论文精读第10页

【论文精读10】MVSNet系列论文详解-PatchmatchNet

本文是MVSNet系列的第10篇，建议看过【论文精读1】MVSNet系列论文详解-MVSNet之后再看便于理解。一、模型结构这篇论文模型部分是按照模块功能来划分介绍（初始化、传播、评估），但由于是

LiverWhles·2023-01-09 10:58

【论文精读】MVSTER

Abstract基于学习的多视图立体(MVS)方法将源图像扭曲到参考相机的视锥中以形成3Dvolume，这些volume融合为从costvolume，由后续网络进行正则化。融合步骤在连接2D语义和3D空间关联方面起着至关重要的作用。然而，以前的方法利用额外的网络来学习2D信息作为融合线索，未充分利用3D空间相关性并带来额外的计算成本。因此，提出了MVSTER，它利用所提出的对极Transforme

YuhsiHu·2023-01-09 10:27

【论文精读】Guided-MVS

今天读的是一篇发表在IROS2022上的MVS文章：Multi-ViewGuidedMulti-ViewStereo，作者是来自于意大利UniversityofBologna的MatteoPoggi。论文链接：arxiv代码链接：https://github.com/andreaconti/multi-view-guided-multi-view-stereo目录Abstract1.Introdu

YuhsiHu·2023-01-09 10:27

【论文精读】iNeRF

目录AbstractIntroductionRelatedWorksBackgroundiNeRFFormulationGradient-BasedSE(3)OptimizationSamplingRaysSelf-SupervisingNeRFwithiNeRFResultsLimitationsandFutureWorkConclusion这是IROS2021的一篇文章，一作是MIT的LinY

YuhsiHu·2023-01-09 10:26

GAN论文精读

GAN@[TOC](GAN)一、导论二、相关工作三、模型结构对抗网络四、理论结果当Pg=Pdata的全局最优性算法1的收敛性五、实验六、优缺点一、导论深度学习的前景是对人工智能领域应用中遇到的各种概率的分布的表示。深度学习在Deepgenerativemodels方面不是很突出，是由于难以接近最大似然估计和一些方法上出现的很多难以处理的概率计算，并且也难以在生成环境中利用分段线性单元（piecew

Raphael9900·2023-01-09 10:56

【论文精读】360MVSNet

今天读的是发表在WACV2023上的MVS文章，该文章提出了基于全景相机的MVSpipeline。文章链接：点击前往代码链接：暂未开源。文章目录Abstract1.Introduction2.Relatedworks3.Method3.1FeatureExtraction3.2360SphericalSweeping3.2.1Preliminary:Sphericalcoordinates3.2.

YuhsiHu·2023-01-09 10:56

【ESMM论文精读】Entire Space Multi-Task Model: An Effective Approach for Estimating Post-Click Conversion

文章目录原始论文摘要(ABSTRACT)关键词(KEYWORDS)1.介绍(INTRODUCTION)2.提出的方法THEPROPOSEDAPPROACH2.1符号Notation2.2CVR建模和挑战CVRModelingandChallenges(1)样本选择偏差Sampleselectionbias(SSB)[12](2)数据稀疏性Datasparsity(DS)(3)其他挑战otherch

哈喽十八子·2023-01-08 15:30

【推荐系统多任务学习 MTL】PLE论文精读笔记（含代码实现）

PLE是MMoE（详见【推荐系统多任务学习MTL】MMOE论文精读笔记

苏学算法·2023-01-07 21:02

【推荐系统多任务学习MTL】MMoE论文精读笔记（含代码实现）

论文地址：GoogleKDD2018MMOE(内含论文官方讲解视频)PDFModelingTaskRelationshipsinMulti-taskLearningwithMulti-gateMixture-of-Experts一、前言阿里团队提出ESMM模型利用MTL(Multi-TaskLearning)的方法极大地提升了CVR预估的性能，同时解决了传统CVR模型预估的一些弊病。我们从模型的网

苏学算法·2023-01-07 21:31

【深度学习论文篇 02-1 】YOLOv1论文精读

Python微信订餐小程序课程视频https://blog.csdn.net/m0_56069948/article/details/122285951Python实战量化交易理财系统https://blog.csdn.net/m0_56069948/article/details/122285941目录1.简介2.论文思想2.1算法流程2.2网络结构2.3预训练分类网络2.4训练检测网络2.5损

