论文解读第23页

【论文解读】VAE: Auto-Encoding Variational Bayes（变分自编码器）

文章目录基于潜变量的生成模型变分边界与目标函数VAE模型结构代码实现：基于tensorflow2.2实现，代码见github。参考文献1.Auto-EncodingVariationalBayes2.变分自编码器VAE：原来是这么一回事|附开源代码基于潜变量的生成模型模型联合概率分布可表示为pθ(x,z)=pθ(x∣z)pθ(z)p_{\bm\theta}(\bmx,\bmz)=p_\bm\the

十里清风·2022-12-03 15:34

VQ-VAE-2: Deepmind论文解读

根据科技媒体的报道，最近deepmind的新模型VQ-VAE-2的生成效果甚至超过了BigGAN，作为生成模型的初学者，我知道GAN，知道AE和VAE，但是却对这篇文章的VQ没有了解。“这会是一种新的生成模型吗”—这个问题使我想一探究竟。效果图容我先放几张模型生成的图片来吸引读者的阅读兴趣。你相信这些人脸只是模型臆想出来的吗，这么优美的图像细节到底是如何产生的呢模型架构让我们先从一个高层的角度审视

鲜-橙·2022-12-03 15:04

论文笔记之PPO

论文地址，点这里有关TRPO的论文解读，可参考我的另一篇论文笔记之TRPOPPO作为目前比较火热的model-free类强化学习算

Ton10·2022-12-03 06:12

MAE论文解读

文章目录创新点算法原理MaskingMAEencoderMAEdecoder重构目标实验Baseline:ViT-Large.消融实验Masktoken自监督方法比较迁移至目标检测任务及语义分割任务结论论文:《MaskedAutoencodersAreScalableVisionLearners》代码:https://github.com/facebookresearch/mae创新点本文说明掩码

‘Atlas’·2022-12-03 05:32

基于PyG Temporal的DCRNN（扩散卷积递归神经网络）代码实现

DiffusionConvolutionalRecurrentNeuralNetwork:Data-DrivenTrafficForecasting论文下载：https://arxiv.org/abs/1707.01926论文解读

m0_53961910·2022-12-03 05:29

【SegNeXt: Rethinking Convolutional Attention Design for Semantic Segmentation论文解读】

SegNeXt:RethinkingConvolutionalAttentionDesignforSemanticSegmentation论文解读前言0.摘要1.introduction2.relatedwork3

Wan-yuming·2022-12-03 01:25

【Co-Scale Conv-Attentional Image Transformers论文解读】

Co-ScaleConv-AttentionalImageTransformers论文解读概述conv-attention机制co-scale机制SerialBlockParallelBlock概述Co-ScaleConv-AttentionalImageTransformers

Wan-yuming·2022-12-03 01:55

【Segmenter: Transformer for Semantic Segmentation论文解读】

Segmenter:TransformerforSemanticSegmentation论文解读前言0.摘要1.introduction2.relatedwork3.method3.1encoder3.2decoderLinearMaskTransformerexperiment

Wan-yuming·2022-12-03 01:52

spellgcn 论文解读_ICCV 2019 论文解读 | 基于层次解析的Image Captioning

原标题：ICCV2019论文解读|基于层次解析的ImageCaptioning©PaperWeekly原创·作者｜蔡文杰学校｜华南理工大学研究方向｜计算机视觉目前大多数的imagecaptioning模型采用的都是

weixin_39732716·2022-12-02 21:11

手把手医学知识图谱搭建案例

陈万君Allen·2022-12-02 19:24

MTCNN：一种用于人脸检测的级联卷积网络

JointFaceDetectionandAlignmentUsingMultitaskCascadedConvolutionalNetworks论文地址：https://arxiv.org/abs/1604.02878这是个人写的第一篇论文解读

咆哮的阿杰·2022-12-02 19:26

CVPR 2020 最佳论文解读：无需任何监督，即可重建三维图像

作者|陈大鑫、蒋宝尚编辑|丛末我有一张二维照片，能让它变成三维图像么？可以，当前的一些3D电影相册工具，给图片加一个相框也能形成动态效果。另外，用PS软件，进行一步、两步、三步等等操作后，也可以2D变3D，只不过即使技艺精湛的设计师也需要花费一点时间。然而，这届的CVPR最佳论文提出了一种无监督的方法，能够常准确地从单目图像中恢复人脸、猫脸和汽车的三维形状。效果如下：上下左右，前前后后，充分展示了

