码非官方可用代码YOLOv8引入下载YoloV8代码

文章目录介绍摘要创新点文章链接基本原理空间重构单元（SRU）分离操作重构操作通道重构单元（CRU）分割操作转换操作融合操作核心代码YOLOv8引入下载YoloV8代码直接下载

时间序列的第一个基础大模型1方法最basic的Transformer架构采用了公开可用的最大时间序列数据集进行训练，包含超过1000亿个数据点。训练集涵盖了来自金融、经济、人口统计、医疗保健、天气、物联网传感器数据、能源、网络流量、销售、交通和银行业等广泛领域的时间序列具有多种季节性、不同长度的周期和各种趋势类型的序列还在噪声和异常值方面有所不同2结果3一点私货时间论文并没有怎么说明不同时间序列在

前言生成模型现在主要分为两类，分别是GAN和DiffusionModel，但是GAN存在一个很棘手的问题就是训练不稳定，这也是DiffusionModel相比之下的优势。DDPM是基于Markovian扩散过程的模型，虽然在生成模型上取得了不错的效果，但是同时也存在一个大缺点，就是由于在重建生成阶段是需要一步步进行，步数通常为2000，导致推理时间非常长，需要多次迭代才能产生高质量的生成样本。基于

article/details/885945501.扩张卷积的提出Multi-ScaleContextAggregationbyDilatedConvolutionsDilatedResidualNetworks论文笔记

参考：GPT，GPT-2，GPT-3【论文精读】GPTTransformer的解码器，仅已知"过去"，推导"未来"论文地址：ImprovingLanguageUnderstandingbyGenerativePre-Training半监督学习：无标签数据集预训练模型，有标签数据集微调BERTTransformer的编码器，完形填空，已知“过去”和“未来”，推导中间值论文地址：BERT:Pre-tr

一、概述1.数学建模论文组成论文电子版：摘要页、正文、参考文献、附录支撑材料：源程序代码以及调用说明、中间结果、支撑数据等首页：论文题目、摘要、关键词论文正文：问题重述、问题分析、模型假设、符号说明、模型建立与求解、模型检验/模型改进与推广、模型优缺点评价、参考文献、附录论文格式：论文题目–黑体3号、居中；摘要标题–黑体四号、居中；摘要内容–宋体、小4号；关键词–黑体小4号；正文一级标题–黑体四号

2022Neurips1intro无监督与训练在NLP和CV领域的应用越来越多他们大多基于合适的，在所有数据上都一致的先验假设例如在NLP中，一个先验假设是不管是什么领域的文本，或者什么语种的文本，都遵循相同的语法规律在时间序列中，之前并没有找到一个在不同数据集上都一致的先验假设——>本文找到了一种不论在什么样的时间序列数据集中都存在的规律，那就是一个时间序列的频域表示和时域表示应该相似——>提出

TransactionsinGIS.20211intro1.1背景手机定位（MPL）数据的质量，尤其是空间准确性或不确定性，直接关系到人类移动性研究结果（交通、城市规划、流行病学、社会学）的可靠性空间准确性主要取决于移动定位技术基站源（COO）、到达角、差分到达时间。。。COO方法原理简单，不消耗大量计算和网络资源原理是以给定时间服务于手机的蜂窝塔的地理坐标作为用户位置的近似值——>MPL数据的空

pnas20221方法介绍基于计算机视觉和街景图像来探索城市环境与居民生活的关系2研究区域美国的七个大都市区3实验结果3.1使用SVF（谷歌街景）估计健康、犯罪、交通和贫困街景变量被聚合到不同的空间分辨率，即人口普查区域（CT）和人口普查街区组（CBG）(A)模型拟合R²比较的散点图。仅使用SVF的模型在估计大多数变量时通常表现优于使用POI特征的模型(B)使用SVF估计与交通相关变量的R²。SV

SoK:UnderstandingthePrevailingSecurityVulnerabilitiesinTrustZone-assistedTEESystems题外话所谓TEE和ArmTrustZoneI.INTRODUCTIONII.BACKGROUNDANDMOTIVATIONIII.OVERVIEWⅣ.ARCHITECTURALISSUESⅤ.IMPLEMENTATIONISSUESⅥ

