论文阅读学习与总结第37页

【论文阅读】Adap-t: Adaptively Modulating Embedding Magnitude for Recommendation

【论文阅读】Adap-:AdaptivelyModulatingEmbeddingMagnitudeforRecommendation文章目录【论文阅读】Adap-:AdaptivelyModulatingEmbeddingMagnitudeforRecommendation1

笃℃·2023-06-20 06:44

【论文阅读_NL2SQL】Towards Complex Text-to-SQL in Cross-Domain Database with Intermediate Representation

【论文阅读_NL2SQL】TowardsComplexText-to-SQLinCross-DomainDatabasewithIntermediateRepresentation文章目录【论文阅读_NL2SQL

笃℃·2023-06-20 06:43

【论文阅读】Graph-less Collaborative Filtering

【论文阅读】Graph-lessCollaborativeFiltering文章目录【论文阅读】Graph-lessCollaborativeFiltering1.来源2.介绍3.模型解读3.1协同过滤

笃℃·2023-06-20 06:10

论文阅读：Scale-aware and High Quality Monocular Depth Estimation Without Real World Labels

CVPR2022主要贡献通过引入虚拟数据集将尺度信息解耦并估计。方法包含两个训练网络：AMDEnetworkΦ:I→d\Phi:I\rightarrowdΦ:I→d,aPoseEstimationNetworkΩ:Ia,Ib→T^a→b\Omega:{I_a,I_b}\rightarrow\hat{T}_{a\rightarrowb}Ω:Ia,Ib→T^a→b;AScaleNetδ:fΦ→s\de

BlueagleAI·2023-06-20 00:08

论文阅读：Dense Depth Priors for Neural Radiance Fields from Sparse Input Views

CVPR2022Preliminary首先我们由一组室内的RGB图像{Ii}i=0N−1,Ii∈[0,1]H×W×3\{I_i\}^{N-1}_{i=0},I_i\in[0,1]^{H\timesW\times3}{Ii}i=0N−1,Ii∈[0,1]H×W×3。通过SFM的方法，我们可以获得相机位姿pi∈R6p_i\in\mathbb{R}^6pi∈R6,内参矩阵Ki∈R3×3K_i\in\ma

BlueagleAI·2023-06-20 00:37

论文阅读| 《An Integrated Pipeline Architecture for Modeling Urban Land Use, Travel Demand, and Traffic 》

整合了土地利用、交通需求模型和交通分配模型目录摘要1、介绍1.1需要一个集成的模型系统1.2管道体系结构概述2土地利用模型：urbansim2.1概述2.2输入2.3如何运行可达性的作用模型系统设计和地理水平分析离散选择模型1.选择模型的计算过程2.下面是urbansim选择模型中价格调整的过程：3.备选方案的限制2.4输出2.5校准和验证3.短期交通出行需求模型：ActivitySim3.1概述

Sheyueyu·2023-06-19 14:34

经典ABR算法介绍：FESTIVE (CoNEXT ‘12)论文阅读笔记

文章目录前言Introduction背景&动机FESTIVE设计前言FESTIVE（Fair,Efficient,andStableadapTIVE）是DASH点播视频中最经典的ABR算法之一，也是基于吞吐量的（Rate-based）ABR算法的代表作。FESTIVE基于过去20个视频块的调和平均数（HM）预测吞吐量，进而通过一系列附加机制确定视频块的码率和请求时间。本笔记是基于原论文的翻译、梳理

Green Lv·2023-06-19 08:26

html学习与总结表单input系列标签

文章目录表单标签input系列标签表单input总结button按钮标签select下拉菜单标签textarea文本域标签label标签表单标签input系列标签标签属性说明inputtext文本框inputpassword密码框inputradio单选框inputcheckbok复选框checked默认选中inputfile文件上传multiple设置意思为多选inputsubmit提交按钮in