我爱计算机视觉·2022-12-02 18:41

论文解读VLM: Task-agnostic Video-Language Model Pre-training for Video Understanding

简介论文链接:link.vlm是一个task-agnosticmulti-modalpre-trainingapproach。无特定任务的多模态预训练方法。用于视频理解。主要贡献如下：Insummary,themaincontributionsofthispaperareasfollows:(1)weproposetopre-trainatask-agnosticencoderforvideoun

黑夜使者·2022-12-02 16:07

论文解读SimCSE: Simple Contrastive Learning of Sentence Embeddings

简介这是一篇方法很简单效果却十分好的论文，直接将语义相似度sota提升了好几个百分点。背景对比学习Contrastivelearningaimstolearneffectiverepresentationbypullingsemanticallycloseneighborstogetherandpushingapartnon-neighbors(Hadselletal.,2006)对比学习可以拉开

黑夜使者·2022-12-02 14:20

【AI】CV开山之作：《AlexNet》论文解读与代码实现

前言（非论文前言）和用言语讲出来相比，用文字解读论文挺有难度，因为作为听/观众来说，耳朵对信息的过滤效果要好于眼睛。论文看完，用代码把模型跑通、跑出较好的效果也很有难度，因为作者为了涨精度，常常加入一些tricks，但又不写在论文里。AlexNet模型结构比较简单，所以实现起来不算难，但如果要在自己的数据集上训练，那还是有一定难度的，因为这涉及到数据处理、搭模型、推理预测等阶段，期间会出现很多bu

Dreamcatcher风·2022-12-02 14:44

SICE：基于CNN的多曝光图像增强网络论文解读

目录一、文章摘要概述二、多曝光数据采集三、网络构建（1）、网络概览（2）、组件增强网络1、LuminanceEnhancementNetwork2、DetailEnhancementNetwork（3）整体增强网络四、效果展示文章代码：一、文章摘要概述文章题目是：《LearningaDeepSingleImageContrastEnhancerfromMulti-ExposureImages》

CleMints·2022-12-02 13:19

硬核·论文解读(1)——YOLOR

本文目录论文介绍论文部分解读(中英对照)摘要(Abstract)原文如下：大致翻译：第一部分：Introduction原文如下：大致翻译：第二部分：Relatedwork原文如下：大致翻译：第三部分：Howimplicitknowledgeworks?原文如下：大致翻译：第四部分：Implicitknowledgeinourunifiednetworks原文如下：大致翻译：最后的部分：实验结果及比

赵云战江湖·2022-12-02 11:49

3d 人脸重建论文解读

Accurate3DFaceReconstructionwithWeakly-SupervisedLearning:FromSingleImagetoImageSet解读最近看到一篇>很不错的3dface重建文章，做个简单笔记。这篇文章通过弱监督学习来实现人脸重建，并且支持基于多张图的人脸重建。论文链接：https://arxiv.org/abs/1903.08527官方实现(tensorflow

lyyiangang·2022-12-02 10:51

【ECCV2020】End-to-End Object Detection with Transformers论文解读

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言一、研究背景二、研究成果1.DETRarchitecture2.lossfunction总结前言`本文对ECCV2020论文《End-to-EndObjectDetectionwithTransformers》进行解读。一、研究背景目标检测的任务是要去预测一系列的BoundingBox的归一化坐标值以及物体的ClassLa

OnTheYoung·2022-12-01 23:59

BiseNetV1 语义分割论文解读

摘要语义分割需要丰富的空间信息和相当大的感受野。然而，现代方法通常会损害空间分辨率，以实现实时推理速度，从而导致较差的性能。在本文中，我们用一种新的双边分割网络(BiSeNet)来解决这个困境。我们首先设计了一个小步幅的空间路径SpatialPath来保存空间信息和生成高分辨率的特征。同时，采用具有快速降采样策略的上下文路径ContextPath来获得足够的接受域。在这两条路径的基础上，我们引入了

