论文学习笔记

论文学习笔记 VMamba: Visual State Space Model

概览这篇论文的动机源于在计算机视觉领域设计计算高效的网络架构的持续需求。当前的视觉模型如卷积神经网络（CNNs）和视觉Transformer（ViTs）在处理大规模视觉任务时展现出良好的表现，但都存在各自的局限性。特别是，ViTs尽管在处理大规模数据上具有优势，但其自注意力机制的二次复杂度对高分辨率图像处理时的计算成本极高。因此，研究者希望通过引入新的架构来降低这种复杂度，并提高视觉任务的效率。现
Wils0nEdwards·2024-09-11 23:47

论文学习笔记 POSEIDON: Privacy-Preserving Federated Neural Network Learning

论文学习笔记POSEIDON:Privacy-PreservingFederatedNeuralNetworkLearningNDSS2021录用文章目录论文学习笔记POSEIDON:Privacy-PreservingFederatedNeuralNetworkLearning
JiangChSo·2024-02-05 10:55

论文学习笔记：PoseFix: Model-agnostic General Human Pose Refinement Network

论文：https://arxiv.org/abs/1812.03595代码：https://github.com/mks0601/PoseFix_RELEASE—————————————————————————————————————————————————目标：多人姿态估计：本篇论文主要工作是利用一个人体姿势优化网络，从输入图像和姿势中对人体姿态进行优化。大概的效果如下图：———————————
wangyc1208·2024-01-31 15:05

Nerf-Wild神经辐射场论文学习笔记 Neural Radiance Fields for Unconstrained Photo Collections

前言：本文为记录自己在Nerf学习道路的一些笔记，包括对论文以及其代码的思考内容。公众号：AI知识物语B站后续同步更新讲解本篇文章主要针对其数学公式来学习其内容，欢迎批评指正！！！（代码下篇出）1：摘要提出基于学习（learning-based）方法，使用野外照片的非结构化集合（unstructuredcollectionsofin-the-wildphotographs）来合成复杂场景。之前的N
出门吃三碗饭·2024-01-25 14:01

GroupMixFormer：Advancing Vision Transformers with Group-Mix Attention论文学习笔记

论文地址：https://arxiv.org/pdf/2311.15157.pdf代码地址：https://github.com/AILab-CVC/GroupMixFormer摘要：ViT已被证明可以通过使用多头自注意力（MHSA）对远程依赖关系进行建模来增强视觉识别，这通常被表述为Query-Key-Value计算。但是，从“Query”和“Key”生成的注意力图仅捕获单个粒度的token-t
athrunsunny·2024-01-21 19:40

MS-DETR: Efficient DETR Training with Mixed Supervision论文学习笔记

论文地址：https://arxiv.org/pdf/2401.03989.pdf代码地址（中稿后开源）：GitHub-Atten4Vis/MS-DETR:Theofficialimplementationfor"MS-DETR:EfficientDETRTrainingwithMixedSupervision"摘要DETR通过迭代生成多个基于图像特征的目标候选者，并为每个真实目标分配一个候选者，
athrunsunny·2024-01-18 07:13

论文笔记：Bilinear Attention Networks

更精简的论文学习笔记1、摘要多模态学习中的注意力网络提供了一种选择性地利用给定视觉信息的有效方法。然而，学习每一对多模态输入通道的注意力分布的计算成本是非常昂贵的。
hongyuyahei·2023-12-18 17:30

CVPR 2023 精选论文学习笔记：Instant Volumetric Head Avatars

以下是四个可以作为分类标准的特征：1.数据表示。数据表示是NeRF的一个基本方面，它决定了输入数据如何在模型中编码和利用。数据表示的选择会显著影响NeRF模型的效率、准确性和适用性。隐式NeRF。隐式NeRF使用一个连续函数来表示场景，将空间中的每个点映射到其对应的颜色和密度值。这种连续表示具有以下优点：表达力：隐式NeRF可以有效地捕捉精细的几何形状和复杂的细节，使其适用于模型复杂场景。效率：隐
结构化文摘·2023-12-06 12:06