Diff-DOPE:DifferentiableDeepObjectPoseEstimation文章概括摘要I.介绍II.相关工作III.DIFF-DOPEIV.实验结果A.实施细节和性能B.准确性C.机器人-摄像机校准V.结论VI.致谢文章概括作者：JonathanTremblay,BowenWen,ValtsBlukis,BalakumarSundaralingam,StephenTyree,

中科大学报上的一篇综述，总结得很详细，整理了相关笔记。1引言目标跟踪旨在基于初始帧中指定的感兴趣目标(一般用矩形框表示)，在后续帧中对该目标进行持续的定位。基于深度学习的跟踪算法，采用的框架包括相关滤波器、分类式网络、双路网络等。处理跟踪任务的角度，分为基于匹配思路的双路网络和基于二分类的辨别式跟踪器。最初的深度跟踪算法聚焦于相关滤波器，通过深度学习的特征+相关滤波器实现。基于双路网络跟踪算法那，

重要说明：严格来说，论文所指的反卷积并不是真正的deconvolutionnetwork。关于deconvolutionnetwork的详细介绍，请参考另一篇博客：什么是DeconvolutionalNetwork？一、参考资料LearningDeconvolutionNetworkforSemanticSegmentation二、DeconvolutionNetworkdeconvolution

论文标题：VideoGPT:VideoGenerationusingVQ-VAEandTransformers论文代码：https://wilson1yan.github.io/videogpt/index.html.论文链接：https://arxiv.org/abs/2104.10157发表时间：2021年9月Abstract作者提出了VideoGPT：一种概念上简单的架构，用于将基于似然的生

论文笔记整理：吴锐，东南大学硕士研究生，研究方向为自然语言处理来源：ICML2019链接：http://proceedings.mlr.press/v97/qu19a/qu19a.pdf问题定义弱监督下的在关系数据中的对象分类

文章目录0前言1技术背景2技术介绍3重识别技术实现3.1数据集3.2PersonREID3.2.1算法原理3.2.2算法流程图4实现效果5部分代码6最后0前言优质竞赛项目系列，今天要分享的是深度学习行人重识别

Proc.ACMInteract.Mob.WearableUbiquitousTechnol.20211intro1.1背景——人类活动识别（HAR）旨在准确分类人类的物理活动传统方法——依赖于滑动窗口分割和手工特征提取，然后通过各种监督学习技术来识别简单和复杂的活动，如行走、跑步、骑自行车深度学习方法自动提取目标任务的有用特征——>更有效两种方法的局限性受到常规实验室HAR数据集引入的偏见和限制

GShardarxiv链接GShard模型架构图：参考GShard论文笔记（1）-MoE结构可知，MOE具备以下几种特点：改造了原本的FFN层，变成Gate+n个FFN层。

Drivable3DGaussianAvatars论文笔记主要的算法架构和贡献是什么？如何使用这个deformation呢？主要的算法架构和贡献是什么？

ConvolutionalLSTMNetwork:AMachineLearningApproachforPrecipitationNowcasting论文地址一、摘要这篇文章是来自香港科技大学的团队，这个团队有和香港观测站合作，他们有一个前身的工作还有数据都是靠这个机构来收集的。这篇论文利用convolutionLSTM对降雨预报进行预测。他们的这个工作是用来做对天气的预测，他们收集了很多很多的雷

Abstract在智能汽车的视觉导航系统中，车道至关重要。当然，车道是一种具有高级语义的交通标志，而它具有特定的局部模式，需要详细的低级特征才能准确定位。使用不同层次的特征对于准确检测车道非常重要，但目前还没有得到充分的研究。在这项工作中，我们提出了跨层细化网络（CLRNet），旨在充分利用高层和低层特征进行车道检测。具体来说，它首先利用高级语义特征检测车道，然后根据低级特征进行细化。这样，我们就

