论文解读

Vision Transformer（VIT）论文解读及实现

1论文解读paper：VIT1.1VIT模型架构如下图所示：图片原始输入维度H*W*C在H和W按像素P切分，则H、W可分割为NPP,N=HW/(PP)，N为输入transform序列的长度。
晚点吧·2023-07-14 00:01

BERT论文解读及实现（一）

BERT:Pre-trainingofDeepBidirectionalTransformersforLanguageUnderstanding1论文解读1.1模型概览Therearetwostepsinourframework
晚点吧·2023-07-13 21:20

BERT论文解读及实现（二）

基于github的bert源码解读bertgithub链接：https://github.com/google-research/bert/tree/masterwindows流程运行改编版源码及数据百度网盘链接：链接：https://pan.baidu.com/s/1APk9EIh_wuU41fMHSMz3Pg?pwd=s2k7提取码：s2k71模型预训练1.1训练数据加工pythoncreat
晚点吧·2023-07-13 21:50

GPT(Generative Pre-Training)论文解读及实现(一)

1GPTFramework1.1Unsupervisedpre-trainingGivenanunsupervisedcorpusoftokensU={u1,...,un},weuseastandardlanguagemodelingobjectivetomaximizethefollowinglikelihood:在给定语料上下文环境下，目标时最大化下面的语言模型，即在给定前i-1个词和参数θ前
晚点吧·2023-07-13 21:30

InstructGPT论文解读

介绍上图可以看出InstructGPT(PPO-ptx)及变体（varianttrainedwithoutpretrainingmix）(PPO)显著优于GPT，1.3B的InstructGPT优于175B的GPT，SFT作为RLHF第一阶段的模型效果比GPT好。当然结果是由人来评价的。RLHF包含三个步骤：SFT:对话数据微调基座语言模型，RM:评分数据微调RM模型PPO:SFT模型生成答案，R
sunghosts·2023-06-24 09:58

【论文解读系列】Blip-2：引导语言图像预训练具有冻结图像编码器和大型语言模型

Blip-2BLIP-2:BootstrappingLanguage-ImagePre-trainingwithFrozenImageEncodersandLargeLanguageModelsBLIP-2：引导语言图像预训练具有冻结图像编码器和大型语言模型(0)总结&实测总结：blip-2最大的贡献在于，提出了一种新的视觉语言预训练范式，使得视觉语言预训练模型可以无须端到端地训练即可得到SOTA
JackCrum·2023-06-24 05:56

论文解读：End-to-End Object Detection with Transformers

发表时间：2020论文地址：https://arxiv.org/pdf/2005.12872.pdf项目地址：https://github.com/facebookresearch/detr提出了一种将对象检测视为集合预测问题的新方法。我们的方法简化了检测流程，有效地消除了许多手工设计的组件的需要，如非最大抑制程序或锚框生成，显式地编码了对任务的先验知识。新框架被称为检测transformer或D
万里鹏程转瞬至·2023-06-23 22:39

论文解读：DETRs Beat YOLOs on Real-time Object Detection

发表时间：2023论文地址：https://arxiv.org/abs/2304.08069项目地址：https://github.com/PaddlePaddle/PaddleDetection/tree/develop/configs/rtdetr【官方】或https://github.com/ultralytics/ultralytics/tree/main/ultralytics/vit/
万里鹏程转瞬至·2023-06-22 14:22

Photon论文解读 : A Fast Query Engine for Lakehouse Systems

这篇论文是databricks公司首次将内部的基于c++的native执行引擎细节发表在SIGMOD2022，作者公共23人，论文地址：https://www-cs.stanford.edu/~matei/papers/2022/sigmod_photon.pdfwww-cs.stanford.edu/~matei/papers/2022/sigmod_photon.pdf本文不是对论文的翻译，而
shining_yyds·2023-06-21 04:18

论文解读In-Depth Mouse: Integrating Desktop Mouse into Virtual Reality

In-DepthMouse:IntegratingDesktopMouseintoVirtualRealityHCI2022honorable❤️将2d的鼠标应用到3d的虚拟空间中，对可选对象进行选择Challenge1、如果单纯利用3d虚拟鼠标的3d位置对可选物体进行选择，有可能出现距离更近的物体将虚拟鼠标遮挡2、物体之间的可见性和重叠关系根据用户的位置而不同，因此需要根据视点不同地应用鼠标的控
kidominox·2023-06-20 19:36