晓梦清尘·2022-12-01 20:57

《Relational inductive biases, deep learning, and graph networks》图网络论文解读

研究背景机器学习界有三个主要学派，符号主义（Symbolicism）、连接主义（Connectionism）、行为主义（Actionism）。符号主义的起源，注重研究知识表达和逻辑推理。经过几十年的研究，目前这一学派的主要成果，一个是贝叶斯因果网络，另一个是知识图谱。贝叶斯因果网络的旗手是JudeaPearl教授，2011年的图灵奖获得者。但是据说2017年NIPS学术会议上，老爷子演讲时，听众寥

mishidemudong·2022-12-01 19:27

YOLOv7论文解读

论文链接：https://arxiv.org/abs/2207.02696代码链接：https://github.com/WongKinYiu/yolov7摘要在5FPS到160FPS范围内，YOLOv7的速度和精度都超过了所有已知的目标检测器，在V100上所有已知的30FPS以上的实时目标检测器中，YOLOv7的准确率最高，达到56.8%AP。其中，YOLOv7-E6目标检测器（56FPSV10

EsproAI++·2022-12-01 18:16

（论文解读四）

Title：GCN:LargeKernelMatters---ImproveSemanticSegmanticbyGlobalConvolutionalNetworkNotedata：2019/05/13Abstract：GCN提出了GlobalConvolutionalNetwork(GCN)，同时给出了一个基于残差(residual)的boundaryrefinement(BR)模块用于细化物

Jayden yang·2022-12-01 18:47

代码复现： VoxelNet论文和代码解析 pytorch版本（二） Dataloader.py

本节主要介绍VoxelNetVoxelNetVoxelNet的数据处理部分，整体训练和论文解读请移步这里。

jilinLee·2022-12-01 18:46

关系分类论文解读笔记-2

ACL2020论文：ANovelCascadeBinaryTaggingFrameworkforRelationalTripleExtractiongithub项目地址目录ACL2020论文：ANovelCascadeBinaryTaggingFrameworkforRelationalTripleExtractionAbstract1Introduction2Relatedwork3TheCAS

巴拉巴拉888·2022-12-01 04:47

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，论文排名不分先后），希望能对从事相关研究方向的同学有所帮助或启发。论文01：MaskandReason:Pre-TrainingKnowledgeGraphTransformersforComplexLo

文文学霸·2022-12-01 04:42

EPNet论文解读

EPNet论文解读1.背景2.网络架构2.1ImageStream2.2GeometricStream2.2.1SA模块2.2.2FP模块2.3FI-Fusion2.3.1GridGenerator2.3.2ImageSampler2.3.3LI-FusionLayer2.4ConsistencyEnforcingLoss2.5OVerallLossFunction

sky1_23·2022-12-01 04:55

【军工AI】基于图像处理与图像识别的经典探地雷达识别

文章目录本课题的研究内容：探地雷达原理探地雷达图像预处理图像倾斜矫正均值法去背景原理与实现图像分割技术阈值分割技术的实现腐蚀与膨胀技术探地雷达杂波抑制研究与实现探地雷达合成孔径成像探地雷达目标识别总结本文为论文解读

cv君·2022-12-01 01:01

【论文解读】（拼音+字形+字三种信息的中文BERT）ChineseBERT: Chinese Pretraining Enhanced by Glyph and Pinyin Information

iioSnail·2022-11-30 23:19

【对比学习】CUT模型论文解读与NCE loss代码解析

标题：ContrastiveLearningforUnpairedImage-to-ImageTranslation(基于对比学习的非配对图像转换)作者：TaesungPark，AlexeiA.Efros，RichardZhang，Jun-YanZhu论文下载地址：http://arxiv.org/abs/2007.15651开源代码：https://github.com/taesungp/con

Joker 007·2022-11-30 18:31

图像风格转换之 CUT 论文解读与感想

ContrastiveLearningforUnpairedImage-to-ImageTranslation（CUT）是发布于2020年ECCV的一篇关于图像风格转换的文章。本文最大的特点就是将目前大热的对比学习应用到了图像风格转换问题上来，实现了一种轻量级的图像风格转换模型，并且本文可以进一步实现单张图片之间的风格转换。文章切入点无配对图像风格转换领域近些年来最成功和最经典的模型无疑就是Cyc

涑月听枫·2022-11-30 18:31

论文解读：How Powerful are Graph Neural Networks?