论文笔记：‘Confidence-GuidedSelfRefinementforActionPredictioninUntrimmedVideos’Author：JingyiHou，XinxiaoWu，

整理了ICME2023MultimodalFakeNewsDetectionviaCLIP-GuidedLearning）论文的阅读笔记背景模型实验背景  对于我们这一代人来说，在线社交网络在很大程度上取代了以报纸和杂志为代表的传统信息交流方式。人们喜欢在社交媒体上寻找朋友或分享观点。然而，在线网络也促进了假新闻的广泛和快速传播。  文中提出了一个FND-CLIP框架，即基于对比语言-图像预训练(

看几篇中文的学习一下别人的思路基于全局-局部自注意力网络的视频异常检测方法主要贡献：网络结构注意力模块结构：融合自注意力和自编码器的视频异常检测主要贡献：网络结构Transformer模块动态图融合门控自注意力机制的生成对抗网络视频异常检测贡献网络结构门控注意力机制基于全局-局部自注意力网络的视频异常检测方法文章信息：链接：https://kns.cnki.net/kcms2/article/ab

本文作者：slience_me文章目录TimesNet之FFT详解1.源代码2.分步详解2.1torch.fft.rfft(x,dim=1)2.2frequency_list=abs(xf).mean(0).mean(-1)2.3frequency_list[0]=02.4_,top_list=torch.topk(frequency_list,k)2.5top_list=top_list.det

本文作者：slience_me文章目录TimesNet之TimesBlock详解1.源代码2.分步详解2.1init部分代码2.2forward部分代码TimesNet之TimesBlock详解1.源代码classTimesBlock(nn.Module):def__init__(self,configs):super(TimesBlock,self).__init__()self.seq_len

摘要:行为检测在自动驾驶、视频监控等领域的广阔应用前景使其成为了视频分析的研究热点。近年来，基于深度学习的方法在行为检测领域取得了巨大的进展，引起了国内外研究者的关注，对这些方法进行了全面的梳理和总结，介绍了行为检测任务的详细定义和面临的主要挑战;从时序行为检测和时空行为检测2个方面对相关文献做了细致地分类，综合分析了每一类别中不同研究方法的思路和优缺点，并阐述了基于弱监督学习、图卷积神经网络、注

本文发表于ICML2023论文官网：MultiDiffusion:FusingDiffusionPathsforControlledImageGeneration一、Intorduction文本到图像生成模型已经具有合成高质量和多样化图像的能力，但是由于难以为用户提供对生成内容的直观控制，因此将文本到图像模型部署到现实世界的应用程序仍然具有挑战性。目前实现对扩散模型实现可控的图像生成主要有两种方式

本文是发表于SIGGRAPH（SpecialInterestGrouponComputerGraphicsandInteractiveTechniques）上的一篇文字，被收录于ACMTrans.Graph。论文地址：参与和激励(yuval-alaluf.github.io)一、Intorduction这部分主要就是说，最新的基于文本的图像生成研究已经取得了前所未有的进展，能够生成多样化和创造性的

本文发表于CVPR2023论文地址：CVPR2023OpenAccessRepository(thecvf.com)Github官方代码地址：github.com一、Intorduction最近的文本到图像模型能够根据文本提示生成高质量的图像，可以覆盖广泛的物体、风格和场景。尽管这些模型具有多样的通用功能，但用户通常希望从他们自己的个人生活中综合特定的概念。例如，亲人，如家人，朋友，宠物，或个人物

AFGRL:Augmentation-FreeSelf-SupervisedLearningonGraphs文献地址：Augmentation-FreeSelf-SupervisedLearningonGraphsMotivation图对比的正例对构造对增强方法敏感，由于图包含了语义信息和结构信息，因此在对边进行不同增强方法时，可能会影响其语义对不同数据分布的数据集，模型增强的参数需要分别进行调整

DoTransformersReallyPerformBadforGraphRepresentation论文地址：DoTransformersReallyPerformBadforGraphRepresentation一句话paper：利用度，最短路径增强的GraphTransformerMotivation原有将transformer应用于图的效果并不好节点重要性，图结构性信息往往在目前的工作中