CVPR 2023 精选论文学习笔记：UniSim A Neural Closed-Loop Sensor Simulator

基于MECE原则，我们给出以下分类标准：标准1：仿真类型仿真类型是指仿真器是否能够实时生成场景。实时仿真器能够以每秒至少30帧的速度生成图像和视频，使其适用于训练和测试自动驾驶汽车等机器人。另一方面，离线仿真器不是实时的，但它们可以生成更逼真的图像和视频。这使它们更适合创建计算机视觉算法的训练数据等任务。实时仿真：这些仿真器设计用于与模拟系统在闭环中运行，允许实时交互和决策。这种仿真类型对于训练和
结构化文摘·2023-12-06 12:05

CVPR 2023 精选论文学习笔记：Towards Scalable Neural Representation for Diverse Videos

基于MECE原则，我们给出以下四个分类标准：分类标准1：表示类型隐式神经表示（INR）隐式神经表示（INR）是一类神经网络架构，将场景或对象表示为从3D点映射到颜色和不透明度值的连续函数。该函数通常从一组训练图像或视频中学习，然后可以用于渲染场景或对象的新视图。INR已被证明
结构化文摘·2023-12-06 12:35

CVPR 2023 精选论文学习笔记：Differentiable Shadow Mapping for Efficient Inverse Graphics

以下是四个可以用来对本文选题中不同研究工作进行分类的特征：1.渲染技术可微渲染：可微渲染是一种允许从图像或其他数据中高效优化3D形状和材料的技术。这是通过使渲染过程相对于场景的参数（例如形状、材料和照明）可微来实现的。这允许使用梯度优化方法来找到最能解释输入数据的参数。可微渲染已被证明对于各种任务有效，包括图像重建、形状优化和材料估计。非可微渲染：非可微渲染是渲染的传统方法，不允许使用梯度优化。这
结构化文摘·2023-12-06 12:04

深度学习与TensorFlow:FCN论文学习笔记

这篇文章陆陆续续看了快两周,其中也遇到了自己很多的知识的漏洞,踩了很多坑,这里希望能够和大家说一说,也希望大家可以分享一下自己的看法.1:FCN基本思路自从CNN成功之后,很多人都在尝试使用CNN进行图像分割,个人认为CNN最厉害的地方是他的多层结构可以自动提取学习的特征,并且将其学习,并且将提取的这些特征进行分类,但是我们当用CNN进行图像分割的时候,CNN的这项优势反而变成了劣势,因为在特征提
云时之间·2023-12-05 15:28

CVPR 2023 精选论文学习笔记：ScanDMM A Deep Markov Model of Scanpath Prediction for 360deg Images

我们给出四个符合MECE要求的分类标准：1、任务类型图像质量评估：该任务涉及评估图像的质量，通常是通过将其与参考图像进行比较。参考文献[50]和[60]都关注这个任务。视觉显著性：该任务涉及识别图像中最显著的部分。图像中最显著的部分是那些最有可能首先吸引注意力的部分。参考文献[51、52、53、<
结构化文摘·2023-11-27 09:32

CVPR 2023 精选论文学习笔记：Prefix Conditioning Unifies Language and Label Supervision

以下是根据MECE原则给出的四个分类标准：1.学习范式。学习范式是指用于训练模型的一般方法。在视觉语言模型的背景下，主要的两种学习范式是监督学习和无监督学习。监督学习：监督学习涉及在标记的图像-文本对数据集上训练模型。标签为模型提供了明确的指导，使其能够学习图像和文本之间所需的关系。这种类型的学习通常用于需要模型根据输入数据进行预测或分类的任务，例如图像描述、视觉问题回答和视觉定位。无监督学习：无
结构化文摘·2023-11-27 09:57

CVPR 2023 精选论文学习笔记：@LOGO A Long-Form Video Dataset for Group Action Quality Assessment

根据MECE原则，我们给出以下四个分类标准：1.数据集类型AQA数据集：这些数据集专门用于评估视频中人类动作的质量。它们通常包含对动作标签和动作质量的注释。示例包括JIGSAWS、MTL-AQA、AQA-7、UI-PRMD和
结构化文摘·2023-11-26 19:33

CVPR 2023 精选论文学习笔记：Meta-Tuning Loss Functions and Data Augmentation for Few-Shot Object Detection