糖果店的幽灵·2023-06-19 05:09

CV新架构：VanillaNet: the Power of Minimalism in Deep Learning 论文阅读笔记

CV新架构：VanillaNet:thePowerofMinimalisminDeepLearning论文阅读笔记一、Abstract二、引言三、单个Vanilla的神经结构四、训练VanillaNet4.1

乄洛尘·2023-06-19 02:27

DETRs with Hybrid Matching 论文阅读笔记

DETRswithHybridMatching论文阅读笔记一、Abstract二、引言三、相关工作目标检测中的DETR其它视觉任务中的DETR标签赋值四、方法4.1基础知识通用的DETR框架通用的可变形

乄洛尘·2023-06-19 02:27

2023/6/18周报

目录摘要论文阅读1、题目和现有问题2、工作流程3、图神经网络模块4、注意力网络5、实验结果和分析深度学习1、GNN和GRU的融合2、相关公式推导总结摘要本周在论文阅读上，对基于图神经网络和改进自注意网络的会话推荐的论文进行了学习

白小李·2023-06-19 00:47

[论文阅读]Attention U-Net: Learning Where to Look for the Pancreas

AttentionGateforImageAnalysis粗粒度的特征映射可以捕获上下文信息，突出显示前景对象的类别和位置UNet:在多个尺度上提取的特征图随后通过跳过连接进行合并，以结合粗和细级别的密集预测标准CNN通过不断堆叠卷积层和池化层，使得特征图捕获足够大的感受野和语义上下文信息，然而，仍然难以减少对于形状变化较大的小物体的假阳性预测，为了提高准确性，当前的分割框架依赖于额外的先前对象定

gefeng1209·2023-06-18 22:57

系列论文阅读——Policy Gradient Algorithms and so on(2)

发个库存，嘻嘻，这篇主要讲AC类算法演员-评论家算法（Actor-Critic）上文公式中我们采用的累计回报和()，虽然它是期望收益的无偏估计，但由于只使用了一个样本，存在方差非常大的问题，在这里我们用代替原来公式中的累计回报：若同时加入值函数作为baseline：此时，梯度函数可以转为：为优势函数，表明了在下，采取某个能比该策略下的平均期望收益优劣多少，这就是A2C和A3C的灵魂公式了。如果用采

想学会飞行的阿番·2023-06-18 21:25

论文阅读 Forecasting Human-Object Interaction: Joint Prediction of Motor Attention and Actions in First

ForecastingHuman-ObjectInteraction:JointPredictionofMotorAttentionandActionsinFirstPersonVideoECCV2020taskanticipatinghuman-objectinteractioninfirstpersonvideos阅读记录说明以上内容均为作者本人平时阅读并且汇报使用，内容整理全凭个人理解，如有

WXiujie123456·2023-06-18 14:55

论文阅读 Colar: Effective and Efficient Online Action Detection by Consulting Exemplars

Colar:EffectiveandEfficientOnlineActionDetectionbyConsultingExemplarsCVPR2022task在线动作识别阅读记录如表1所示，基于TSNActivityNet特性，Colar比OadTR带来了1.1%的mAP增益，如果基于TSNKinetics进行比较，则改进的mAP为1.7%。对当前最先进方法的持续改进验证了作者提出的范例参考机

WXiujie123456·2023-06-18 14:24

论文阅读 End-to-End Semi-Supervised Learning for Video Action Detection

End-to-EndSemi-SupervisedLearningforVideoActionDetectionCVPR2022task端到端的半监督视频动作检测方法阅读记录说明以上内容均为作者本人平时阅读并且汇报使用，内容整理全凭个人理解，如有侵权，请联系我；内容如有错误，欢迎留言交流。转载请注明出处，并附有原文链接，谢谢！此外，我还喜欢用ipad对论文写写画画（个人英文阅读的水平有限），做一些