洛蕾·2023-01-07 21:29

OpenAI Codex、DeepMind AlphaCode论文精读阅读笔记

Codex：基于GPT的语言模型，用Github上的代码进行微调（有意思的是GPT的卖点就是不用微调）。模型没怎么改动，主要精力在于准备预训练数据和微调数据集（微调数据集应尽可能和你要进行评估的任务相近）上目标函数的分数不采用常见的BLUE分数因为相同的子序列多并不意味着写出的代码就有效，因此作者团队自己设计了一个pass@K，即每个词采样softmax分数总和0.95的输出，在这些词里面每次随机

irony_202·2023-01-07 21:56

【论文笔记】AAAI2022论文精读-AlphaHoldem

修改自我组会报告，具体细节请读原文。文章目录引子背景介绍德州扑克规则论文贡献信息编码方式网络结构自博弈算法性能比较引子论文标题是：AlphaHoldem:High-PerformanceArtificialIntelligenceforHeads-UpNo-LimitTexasHold’emfromEnd-to-EndReinforcementLearning在写这篇文章的时候，论文还没有正式发布

邵政道·2023-01-07 21:54

VGG 论文精读&&代码逐行解析

文章目录前言一、论文精读0.标题，摘要和结论1.Introduction2.ConvnetConfigurations3.ClassificationFramework4.ClassificationExperiments

湘粤Ian·2023-01-07 21:24

GoogleNet论文精读与代码复现

GoogleNet论文精读笔记1核心观点本文的工作点在于：提出了一种代号为Inception的深度卷积神经网络架构，提高了网络内部计算资源的利用率目标检测的最大收益并不来自于单独使用深度网络或更大的模型

自在犹仙·2023-01-07 21:22

Deep contextualized word represntations

Deepcontextualizedwordrepresntations链接:数据集提取码:6cgu1.一论文导读2.二论文精读3.三代码实现4.四问题思索《Deepcontextualizedwordrepresentations

*Major*·2023-01-06 13:59

论文精读:RPM-Net: Robust Point Matching using Learned Features

论文地址:https://arxiv.org/pdf/2003.13479.pdf点云配准任务点云配准可以当做一个基础的上游任务，根据从不同视角下获取的点云数据配准为完整的点云数据，下游任务众多基本任务:求一个变换矩阵，使得两个具有未知点的点云数据重合。刚性与非刚性：刚性配准：旋转和平移操作（通常不改变大小）非刚性配准：还包括了缩放和裁剪等操作传统算法代表：ICP，RPM等，涉及很多经验参数选择R

樱花的浪漫·2023-01-06 09:19

Alphapose论文精读

作者郝淑芳1∗，书琴谢1，泰宇荣2，策屋路上海交通大学，中国腾讯优图结论本文提出了一种新的区域多人姿态估计（RMPE）框架，该框架在精度和效率上显著优于现有的多人姿态估计方法。它验证了当SPPE适用于人类检测器时，两步框架的潜力，即hu-man检测器+SPPE。我们的RMPE框架由三个新组件组成：带并行SPPE的对称STN、参数姿态NMS和姿态引导建议生成器（PGPGPG）。特别是，PGPG用于通

成长成为·2023-01-06 07:54

自然语言处理nlp论文精读

自然语言处理nlp论文精读AttentionSupervisionwithCounterfactualsforTextClassificationCascadedSemanticandPositionalSelf-AttentionNetworkforDocumentClassificationHierarchicalAttentionPrototypicalNetworksforFew-Shot

lucas_ch·2023-01-05 10:16

论文精读:PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation

1.点云数据特点无序性：只是点而已，排列顺序不影响近密远疏的特性：扫描与视角不同导致非结构化数据，直接CNN有点难要解决的任务就是如何对点云数据进行特征提取PointNet基本出发点：由于点的无序性导致，需要模型具有置换不变性如果直接利用Max函数，则会损失大量的特征，那么我们就先升维然后再做Max操作（其实就是神经网络的隐层）

樱花的浪漫·2023-01-05 09:23

论文精读:PointNet++: Deep Hierarchical Feature Learning onPoint Sets in a Metric Space

PointNet存在的问题没有进行局部特征融合，要么提取一个点的特征，要么是整体的特征没有考虑到局部点之间的关系PointNet++的基本出发点pointnet主要从局部特征出发，充分考虑到利用局部点之间的关系，整体思想不变，只不过在特征提取处使用类似图卷积的方式来整合特征基于半径选择局部区域（得到很多个簇），针对得到的每个区域进行特征提取（类似于卷积）