我们给出以下四个分类标准：1.学习方法元学习：元学习是一种学习范式，旨在教模型如何快速学习新任务。在小样本学习的背景下，元学习算法在各种任务上进行训练，每个任务只有少数示例。这允许模型学习如何调整其学习过程以适应新任务，即使这些任务与它以前见过的任务非常不同。数据增强：数据增强是一种通过对现有数据应用转换来生成新训练数据的技术。这对于小样本学习来说可以是一种有用的技术，因为它可以帮助增加可用训练数
结构化文摘·2023-11-26 19:33

CVPR 2023 精选论文学习笔记：Robust 3D Shape Classification via Non-Local Graph Attention Network

基于MECE原则，我们给出以下四个分类标准：1、数据表示。数据表示是指3D点云数据如何在神经网络中表示。三种主要的数据表示类型是体素、点和图。体素化：在体素化表示中，3D点云被离散成一个体素网格，每个体素由一个特征向量表示。这种表示通常用于需要全局上下文的任务，例如分割和形状分析。点：在点表示中，每个3D点由一个特征向量表示，点之间的关系编码在神经网络架构中。这种表示通常用于需要局部上下文的任务，
结构化文摘·2023-11-26 19:03

CVPR 2023 精选论文学习笔记：Continual Semantic Segmentation with Automatic Memory Sample Selection

根据MECE原则，我们给出以下四个分类标准：标准1：持续学习方法。持续学习是指机器学习模型在不忘记以前学过的知识的情况下学习新任务的能力。持续学习有三种主要方法：复习式方法：这些方法定期回顾和重新训练模型在以前学过的数据的子集上。这有助于防止模型忘记旧知识。示例式方法：这些方法在一个内存缓冲区中存储每个任务的一小组示例。然后，模型在新任务数据以及来自内存缓冲区的示例上进行训练。这有助于确保模型在不
结构化文摘·2023-11-26 19:03

CVPR 2023 精选论文学习笔记：NoPe-NeRF Optimising Neural Radiance Field with No Pose Prior

根据MECE原则，我们给出和本文相关的四个分类标准：1.数据类型：数据类型是指用于重建或渲染场景的输入数据类型。单目：单目是指使用一张图像来重建或渲染场景。这是一个具有挑战性的任务，因为它要求算法从单张图像中推断深度信息。多视图：多视图是指使用多张图像来重建或渲染场景。这是一种更常见的方法，因为它提供了有关场景的更多信息，这使得推断深度和重建3D模型变得更容易。视频：视频是指使用视频序列来重建或渲
结构化文摘·2023-11-26 19:02

CVPR 2023 精选论文学习笔记：Delving Into Shape-Aware Zero-Shot Semantic Segmentation

基于MECE原则，我们给出以下四种分类标准：标准1：分割类型语义分割：将图像中的每个像素分类为语义类别，例如“人”、“车”或“树”。这是最常见的分割类型，
结构化文摘·2023-11-26 19:26

Co-DETR:DETRs与协同混合分配训练代码学习笔记

关于论文的学习笔记：Co-DETR:DETRs与协同混合分配训练论文学习笔记-CSDN博客作者提出了一种新的协同混合任务训练方案，即Co-DETR，以从多种标签分配方式中学习更高效的基于detr的检测器
athrunsunny·2023-11-26 07:52

CVPR 2023 精选论文学习笔记：Post-Training Quantization on Diffusion Models

基于MECE原则，我们给出以下四种分类依据：1.模型类型生成模型用于生成与其训练数据相似的新数据。它们通常用于图像生成、文本生成和音乐生成等任务。语言模型用于理解和生成人类语言。它们通常用于机器翻译、聊天机器人和文本摘要等任务。其他模型用于各种任务，例如图像分类、目标检测和自然语言处理。2.量化类型
结构化文摘·2023-11-26 06:33

【论文学习笔记】《A Review of Deep Learning Based Speech Synthesis》

基于深度学习的语音合成综述论文学习文章目录基于深度学习的语音合成综述论文学习1简介2语音合成概述2.1语音合成概念2.2语音合成发展历史2.3传统语音合成技术2.3.1拼接式语音合成2.3.2参数式语音合成3基于统计参数的语音合成技术3.1文本分析模块3.2参数预测模块3.2.1基于隐马尔可夫的参数预测3.2.2基于深度神经网络的参数预测3.3基于声码器的语音合成模块4基于深度学习的语音合成技术4
FallenDarkStar·2023-11-24 21:54