WXiujie123456·2023-06-18 14:24

前端学习-html基础

html学习与总结一、基础认知1.1.1认识网页（了解）➢问题1：网页由哪些部分组成？✓文字、图片、音频、视频、超链接➢问题2：我们看到的网页背后本质是什么？

糖果店的幽灵·2023-06-18 14:11

【论文阅读】Segment Anything（SAM）——可分割一切的CV大模型

【前言】随着ChatGPT席卷自然语言处理，Facebook凭借着SegmentAnything在CV圈也算扳回一城。迄今为止，github的star已经超过3万，火的可谓一塌糊涂。作为AI菜鸟，可不得自己爬到巨人肩膀上瞅一瞅~论文地址：https://arxiv.org/abs/2304.02643代码地址：GitHub-facebookresearch/segment-anything:The

小李AI飞刀^_^·2023-06-18 11:09

【论文阅读】Weighted Boxes Fusion（WBF）模型融合原理解读

论文地址：https://arxiv.org/pdf/1910.13302.pdf代码地址：GitHub-ZFTurbo/Weighted-Boxes-Fusion:Setofmethodstoensembleboxesfromdifferentobjectdetectionmodels,includingimplementationof"Weightedboxesfusion(WBF)"meth

小李AI飞刀^_^·2023-06-18 11:08

论文阅读笔记：Total3DUnderstanding: Joint Layout, Object Pose and Mesh Reconstruction for Indoor Scenes...

Total3DUnderstanding:JointLayout,ObjectPoseandMeshReconstructionforIndoorScenesfromaSingleImage论文连接：https://arxiv.org/abs/2002.12212论文源码：https://github.com/yinyunie/Total3DUnderstanding论文英语视频：https://

种花家的德棍·2023-06-18 03:54

[论文阅读笔记77]LoRA：Low-Rank Adaptation of Large Language Models

1.基本信息题目论文作者与单位来源年份LoRA:Low-RankAdaptationofLargeLanguageModelsmicrosoftInternationalConferenceonLearningRepresentations2021524Citations论文链接：https://arxiv.org/pdf/2106.09685.pdf论文代码：https://github.com

happyprince·2023-06-17 20:24

【论文阅读笔记】BaFFLe: Backdoor Detection via Feedback-based Federated Learning

个人阅读笔记，如有错误欢迎指出会议：2021IEEE41stInternationalConferenceonDistributedComputingSystems(ICDCS)BaFFLe:BackdoorDetectionviaFeedback-basedFederatedLearning|IEEEConferencePublication|IEEEXplore问题：识别、防御联邦学习中的后门

MiaZX·2023-06-17 19:50

【论文阅读笔记】CRFL: Certifiably Robust Federated Learning against Backdoor Attacks

个人阅读笔记，如有错误欢迎指出!会议：PMLR2021[2106.08283]CRFL:CertifiablyRobustFederatedLearningagainstBackdoorAttacks(arxiv.org)问题：现有的防御算法缺乏健壮性创新：证明了所提出框架得稳定性通过马尔可夫核分析聚合模型的训练过程，提出用于模型推理得参数平滑方法：攻击方：single-shot，同时攻击1、训练

MiaZX·2023-06-17 19:50

【论文阅读】Resisting Distributed Backdoor Attacks in Federated Learning: A Dynamic Norm Clipping Approach

个人阅读笔记，如有错误欢迎指出会议：2021IEEEInternationalConferenceonBigDataResistingDistributedBackdoorAttacksinFederatedLearning:ADynamicNormClippingApproach|IEEEConferencePublication|IEEEXplore问题：固定的范数裁剪防御对联邦学习来说仍然难

MiaZX·2023-06-17 19:19

【论文阅读笔记】Local Model Poisoning Attacks to Byzantine-Robust Federated Learning

个人阅读笔记，如有错误欢迎指出！会议：Usenix2020[1911.11815]LocalModelPoisoningAttackstoByzantine-RobustFederatedLearning(arxiv.org)问题：模型攻击对拜占庭鲁棒性联邦学习的攻击效果尚未清楚创新点：1、基于不同防御方法，设计了具有针对性的模型攻击方式2、概括了基于错误率以及基于损失函数的防御方法，测试了两种防