《论文阅读》用于情感分析的融合预训练表情符号特征增强

你是否也像我之前搜索论文解读，得到只是中文翻译的解读后感到失望？小白如何从零读懂论文？和我一起来探索吧！
365JHWZGo·2023-06-20 18:46

论文解读丨Zero-Shot场景下的信息结构化提取

本文分享自华为云社区《论文解读系列十六：Zero-Shot场景下的信息结构化提取》，作者：一笑倾城。摘要在信息结构化提取领域，前人一般需要基于人工标注的模板来完成信息结构化提取。
·2023-06-20 16:13

NeRF系列(3): Semantic-aware Occlusion Filtering Neural Radiance Fields in the Wild 论文解读

论文https://arxiv.org/pdf/2303.03966.pdfhttps://arxiv.org/pdf/2303.03966.pdf1.摘要在真实环境中的语义感知遮挡滤波神经辐射场》我们提出了一个学习框架，用于从少量的非约束性旅游照片中重建神经场景表示。由于每个图像都包含瞬时遮挡物，对静态和瞬时成分进行分解是构建辐射场所必需的，而现有方法需要大量的训练数据。我们引入了SF-NeRF
LeapMay·2023-06-20 01:25

NeRF系列(4):Ha-NeRF: Hallucinated Neural Radiance Fields in the Wild论文解读

主页：主页：Ha-NeRF:HallucinatedNeuralRadianceFieldsintheWildhttps://rover-xingyu.github.io/Ha-NeRF/论文：https://openaccess.thecvf.com/content/CVPR2022/papers/Chen_Hallucinated_Neural_Radiance_Fields_in_the_W
LeapMay·2023-06-20 01:53

论文解读：Splicing ViT Features for Semantic Appearance Transfer

Projectwebpage:https://splice-vit.github.ioAbstruct将两张图片中语义相近的目标的结构和风格（外观）拼接•输入一个Structure/Appearence图像对：训练生成器。•关键思想是利用预训练和固定的视觉转换器(ViT)模型（作为外部语义先验）。•从deepVitfeatures提取到structure和appearance的表示，然后从lear
wuling129·2023-06-19 22:09

【三维编辑】Removing Objects From Neural Radiance Fields论文解读

题目：RemovingObjectsFromNeRF从神经辐射场中移除对象论文：https://arxiv.org/abs/2212.11966作者:SilvanWeder,GuillermoNiantic,ETHZurich,UniversityCollegeLondon,nianticlabs.github.ionerf-object-removal文章目录摘要一、前言二、相关工作2.1.新的
杀生丸学AI·2023-06-19 15:17

【论文解读】MMNet: Memory Matching Networks for One-Shot Image Recognition（记忆匹配网络，小样本）

1.介绍论文地址：MemoryMatchingNetworksforOne-ShotImageRecognition,CVPR2018.或者Matchingnetworksforoneshotlearning.NIPS2016.参考代码：https://github.com/gitabcworld/MatchingNetworks针对问题：小样本学习、对未标记图像进行one-shot学习形式化来说
诸葛灬孔暗·2023-06-19 14:02

论文解读：ExamPle:用于预测植物小分泌肽的可解释的深度学习框架

ExamPle:explainabledeeplearningframeworkforthepredictionofplantsmallsecretedpeptides期刊：Bioinformatics影响因子：6.931中科院分区：小类数学与计算生物2区出版日期：2023年3月10日Github:https://github.com/Johnsunnn/ExamPle摘要植物小分泌肽(SSPs)
YZT8848·2023-06-19 03:20

CVPR 2023 | 美团技术团队精选论文解读

本文精选了美团技术团队被CVPR2023收录的8篇论文进行解读。这些论文既有自监督学习、领域自适应、联邦学习等通用学习范式方面的技术迭代，也涉及目标检测、跟踪、分割、Low-levelVision等典型视觉任务的性能，体现了美团在基础通用技术和垂直领域技术上的全方位创新。这些论文也是美团技术团队与国内多所高校、科研机构合作的成果。希望给从事相关研究工作的同学带来一些启发或者帮助。CVPR全称为IE
美团技术团队·2023-06-18 21:46

『论文精读』Vision Transformer(VIT)论文解读

『论文精读』VisionTransformer(VIT)论文解读文章目录一.简介二.模型架构2.1.关于imagepresentation2.2.关于positionalencoding2.3.关于CNN
AI新视界·2023-06-18 21:41

Transformer论文解读和Bert模型架构

Transformer论文解读和Bert模型架构Attentionisallyouneed论文AbstractIntroducntionBackgroundModelArchitecture3.1EncoderandDecoderStacks3.2Attention
机器herry_y·2023-06-18 18:04