Co-DETR:DETRs与协同混分配训练论文学习笔记

论文地址：https://arxiv.org/pdf/2211.12860.pdf代码地址：GitHub-Sense-X/Co-DETR:[ICCV2023]DETRswithCollaborativeHybridAssignmentsTraining摘要作者提出了一种新的协同混合任务训练方案，即Co-DETR，以从多种标签分配方式中学习更高效的基于detr的检测器。这种新的训练方案通过训练ATS
athrunsunny·2023-11-24 07:51

DEEP-FRI: Sampling Outside the Box Improves Soundness论文学习笔记

1.引言前序博客有：DEEPFRI协议AsummaryontheFRIlowdegreetest前2页导读RISCZero的手撕STARKReed-SolomonCodes——RS纠错码Reed-SolomonCodes及其与RISCZerozkVM的关系EliBen-Sasson等人2019年论文《DEEP-FRI:SamplingOutsidetheBoxImprovesSoundness》。
mutourend·2023-11-20 10:49

车道线检测-LSTR-论文学习笔记

论文：《End-to-endLaneShapePredictionwithTransformers》代码：https://github.com/liuruijin17/LSTR地址：https://arxiv.org/abs/2011.04233v2内容：使用CNN+Transformer，基于三次曲线拟合车道线整体结构模型输出的东西gt=(k′′,f′′,m′′,n′,bt′′,bt′′′,αt
tomeasure·2023-11-16 11:35

Yolo v1论文学习笔记

阅读了Yolov1的论文，分享一下笔记，希望大佬们前来批评指正，也希望和其他一起喜欢cv的朋友一起交流~
小土豆想转码·2023-11-04 13:54

《Meta-Transfer Learning for Zero-Shot Super-Resolution》——零镜头超分辨率的元迁移学习 论文学习笔记

概念先知：单幅图像超分辨率：就是恢复高频信息单幅图像超分辨重建是指只有一幅低分辨率观测图像的情况下，结合图像的一些先验知识，恢复出图像获取时丢失的高频信息，重建出一幅高分辨率的图像图像超分辨率研究可分为3个主要范畴：基于插值、基于重建和基于学习的方法．PSNR：“PeakSignaltoNoiseRatio”的缩写，即峰值信噪比，是一种评价图像的客观标准，它具有局限性，一般是用于最大值信号和背景噪
爱吃樱桃的小米酥·2023-11-03 05:14

【论文学习笔记】VectorNet: Encoding HD Maps and Agent Dynamics from Vectorized Representation

VectorNet:编码高清地图和代理动态从矢量化表示文章来源：2020IEEE/CVFConferenceonComputerVisionandPatternRecognition(CVPR)作者：JiyangGao,ChenSun原文链接：VectorNet:EncodingHDMapsandAgentDynamicsFromVectorizedRepresentationieeexplore
技术宅学长·2023-11-02 07:10

Apache Calcite 论文学习笔记

特别声明：本文来源于掘金，“预留”发表的[ApacheCalcite论文学习笔记](https://juejin.im/post/5d2ed6a96fb9a07eea32a6ff)最近在关注大数据处理的技术和开源产品的实现
weixin_30323631·2023-10-27 16:18

DenseNet论文学习笔记

DenseNet论文学习笔记论文链接：DenselyConnectedConvolutionalNetworks图片来自论文受残差网络(ResNet)的启发，在较深的网络中使用shortcut来提高模型的准确率
shuyeah·2023-10-26 08:13

论文学习笔记（三） SGPN: Similarity Group Proposal Network for 3D Point Cloud Instance Segmentation

『写在前面』无意间看到了《深度学习在点云分割中的应用》干货总结，原视频为SGPN原作者的技术分享，便搜来仔细研读一番~SGPN是首个使用原始点云作为输入的实例分割网络，本篇blog为方便自己回忆要点用，建议参照原版paper使用。欢迎各位指正纰漏。论文出处：CVPR2018作者机构：WeiyueWang等，UniversityofSouthernCalifornia原文链接：https://arx
Wilber529·2023-10-25 19:22

PointNet论文学习笔记

PointNet论文学习笔记目前二维深度学习取得了很大的进步并且应用范围越来越广，随着三维设备的发展，三维深度学习得到了很大的关注。
程序猿小泽·2023-10-25 19:15