樱花的浪漫·2023-01-05 09:52

论文精读:PF-Net: Point Fractal Network for 3D Point Cloud Completion

论文地址:https://arxiv.org/pdf/2003.00410.pdfPF-Net概述点云补全：由于扫描或者距离的原因导致点云局部缺失，对其进行补全核心思想：首先重构其骨架，然后重构其细节特征整体网络模型：整体网络模型采用GAN网络结构，首先使用生成器生成缺失的点，然后使用判别器对生成的点进行评估。生成器由ecoder和decoder组成，对于ecoder，作者认为pointnet++

樱花的浪漫·2023-01-05 09:44

SDD-FIQA论文精读

Blue_Y28·2023-01-05 03:49

pix2pix论文精读

原文地址：https://arxiv.org/pdf/1611.07004.pdf代码地址：https://github.com/phillipi/pix2pix.目录摘要1.introduction介绍2.relatedwork相关工作3.method方法3.1目标函数3.2网络结构3.2.1生成器3.2.2判别器3.3优化函数4.实验4.1评价方式4.2目标函数分析5.结论摘要现状：肯定了条件

Blue_Y28·2023-01-05 03:48

【论文精读】ACVNet: Attention Concatenation Volume for Accurate and Efficient Stereo Matching

这是一篇CVPR2022的文章，基于一种新颖的注意力权重代价体构建方法，设计了一种网络结构，用以立体匹配（视差估计，双目深度估计）。原文链接：ACVNet代码链接：https://github.com/gangweiX/ACVNetAbstract准确的的costvolume表达对stereomatching至关重要。文章提出了一种新的costvolume构建方法，该方法从相关线索中生成atten

YuhsiHu·2023-01-04 23:14

深度学习学习文章、视频整理

weixin_47741262·2023-01-04 11:09

[论文精读｜顶会论文]PRGC:A Novel Cascade Binary Tagging Framework for Relational Triple Extraction

2020.6.22｜ACL2020｜吉林大学｜原文链接｜源码链接ANovelCascadeBinaryTaggingFrameworkforRelationalTripleExtraction解决多个关系三元组共享相同实体的重叠三元组问题引入一个新的视角来看待关系三元组抽取任务，一个新的级联二进制标记框架（CASREL）由f(s,o)−>rf(s,o)->rf(s,o)−>r改进为fr(s)−>o

来日可期Dream·2023-01-04 09:14

[讲座论坛] 研究的艺术学习笔记

地址为李沐-AI论文精读。文章目录研究的艺术（一）TheCraftofTheResearch1.TheCraftofTheResearch一Outline1.1什么是研究？

落痕的寒假·2023-01-04 08:36

GPT/GP2/GPT3

GPT，GPT-2，GPT-3论文精读【论文精读】_哔哩哔哩_bilibilihttps://www.bilibili.com/video/BV1AF411b7xQ?

Kun Li·2023-01-02 10:06

AlexNet —— Part 2：论文精读

文章目录摘要论文小标题AlexNet网络结构3.1ReLU3.2TrainingonMultipleGPUs3.3LocalResponseNormalization（局部响应标准化）3.4OverlappingPoolingReducingOverfitting实验结果与分析论文总结在AlexNet——Part1：论文导读中，主要介绍了AlexNet的研究背景以及成果，下面我主要通过下面四个

蓝子娃娃·2023-01-01 09:30

论文精读:YOLOR:You Only Learn One Representation: Unified Network for Multiple Tasks

Abstract人类的经验可以通过正常的学习（我们称之为外显知识），或者潜意识地（我们称之为内隐知识）来学习。这些通过正常学习或潜意识学到的经验将被编码并存储在大脑中。利用这些丰富的经验作为一个巨大的数据库，人类可以有效地处理数据，即使它们是事先没有看到的。在本文中，作者提出了一个统一的网络，将内隐知识和外显知识一起编码.统一的网络可以生成一个统一的表示法，同时服务于各种任务。我们可以在卷积神经网

樱花的浪漫·2022-12-31 09:34

CenterNet

CenterNet-Model(pytorch版本)1.一论文导读2.二论文精读3.三代码实现4.四问题思索《CenterNet:KeypointTripletsforObjectDetection》收录会议及时间