【论文解读】不和谐区域定位

一、简要介绍不和谐区域定位的目的是在与周围背景不兼容的合成图像中定位该区域。不和谐问题主要是由于图像编辑技术产生的颜色和照明不一致。在本研究中，作者倾向于将输入的图像转换到另一个颜色空间，以放大不和谐区域与背景之间的域差异，从而使模型更容易地识别不和谐区域。为此，作者提出了一种由一个颜色映射模块和一个不和谐的区域定位网络组成的新框架，其中前者配备了一种新的域差异放大损失，后者可以是一个任意的定位网
合合技术团队·2023-06-16 15:50

【 论文解读TCPN】一个基于序列的弱监督视觉信息抽取学习框架

一、简要介绍视觉信息提取（VIE）近年来受到了越来越多的关注。现有的方法通常首先将光学字符识别（OCR）结果组织成纯文本，然后利用标记级实体注释作为监督来训练序列标记模型。但是，它花费大量的注释成本，可能导致标签混淆，OCR错误也会显著影响最终性能。在本文中，作者提出了一个统一的弱监督学习框架，称为TCPN（标签、复制或预测网络），它引入了1)一种有效的编码器，可以同时对二维OCR结果中的语义和布
合合技术团队·2023-06-16 15:20

【 论文解读】一个有效的图表图像数据提取框架

一、简要介绍在本文中，作者通过采用最先进的计算机视觉技术，在数据挖掘系统的数据提取阶段，填补了研究的空白。如图1所示，该阶段包含两个子任务，即绘制元素检测和数据转换。为了建立一个鲁棒的Boxdetector，作者综合比较了不同的基于深度学习的方法，并找到了一种合适的高精度的边框检测方法。为了建立鲁棒pointdetector，采用了带有特征融合模块的全卷积网络，与传统方法相比，可以区分近点。该系统
合合技术团队·2023-06-16 15:20

带你读AI论文丨用于细粒度分类的Transformer结构—TransFG

本文分享自华为云社区《论文解读系列二十：用于细粒度分类的Transformer结构—TransFG》，作者：BigDragon。
·2023-06-16 14:09

【MeZO】学习笔记

⭐️介绍论文解读《陈丹琦团队新作：单卡A100可训300亿参数模型啦！》MeZO与其他优化器相比有什么优势？
songyuc·2023-06-16 14:39

jp2格式读取并批量转为GeoTiff格式

作者主页」：zy_destiny「作者简介」：主要关注计算机视觉、语义分割、目标检测、遥感影像处理、变化检测等方向，正在努力成为CSDN优质创作者「推荐专栏」：对变化检测感兴趣的小伙伴可以关注专栏“变化检测论文解读
zy_destiny·2023-06-16 12:41

KDD 2022 | 美团技术团队精选论文解读

今年，美团技术团队有多篇论文被KDD2022收录，这些论文涵盖了图谱预训练、选择算法、意图自动发现、效果建模、策略学习、概率预测、奖励框架等多个技术领域。本文精选了7篇论文做简要介绍（附下载链接），希望能对从事相关研究方向的同学有所帮助或启发。ACMSIGKDD国际会议（简称KDD）是由ACM的数据挖掘及知识发现专委会主办的数据挖掘研究领域的顶级年会，属于CCFA类会议。由于KDD的交叉学科性和广
·2023-06-16 11:06

CVPR 2022 | 美团技术团队精选论文解读

计算机视觉国际顶会CVPR2022近日在美国新奥尔良召开，今年美团技术团队有多篇论文被CVPR2022收录，这些论文涵盖了模型压缩、视频目标分割、3D视觉定位、图像描述、模型安全、跨模态视频内容检索等研究领域。本文将对6篇精选的论文做简要的介绍（附下载链接），希望能对从事相关研究的同学有所帮助或启发。CVPR的全称是IEEE国际计算机视觉与模式识别会议（IEEEConferenceonComput
·2023-06-16 11:33

CVPR 2023 | 美团技术团队精选论文解读

写在前面CVPR全称为IEEEConferenceonComputerVisionandPatternRecognition，国际计算机视觉与模式识别会议。该会议始于1983年，与ICCV和ECCV并称计算机视觉方向的三大顶级会议。根据谷歌学术公布的2022年最新学术期刊和会议影响力排名，CVPR在所有学术刊物中位居第4，仅次于Nature、NEJM和Science。2023年，CVPR共收到全球
·2023-06-16 11:15