FoLR:Focus on Local Regions for Query-based Object Detection论文学习笔记

论文地址：https://arxiv.org/abs/2310.06470自从DETR问询式检测器首次亮相以来，基于查询的方法在目标检测中引起了广泛关注。然而，这些方法面临着收敛速度慢和性能亚优等挑战。值得注意的是，在目标检测中，自注意力机制经常因其全局聚焦而妨碍了收敛。为了解决这些问题，作者提出了FoLR，一种仅包含解码器的类似Transformer的架构。作者通过隔离不相关目标之间的连接来增强
athrunsunny·2023-10-25 13:21

SG Former论文学习笔记

超越SWin和CSWinTransformer的新模型代码地址：https://github.com/OliverRensu/SG-Former论文地址：https://arxiv.org/pdf/2308.12216.pdfViT在各种视觉任务中虽然成功，但它的计算成本随着Token序列长度的增加呈二次增长，这在处理大型特征图时大大限制了其性能。为了减轻计算成本，先前的研究依赖于要么限制在局部小
athrunsunny·2023-10-03 19:44

YOLO-MS: Rethinking Multi-Scale Representation Learning for Real-time Object Detection(论文学习笔记)

性能超越YOLOv8与RTMDet，即插即用论文地址：https://arxiv.org/pdf/2308.05480.pdf代码地址：文中给了github地址，但是暂时打不开（2023.08.15）摘要作者旨在为目标检测社区提供一种高效且性能卓越的目标检测器，称为YOLO-MS。核心设计基于一系列对不同Kernel-Size卷积如何影响不同尺度上目标检测性能的研究。研究结果是一种可以显著增强实时
athrunsunny·2023-08-30 21:45

车道线检测-Eigenlanes 论文学习笔记

论文：《Eigenlanes:Data-DrivenLaneDescriptorsforStructurallyDiverseLanes》代码：https://github.com/dongkwonjin/Eigenlanes核心：在EigenlaneSpace中检测车道线创新点Eigenlane：数据驱动的车道描述符，在特征车道空间中紧凑地表示结构多样化的车道；SIIC-Net：高效地检测和回归
tomeasure·2023-07-31 13:51

Informer 论文学习笔记

论文：《Informer:BeyondEfficientTransformerforLongSequenceTime-SeriesForecasting》代码：https://github.com/zhouhaoyi/Informer2020地址：https://arxiv.org/abs/2012.07436v3特点：实现时间与空间复杂度为O(Lln⁡L)\mathcal{O}(L\lnL)O(
tomeasure·2023-07-31 13:51

车道线检测-LaneATT 论文学习笔记

论文：《KeepyourEyesontheLane:Real-timeAttention-guidedLaneDetection》地址：https://arxiv.org/abs/2010.12035v2代码：https://github.com/lucastabelini/LaneATT整体结构车道线的表示方式Lane={(xi,yi)}i=0Npts−1,yi=i⋅HimageNpts−1La
tomeasure·2023-07-31 13:50

Transformer 论文学习笔记

重新学习了一下，整理了一下笔记论文：《AttentionIsAllYouNeed》代码：http://nlp.seas.harvard.edu/annotated-transformer/地址：https://arxiv.org/abs/1706.03762v5翻译：Transformer论文翻译特点：提出一种不使用RNN、CNN，仅使用注意力机制的新模型Transformer；只关注句内各tok
tomeasure·2023-07-31 13:19

2019-06-24 图像分类、目标检测、语义分割、实例分割概念

深度学习与TensorFlow:FCN论文学习笔记https://www.jianshu.com/p/376b1c99c8e7上文用一张图形象生动的阐述了目标识别/场景理解的四个技术概念：图像分类：给定一张图
MarkRyan·2023-07-28 13:29

GPT-1,GPT-2,GPT-3 InstructGPT论文学习笔记

Gpt-1论文：《ImprovingLanguageUnderstandingbyGenerativePre-Training》GPT-1网络结构无监督,使用12层transforerdecoder结构,每一层维度是768,12个注意力headstokenembedding矩阵,经过transformerdecoder处理后,经过线性层和softmax层,得到下一个token的预测分布位置编码30
dream_home8407·2023-07-18 06:19