MiaZX·2023-06-17 19:17

论文阅读：Towards a Unified View of Parameter-Efficient Transfer Learning对参数高效迁移学习的统一看法

TowardsaUnifiedViewofParameter-EfficientTransferLearning对参数高效迁移学习的统一看法参数高效的微调在NLP中是较新的方法，早期的代表工作是2019年发表的adapter。2021年开始有越来越多的人关注这一方向并有不同的方法被提出，代表工作有prefixtuning,P-tuning,prompttuning,bitfit,LoRA等。本文中

若年封尘·2023-06-17 17:45

【论文阅读】Analyzing group-level emotion with global alignment kernel based approach

【论文阅读】Analyzinggroup-levelemotionwithglobalalignmentkernelbasedapproach摘要1.介绍与相关工作2.方法3.实验摘要本篇博客参考IEEE

小琳猫·2023-06-17 16:37

【论文阅读】An intelligent system for monitoring students‘ engagement in large classroom teaching through

【论文阅读】Anintelligentsystemformonitoringstudents'engagementinlargeclassroomteachingthroughfacialexpressionrecognition

小琳猫·2023-06-17 16:37

【论文阅读】Group Emotion Detection Based on Social Robot Perception

【论文阅读】GroupEmotionDetectionBasedonSocialRobotPerception摘要1.介绍2.相关工作3.方法4.数据集生成5.模拟与结果6.讨论摘要本篇博客参考MDPIsensors2022

小琳猫·2023-06-17 16:36

论文阅读 (90)：Proposal-based Multiple Instance Learning (P-MIL, 2023CVPR)

文章目录1要点1.1概述1.2一些概念1.3主要步骤2方法2.1候选提案生成2.2提案特征提取和分类2.2.1周围对比特征提取2.2.2分类头2.3提案微调2.3.1提案完备性评估2.3.2实例级秩一致性2.4网络训练和推理2.4.1网络训练2.4.2推理3实验3.1数据集即评估标准3.1.1数据集：3.1.2评估标准3.2实现细节3.2.1网络架构3.2.2超参数设置1要点1.1概述名称：提案多

因吉·2023-06-17 11:26

Deep Retinex Decomposition for Low-Light Enhancement 论文阅读笔记

C.Wei,W.Wang,W.Yang,andJ.Liu,“Deepretinexdecompositionforlow-lightenhancement,”inBMVC,2018.总的来说，就是提出利用一个分解网络首先将输入的图片分解为照度分量和反射分量，然后用一个增强网络调节照度分量，并用去噪算法对反射分量进行去噪。将去噪后的反射分量和增强后的照度分量相乘得到增强结果。同时提出了一个数据集.这

sysu_first_yasuo·2023-06-17 09:35

EnlightenGAN: Deep Light Enhancement without Paired Supervision--论文阅读笔记

Introduction一种高效无监督的生成对抗网络，称为EnlightenGAN，可以在没有低/正常光图像对的情况下进行训练Difficulties1)同步捕获损坏和地面实况图像相同的视觉场景是非常困难甚至不切实际的(例如,光线和普通光照图像对在同一时间)2)从干净的图像中合成损坏的图像有时会有帮助，但这种合成的结果通常不够逼真，当训练后的模型应用于真实的低光图像时，会产生各种伪影3)特别对于低

zeronose·2023-06-17 09:35

WIDESEE论文阅读报告

WIDESEE：面向广域非接触式的无线感知摘要广域非接触式无线感知技术，进展迅速，限制问题是感知范围小。解决方案：WIDESEE，仅利用一对收发机实现广域感知。软件上，采用Lora通信协议，硬件上，以无人机作为传感器宿主。广域非接触式的无线感知，两个挑战：1、设备移动性和Lora的高度敏感性的干扰；2、模糊的目标信息，如仅使用一对收发器时的目标信息。开发实验：用于人体目标检测和定位的WIDESEE

qq_42194332·2023-06-17 09:04

LIME-论文阅读笔记

主要内容人工智能中的可解释性LIME算法思想LIME的前置条件LIME的目的对于模型输出的可解释性(LIME)对于模型行为的可解释性(SP-LIME)人工智能中的可解释性如今，机器学习乃至深度学习技术发展得如火如荼，各领域都能见到它们得身影，但是，大部分的模型对于人类而言，是一个“黑盒”，我们无从知晓模型运行背后的原理。这在许多场景下都不是一件好事，当我们希望利用模型作出某个决策时，良好的可解释性