RT-DETR论文解读与代码

1.概述目前以大名鼎鼎的YOLO为代表的基于CNN的实时监测网络需要NMS进行后处理，导致不能很好的优化网络，并且网络不够健壮，从而导致检测器的推理速度出现延迟。研究者也分析了Anchor-based和Anchor-free的YOLO的性能，发现Anchor并不是影响实时监测的关键要素，而NMS后处理彩色。DETR很好的解决了后处理对于模型的限制，却受限于Transformer巨大的计算量，无法发
樱花的浪漫·2023-06-16 02:28

Promising 2.0：宽松内存并发中的全局优化

本文由Hana根据论文解读视频整理所得，如有错误欢迎指正！原视频内容较长，已经分上下两部分发布B站，欢迎点开学习！
编程语言Lab·2023-06-16 01:09

论文解读 | 超越人类智慧！类脑多模态混合神经网络助力机器人精准定位

原创|文BFT机器人01研究内容这篇论文的研究内容是基于大脑启发的多模态混合神经网络，用于机器人地点识别。研究人员设计了一个名为NeuroGPR的系统，该系统可以模拟大脑的多模态感知机制，从传统和神经形态传感器中编码和整合多模态线索，以实现机器人的地点识别。为了实现这一目标，研究人员使用了多尺度液态状态机等多种神经网络模型，以异步融合多模态信息。研究结果表明，NeuroGPR在机器人地点识别方面表
BFT白芙堂·2023-06-15 18:31

《论文阅读》连续前缀提示Prompt：table-to-text和摘要生成 ACL2021

你是否也像我之前搜索论文解读，得到只是中文翻译的解读后感到失望？小白如何从零读懂论文？和我一起来探索吧！今天为大家带来的是《Prefix-Tuning:Op
365JHWZGo·2023-06-15 13:47

《论文阅读》在跨语料库上利用集成提示完成零样本的文本情感分类 COLING2022

你是否也像我之前搜索论文解读，得到只是中文翻译的解读后感到失望？小白如何从零读懂论文？和我一起来探索吧！今天为大家带来的是《NaturalLanguageInfere
365JHWZGo·2023-06-15 13:16

《论文阅读》验证离散提示模板的鲁棒性 EACL2023

你是否也像我之前搜索论文解读，得到只是中文翻译的解读后感到失望？小白如何从零读懂论文？和我一起来探索吧！今
365JHWZGo·2023-06-15 13:46

识别一切模型RAM（Recognize Anything Model）及其前身 Tag2Text 论文解读

img总览大家好，我是卷了又没卷，薛定谔的卷的AI算法工程师「陈城南」~担任某大厂的算法工程师，带来最新的前沿AI知识和工具，欢迎大家交流~继MetaAI的SAM后，OPPO研究院发布识别一切模型（RecognizeAnythingModel，RAM）：项目链接：https://recognize-anything.github.io/Demo链接：https://huggingface.co/s
陈城南·2023-06-15 03:52

Generative AI 新世界 | 走进文生图（Text-to-Image）领域

并在文本生成（TextGeneration）领域做了一些概述、相关论文解读、以及在亚马逊云科技的落地实践和动手实验。亚马逊云科技开发者社区为开发者们提供全球的开发技术资源。
·2023-06-14 22:25

Generative AI 新世界 | 大型语言模型（LLMs）概述

在上一篇《GenerativeAI新世界：文本生成领域论文解读》中，我带领大家一起梳理了文本生成领域（TextGeneration）的主要几篇论文：InstructGPT，RLHF，PPO，GPT-3，
·2023-06-14 22:25

滴滴ETA论文解读：CompactETA

引言paperCompactETA:AFastInferenceSystemforTravelTimePrediction读后感核心就是将graphattentionnetwork应用到ETA中。核心内容问题对于WDR来说，只要起终点不同，那么link序列就不同，整个recurrent部分都要重新计算。WDR的recurrent结构复杂，所以，WDR整体耗时非常严重。本文要解决的问题是：如何提高E
·2023-06-14 22:22

Generative AI 新世界：文本生成领域论文解读

在上一篇《GenerativeAI新世界：过去、现在和未来》中，我做为一名曾经多次穿越过市场周期的从业者，对GenerativeAI的发展历程、目前的热点方向、以及对未来的畅想做了一个梳理，希望可以帮助大家理清这个新周期的一些底层逻辑，例如知识底座、应用蓝图、以及发展方向和潜在机遇等方面的内容。亚马逊云科技开发者社区为开发者们提供全球的开发技术资源。这里有技术文档、开发案例、技术专栏、培训视频、活
·2023-06-14 22:48