*Major*·2022-12-31 09:33

CenterNet：Object as Points

**转载论文精读——CenterNet:ObjectsasPoints版权提示：此文章转载自论文精读——CenterNet:ObjectsasPoints论文地址：https://arxiv.org/pdf

hjxu2016·2022-12-31 09:31

Objects as Points 论文精读

对象作为点摘要目标检测在图像中将检测对象定义为一个与坐标轴对齐的框。大多数成功的对象检测器都会列举几乎详尽的潜在对象位置列表，并对每个位置进行分类。这是浪费的、低效的，并且需要额外的后处理。在本文中，我们采用了不同的方法。我们将一个对象建模为一个点——它的边界框的中心点。我们的检测器使用关键点估计来找到中心点并回归到所有其他对象属性，例如大小、3D位置、方向，甚至姿势。我们基于中心点的方法Cent

学渣在路上·2022-12-31 09:29

论文精读:Centernet:Objects as Points

论文地址:https://arxiv.org/pdf/1904.07850.pdf代码地址:https://github.com/xingyizhou/CenterNet.Abstract基于anchor的目标检测算法通常会列举大量可能存在对象位置的列表，这是浪费的、低效的。作者采用了一种不同的方法。将一个对象建模为单个点——其边界框的中心点。检测器使用关键点估计来寻找中心点，并回归到所有其他对象

樱花的浪漫·2022-12-31 09:27

重读经典：《Momentum Contrast for Unsupervised Visual Representation Learning》

MoCo论文逐段精读【论文精读】这次论文精读李沐博士继续邀请了亚马逊计算机视觉专家朱毅博士来精读MomentumContrast（MoCo)，强烈推荐大家去看本次的论文精读视频。

自动驾驶小学生·2022-12-30 10:06

加州大学博士生Wendy：谈论文精读与方法创新

最近刷朋友圈，很多童鞋的状态都是，不是在搞科研，就是在搞科研的路上，每日为了科研废寝忘食……每天的生活日常，除了下文献、读文献，就是做实验、写论文，debug，二十多岁的自己看着像三四十……然而，结果好像并不和努力成正比。不说发顶会无望，写一篇不水的论文都不是件容易的事。那些学术大牛们，怎么就可以手握多篇顶会论文还笔耕不辍，似乎发一篇高质量的论文是分分钟的事，他们究竟有什么独门秘籍？最近就有入坑半

夕小瑶·2022-12-30 09:25

【论文精读】ROC和PR曲线的关系（The relationship between Precision-Recall and ROC curves）

近期复习机器学习的一些基本知识，专门精读了一篇关于讲ROC曲线的PR曲线关系的文章。文章的title为《TherelationshipbetweenPrecision-RecallandROCcurves》发表于2006年，作者是来自威斯康辛大学麦迪逊分校的JesseDavis和MarkGoadrich。虽然文章发表很早，但是涉及机器学习基石的知识永不会过时。下面分享一下我的阅读笔记和心得。文章目

takedachia·2022-12-30 07:30

【单目3D目标检测】MonoCon论文精读与代码解析

文章目录PrefaceAbstractContributionsPipelineRegressionHeadsTheAuxiliaryContextRegressionHeadsQuantizationResidualBugInstallPreface[AAAI2022]LiuX,XueN,WuT.Learningauxiliarymonocularcontextshelpsmonocular3D

嗜睡的篠龙·2022-12-29 18:46

【图像超分辨率重建】——SwinIR论文精读笔记

2021-SwinIR:ImageRestorationUsingSwinTransformer(SwinIR)基本信息作者：JingyunLiang,JiezhangCao,GuoleiSun,KaiZhang,LucVanGool,RaduTimofte期刊：ICCV引用：123摘要：图像恢复是一个长期存在的低级视觉问题，旨在从低质量图像（例如，缩小、噪声和压缩图像）中恢复高质量图像。虽然最先

Zency_SUN·2022-12-29 17:39

【图像超分辨率重建】——HAT论文精读笔记

2022-ActivatingMorePixelsinImageSuper-ResolutionTransformer(HAT)基本信息作者：XiangyuChen,XintaoWang,JiantaoZhou,andChaoDong期刊：引用：摘要：基于Transformer的方法在图像超分辨率等低级视觉任务中表现出令人印象深刻的性能。然而，我们发现这些网络只能通过归因分析利用有限空间范围的输入