NLP论文学习笔记-word2vec

论文原文:EfficientEstimationofWordRepresentationsinVectorSpace作者:TomasMikolov发表时间:2013一、论文背景统计语言模型基于马尔科夫假设（下一个词的出现仅依赖于前面的一个词或几个词），通过概率计算来描述语言模型(用语料在数据集出现频率近似概率结果)缺点：参数空间过大，数据稀疏严重WordrepresentationOne-hotR
karl_ll·2023-06-14 00:48

Apache Calcite 论文学习笔记

最近在关注大数据处理的技术和开源产品的实现，发现很多项目中都提到了一个叫ApacheCalcite的东西。同样的东西一两次见不足为奇，可再三被数据处理领域的各个不同时期的产品提到就必须引起注意了。为此也搜了些资料，关于这个东西的介绍2018年发表在SIGMOD的一篇论文我觉得是拿来入门最合适了，以下是我关于这篇论文的思考和总结。是什么解释Calcite是什么，用论文的标题是最合适了——AFound
预流·2023-04-08 02:57

论文学习笔记（二）：面对多步攻击的网络安全态势评估

文章目录1.引言2.网络安全态势评估基础2.1基本术语2.2网络安全态势评估流程3.实时攻击阶段识别3.1攻击场景聚类3.2实时攻击阶段识别算法3.3攻击阶段识别算法的改进4网络安全态势量化分析4.1攻击安全概率4.2攻击阶段实现概率4.3网络安全态势值5实验结果及分析5.1LLDOS数据集5.2CTF数据集5.3算法效能分析1.引言过去研究方法：从攻击威胁、网络脆弱性等方面存在的问题：要素单一，
Zichel77·2023-04-05 04:40

【V-MoE】论文学习笔记

文章目录1Abstract2Introduction3Methods3.1TheVisionMixtureofExperts(V-MoE)3.1.1ConditionalComputationwithMoEs3.1.2MoEsforVision3.1.3Routing3.1.4Expert'sBufferCapacity3.2SkippingTokenswithBatchPrioritizedRo
HelloNettt·2023-04-02 21:35

论文学习笔记-（progressive growing of gans for improved quality, stablity, and variation）2019-06-03

progressivegrowingofgansforimprovedquality,stablity,andvariation前人方法及缺陷Autoregressivemodels:PixelCNN生成清晰的图像，但是评估较慢，而且没有潜在的表示，因为它们直接对像素上的条件分布建模，这可能限制了它们的适用性variationalautoencoders(VAE):训练简单，但是由于模型的限制，产
雨住多一横·2023-03-27 21:41

SRGAN论文学习笔记

《Photo-RealisticSingleImageSuper-ResolutionUsingaGenerativeAdversarialNetwork》是ChristianLedig等人于2017年发表于CVPR上的又一篇SR重建的论文，将生成对抗网络（GAN）用于图像超分辨率重建，在感知质量方面取得了巨大的进步，重建图像放大四倍后依然能够呈现清晰地纹理细节。基于监督学习的SR算法的不足之处：
爱吃兔子的胡萝卜RR·2023-03-10 07:21

车道线检测-LSTR-论文学习笔记

车道线检测是将车道标记识别为近似曲线的过程，被广泛用于自动驾驶汽车的车道线偏离警告和自适应巡航控制。流行的分两步解决问题的pipeline：特征提取和后处理。虽然有用，但效率低下，在学习全局上下文和通道的长而细的结构方面存在缺陷。为了解决这些问题，我们提出了一种端到端方法，该方法可以直接输出车道形状模型的参数，使用通过transformer构建的网络来学习更丰富的结构和上下文。车道形状模型是基于道
hnsdgxylh·2023-02-05 11:15

深度神经网络 --AlexNet--论文学习笔记

AlexNet--ImageNetClassificationwithDeepConvolutionalNeuralNetworks一、概述与数据集AlexNet和其导师GeoffreyE.Hinton，2010年训练了一个大型深度卷积神经网络，在ImageNetLSVRC-2010竞赛中，对包含120万个高分辨率的图像和1000不同的类别的分类预测中，在测试数据上，取得了top-137.5%,t
Mr_M_W·2023-02-03 08:37
上一页 1 2 3 4 5 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他