2022KDD论文解读：一种基于动态时空图的取货配送路径预测模型Graph2Route

Graph2Route:ADynamicSpatial-TemporalGraphNeuralNetworkforPick-upandDeliveryRoutePrediction前文（2021KDD论文解读
·2023-06-14 18:42

论文解读-RepPoints

本文主要对目标检测算法RepPoints进行详细讲述，本文逻辑结构和论文保持一致，深入分析作者的研究思路。论文：RepPoints:PointSetRepresentationforObjectDetection代码：https://github.com/microsoft/...摘要存在问题Theboundingboxisconvenienttousebutprovidesonlyacoarse
·2023-06-14 18:37

滴滴ETA论文解读：WDR模型

引言paper：LearningtoEstimatetheTravelTime读后感：整体中规中矩，将WD模型和LSTM相结合，解决实际的业务问题。备注：ETA是EstimateTravelTime的缩写，即，到达时间预估。这个问题描述是，在某一个时刻，估计从A点到B点需要的时间。对于滴滴，关注的是司机开车把乘客从起点送到终点需要的时间。显然，ETA就是一个时空相关的回归问题。Learningto
·2023-06-14 18:35

识别一切模型RAM（Recognize Anything Model）及其前身 Tag2Text 论文解读

总览大家好，我是卷了又没卷，薛定谔的卷的AI算法工程师「陈城南」~担任某大厂的算法工程师，带来最新的前沿AI知识和工具，欢迎大家交流~继MetaAI的SAM后，OPPO研究院发布识别一切模型（RecognizeAnythingModel，RAM）：项目链接：https://recognize-anything.github.io/Demo链接：https://huggingface.co/spac
·2023-06-14 18:22

论文解读 | 基于蒙特卡罗树搜索的触觉目标识别主动末端执行器姿态选择

原创|文BFT机器人本论文提出了一种新颖的方法，使用仅触觉来进行主动物体识别。该算法通过蒙特卡罗树搜索来选择最佳的手腕姿态序列进行物体识别。具体来说，该算法将问题建模为马尔可夫决策过程（MDP），并通过观察和动作来优化策略。该算法的核心思想是，连续触觉特征与机器人之间的运动相关联。本地特征不是唯一的，会在对称部位和相似曲率处重复。将它们在物体上离散化会创建共同的特征，可以建模为概率分布，该分布可以
BFT白芙堂·2023-06-14 17:07

识别一切模型RAM（Recognize Anything Model）及其前身 Tag2Text 论文解读

总览大家好，我是卷了又没卷，薛定谔的卷的AI算法工程师「陈城南」~担任某大厂的算法工程师，带来最新的前沿AI知识和工具，欢迎大家交流~继MetaAI的SAM后，OPPO研究院发布识别一切模型（RecognizeAnythingModel，RAM）：项目链接：https://reco
陈城南·2023-06-14 16:00

DEBERTA: DECODING-ENHANCED BERT WITH DIS- ENTANGLED ATTENTION glue榜首论文解读

一、概览二、详细内容abstracta.两个机制来improvebert和robertaⅰ.disentangledattentionmechanismⅱ.enhancedmaskdecoderb.fine-tuning阶段ⅰ.virtualadversarialtraining->提升泛化c.效果ⅰ.对nlu和nlg下游任务，提升都比较大ⅱ.用一半的训练数据，效果就比roberta-large好
HxShine·2023-06-14 08:31

Vocabulary Learning via Optimal Transport for Neural Machine Translation论文解读

abstracttokenvocabulary的选择对机器翻译结果的影响比较大本文研究什么样才是好的词表，并且能不能不通过训练直接找到最优的词表首先提供一种从信息理论的角度来分析词表的作用通过optimaltransport的思路来找到最佳token词典，并且有一个合适的词表大小，不用训练降低70%的词表大小，取得0.5bleu提升相对于BPE-search，搜索时间从384gpu->30gpu，
HxShine·2023-06-14 08:01

NVIDIA的StyleGAN、StyleGAN2、StyleGAN3系列论文解读，梳理基于风格的生成器架构

通俗来讲就是，张三造假币(Generator生成器)，然后用验钞机去验证真假(Discriminator辨别器)，如果是假的就继续提高造假技术，直到验钞机检验不出来为止，也就是说一个造假一个验假(验钞机也需升级)，两者互相学习和提高的过程，就叫做GAN，那在图片领域，就是想要生成的图片达到以假乱真的效果！好了，这里试图将StyleGAN3篇论文都解读在一起，方便大家更快熟悉这个让人惊艳的大模型，水
寅恪光潜·2023-06-14 07:08
上一页 6 7 8 9 10 11 12 13 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他