HowPowerfulareGraphNeuralNetworks?[Blog:PaperNotessortedoutbypaper]AboutThisPaperKeyuluXu,WeihuaHu,JureLeskovec,StefanieJegelkaMITandStanfordUniversityhttps://arxiv.org/pdf/1810.00826.pdfGNNs一个图神经网络的更

ZenMoore6345·2022-11-30 15:24

ECCV2018 非限制场景（大倾角，小比例）车牌识别论文解读

lookforpapersforalprcontributer:leoluopy欢迎提issue.欢迎watch，star，实时讨论前沿分享欢迎加入分享：联系微信：leoluopy个人微信欢迎交流：github：https://github.com/leoluopy/paper_discussing/blob/master/ALPR/alpr.mdOverview来自ECCV2018，提出了一个整

放牛娃不吃草·2022-11-30 14:37

达摩院ECCV基于Transformer探索帧间时空3D转2D的快速动作识别论文解读

一、论文&代码论文：https://www.ecva.net/papers/eccv_2022/papers_ECCV/papers/136630615.pdf模型&代码：ModelScope魔搭社区二、背景高效的时空建模(Spatiotemporalmodeling)是视频理解和动作识别的核心问题。相较于图像的Transformer网络，视频由于增加了时间维度，如果将Transformer中的自

sunbaigui·2022-11-30 14:02

SMPL-论文解读

文章目录创新点算法shapeblendshape：poseblendshapeJointlocationSMPLmodel训练过程PoseParameterTrainingjointregressorShapeParameterTrainingOptimizationsummaryDMPL实验结论论文：《SMPL:Askinnedmulti-personlinearmodel》github:htt

‘Atlas’·2022-11-30 12:09

计算机视觉中的神经网络可视化工具与项目

本文来自公众号CV技术指南的技术总结系列关注公众号CV技术指南，专注于计算机视觉的技术总结、最新技术跟踪、经典论文解读CNN解释器这是一个中国博士发布的名叫CNN解释器的在线交互可视化工具。

CV技术指南(公众号)·2022-11-30 11:04

目标检测论文解读复现 | 目录一览表

目标检测论文解读复现|目录一览表文章目录目标检测论文解读复现|目录一览表此前出了目标改进算法专栏，但是对于应用于什么场景，需要什么改进方法对应与自己的应用场景有效果，并且多少改进点能发什么水平的文章，为解决大家的困惑

人工智能算法研究院·2022-11-30 07:43

NeurIPS论文解读｜Decision Transformer: 通过序列建模解决离线强化学习问题

OpenDILab开源决策智能平台·2022-11-30 06:50

论文解读：SMOKE：SMOKE: Single-Stage Monocular 3D Object Detection via Keypoint Estimation

摘要估计三维方向和物体的平移对于无基础设施的自主导航和驾驶至关重要。在单目视觉方面，成功的方法主要基于两个因素：（1）网络生成2D区域提案；（2）R-CNN结构，利用所获得的感兴趣区域预测3D物体的姿态。我们认为2D检测网络是冗余的，并为3D检测引入了不可忽略的噪声。因此，我们提出了一种新的三维目标检测方法，称为SMOKE，该方法通过将单个关键点估计与回归的三维变量相结合来预测每个检测对象的三维包

Jumi爱笑笑·2022-11-29 22:59

人体姿态2019（八）Distribution-Aware Coordinate Representation for Human Pose Estimation

《Distribution-AwareCoordinateRepresentationforHumanPoseEstimation》论文解读Abstract1.Introduction2.Methodology2.1

Raywit·2022-11-29 22:55

PointRCNN: 3D Object Proposal Generation and Detection from Point Cloud论文解读

前言PointRcnn的动机？(1)将点云投影到鸟瞰图或者正面图，又或者投射到体素中，效率比较低下,并且在量化过程中会遭受信息损失。(2)F-Pointnet根据2DRGB检测结果裁剪出的截锥点云估计出三维包围盒，该方法严重依赖于二维检测性能，无法利用三维信息的优势生成鲁棒的包围盒建议。根据（1）（2）作者提出了PointRCNN:分为两个阶段第一阶段是自下而上生成3Dboundingbox提案第