Zency_SUN·2022-12-29 17:24

【图像超分辨率重建】——SAN论文精读笔记

2019-Second-orderAttentionNetworkforSingleImageSuper-Resolution(SAN)基本信息作者：TaoDai,JianruiCai,YongbingZhang,Shu-TaoXia,LeiZhang期刊：CVPR引用：摘要：近年来，深度卷积神经网络（CNN）在单图像超分辨率（SISR）中得到了广泛的研究，并取得了显著的性能。然而，大多数现有的基

Zency_SUN·2022-12-29 17:54

【论文笔记】A Survey of Visual Transformers（完结）

声明：本人是来自γ星球的外星人为了学习地球的深度学习知识的，好回去建设自己的家乡每周不定期更新自己的论文精读笔记，中心思想是两个字---易懂没啥事的兄弟姐妹们，可以和我探讨外星知识哦~本文旨在，简单概括综述

来自γ星的赛亚人·2022-12-29 14:15

GPT系列论文精读-GPT1

GPT与BERT、Transformer的关系Transformer发表在2017年6月，在一年之后GPT出来了，GPT的核心数据把Transformer的解码器拿出来，在大量没有文本的数据集上训练一个语言模型然后获得一个预训练模型，然后再用它在任务上做微调，最终得到每一个任务所要的分类器的。BERT有小道消息传闻是在GPT出来后两个月，出来了。BERT是把Transformer的编码器拿出来，用

熊思健WHUT·2022-12-28 14:14

YouTube DNN论文精读

文章目录Abstract1.Introduction2.SystemOverview3.CandidateGeneration3.1Recommendationasclassification3.2ModelArchitecture3.3HeterogeneousSignals3.4LabelandContextSelection3.5ExperimentswithFeaturesandDepth

寻沂·2022-12-28 10:38

论文阅读《Deep Neural Networks for YouTube Recommendations》

DeepNeuralNetworksforYouTubeRecommendations》2Embedding技术在推荐系统中的应用DeepNeuralNetworkforYouTubeRecommendation论文精读这篇论文

怼怼是酷盖·2022-12-28 10:08

MAE论文精读读后感

MAE（带掩码的自编码器）主要是在vit的基础上参考BERT（带掩码的自监督训练）为什么CV之前没有人用带掩码的自监督训练？（与NLP领域的区别）：1.原来采用的CNN卷积神经网络不好学习掩码（CNN不好抓取一个特定的点）2.文字每个字包含了明确的语义信息，而图片一块像素点存在很多冗余信息（若在图片中只摘除几个点很容易就能通过周围的像素信息复原，而语言文字中少了一两个词都很难还原整个句子信息），因

irony_202·2022-12-28 10:33

OM | 论文精读：深度强化学习与智慧交通(一）

作者：宋绪杰随着城市化和新兴智能技术的发展，交通运输系统中包含了越来越多的人工智能技术（AI），被称为智能交通系统（ITS）。本文主要讨论强化学习（RL）在智能交通系统中的应用，下面摘录文中与“交通信号灯控制”相关的内容。论文标题：DeepReinforcementLearningforIntelligentTransportationSystems:ASurvey论文作者：AmmarHaydar

运筹OR帷幄·2022-12-28 09:18

[论文精读][NeRF] Masked Wavelet Representation for Compact Neural Radiance Fields

MaskedWaveletRepresentationforCompactNeuralRadianceFieldsAbstractIntroductionContributionsMethodOverviewNeuralradiancefieldsWavelettransformondecomposedtensorsMulti-levelwavelettransformLearningtomask

Wang_NNN·2022-12-28 07:59

Lexical Simplification with Pretrained Encoders 论文精读

LexicalSimplificationwithPretrainedEncoders论文精读InformationAbstract1Introduction2RelatedWork3UnsupervisedLexicalSimplification3.1TheBERTmodel3.2SimplificationCandidategeneration3.3SubstitutionRanking3

小白*进阶ing·2022-12-27 23:22

李沐精读论文：DETR End to End Object Detection with Transformers

论文：End-to-EndObjectDetectionwithTransformers代码：官方代码DeformableDETR：论文代码视频：DETR论文精读【论文精读】_哔哩哔哩_bilibili

iwill323·2022-12-27 13:01

推荐频道

论文精读