Abel_____·2022-11-29 14:41

Lifelong SLAM 论文解读合集（3）：针对长时间重复运行SLAM地图更新问题

LifelongSLAM论文解读合集（3）：针对长时间重复运行SLAM地图更新问题(RAL2020)LearningMatchableImageTransformationsforLong-TermMetricVisualLocalization

闭门即深山·2022-11-29 09:42

医学图像配准中的深度学习综述论文解读

点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达来源：https://zhuanlan.zhihu.com/p/92032320作者：莫云非本文来自知乎专栏，仅供学习参考使用，著作权归作者所有。如有侵权，请私信删除。这里笔者尝试解读一篇2019年预发表的《DeepLearninginMedicalImageRegistration:ASurvey》论文综述，在这篇综述中，原作

小白学视觉·2022-11-29 09:07

2021最新对比学习（Contrastive Learning）在各大顶会上的经典必读论文解读

点击上方，选择星标或置顶，每天给你送上干货作者|对白出品|公众号：对白的算法屋我为大家整理了对比学习在最新各大顶会上的论文合集及相应代码，所列举的论文涉及领域包括但不限于CV,NLP,Audio,Video,Multimodal,Graph,Languagemodel等，GitHub地址：https://github.com/coder-duibai/Contrastive-Learning-Pa

机智的叉烧·2022-11-29 09:46

DECISION-BASED ADVERSARIAL ATTACKS: RELIABLE ATTACKS AGAINST BLACK-BOX MACHINE LEARNING MODELS 论文解读

Abstract这篇文章中我们介绍了BoundaryAttack,adecision-basedattackthatstartsfromalargeadversarialperturbationandthenseekstoreducetheperturbationwhilestayingadversarial。这种攻击在概念上十分简单，requiresclosetonohyperparameter

你回到了你的家·2022-11-29 07:58

Going deeper with convolutions----------（GoogLeNet）论文解读

Abstract：*作者提出了一个深度卷积神经网络结构用于ILSVRC2014，网络结构的主要特征是提升了网络内部的计算资源。十分小心地提升了网络的深度和宽度并且使计算的预期结果不变。网络结构设计基于Hebbian原则和多尺度的直觉处理。该网络被命名为GoogLenet并在分类和检测中评价其性能。1、introduction：GoogLeNet比AlexNet少12倍的参数然而准确率却更高。在目标

zhulei1109·2022-11-29 05:51

[论文解读]Learning Relationships for Multi-View 3D Object Recognition.

Yang,ZeandLiweiWang.“LearningRelationshipsforMulti-View3DObjectRecognition.”2019IEEE/CVFInternationalConferenceonComputerVision(ICCV)(2019):7504-7513.目录一.前言1.研究背景及目的：2.文章贡献：3.基础原理二.方法1.解决问题的关键因素：2.概述3

小羊要开心a·2022-11-29 01:44

CVPR 2021 论文解读 | 住宅户型识别与重建

住宅户型的识别与重建在装修设计中是非常重要且有挑战的问题。我们提出了一种基于微分渲染的户型识别算法，能够准确识别建筑元素，房间类型，大小尺寸，最终输出准确的3D矢量化户型。我们使用基于深度学习的分割和检测网络来进行建筑元素的识别，关键点检测与聚类用来做比例尺识别，基于微分渲染的迭代优化来进行矢量化。这是第一个从分割点阵图进行矢量化的户型识别方法，与已有方法比较，我们最终的计算结果具有更高的准确率和

阿里巴巴淘系技术团队官网博客·2022-11-29 01:30

3D-CVF论文解读

3D-CVF论文解读1.背景2.网络架构2.1LiDARpipeline2.2RGBPipeline2.3Cross-ViewFeatureMapping2.4GatedCamera-LiDARFeatureFusion2.53DROIFusion-basedRefinement3

sky1_23·2022-11-29 01:27

Open-Vocabulary Object Detection Using Captions(2021 CVPR)----论文解读

Open-VocabularyObjectDetectionUsingCaptions[2021CVPR]----论文解读papercode1.AbstractOpen-VocabularyObjectDetectionUsingCaptions2

落了一地秋·2022-11-28 20:44

推荐频道

论文解读