劉北习·2023-06-17 09:33

LIME论文阅读笔记

这是暗图增强领域一篇经典的传统方法论文，发表在TIP这个顶刊文章基于的是这样一个公式：L=R⋅TL=R\cdotTL=R⋅T其中，LLL是暗图，RRR是反射分量，TTT是illuminationmap，并且对于彩色图像来说，三通道都共享相同的illuminationmap。我们可以使用各种方法估计TTT，又已知LLL，则可以得到反射分量R=L/TR=L/TR=L/T，并认为反射分量就是增强结果，即

sysu_first_yasuo·2023-06-17 09:03

【论文阅读】Learing to summarize from human feedback

长命百岁️·2023-06-17 04:26

【论文阅读笔记】Edge-Preserving Decompositions for Multi-Scale Tone and Detail Manipulation

论文小结：本文提出了一种可以多尺度提取边缘保留的多尺度图像解耦技术，同时作者表明基于双边滤波的细节解耦技术，在任何尺度上都达不到满意的结果，都是受限的。作者提出的方法是以带权重的最小二乘优化法为框架的，它特别适合图像的渐进式平滑化和多尺度细节提取。实际上，本文提出的方法WLS，是一种比BLF效果更好的保边算法，但耗时也要大得多。论文介绍作者认为，双边滤波非常适合去躁和精细尺度上的细节提

时光机ﾟ·2023-06-17 03:15

【论文阅读笔记】Domain Transform for Edge-Aware Image and Video Processing

论文地址：https://www.inf.ufrgs.br/~eslgastal/DomainTransform/Gastal_Oliveira_SIGGRAPH2011_Domain_Transform.pdf论文简介本文提出了一种实时对图像和视频执行高质量边缘保留过滤的方法，主要是通过基于距离的1D卷积核来完成2D卷积的操作，这也是对称卷积中较为常用的加速方式。但这里不同的地方在于，它不是

时光机ﾟ·2023-06-17 03:15

【论文阅读笔记】Fast Bilateral Filtering for the Display of High-Dynamic-Range Images

论文地址：https://people.csail.mit.edu/fredo/PUBLI/Siggraph2002/DurandBilateral.pdf论文小结本文提出方法的目标是压缩高动态范围图像，使其能够用于显示。它可以在保留细节的同时降低对比度。基本原理是将图像分为两个尺度：编码大尺度变化的基础层和一个细节层。只有基础层的对比度会降低，从而保留了细节。分解细节层的算子为双边滤波，

时光机ﾟ·2023-06-17 03:43

QtPdf 开发总结

此过程往往会中断思路，导致论文阅读的效率很低。于是想自己开发一个论文阅读的软件。使在阅读过程中，能随时翻译论

奋羊羊·2023-06-17 01:48

【论文阅读】（2013）Exact algorithms for the bin packing problem with fragile objects

文章目录一、摘要二、介绍三、之前在这个问题上的工作四、易碎物品背包问题的求解4.1ILP模型4.2基于KP01的方法4.3动态规划五、二元分支方案5.1分支方案1（基于决策变量的分支）5.2分支方案2（基于yj和xji的分支）5.3将L2嵌入分支方案2六、非二元分支方案6.1一种组合分枝定界算法6.2具有分支方案3的分支定价七、计算结果7.1分支定价算法的设置和评估7.2精确算法的比较八、总结论文

WSKH0929·2023-06-16 15:38

【论文阅读及代码实现】BiFormer: 具有双水平路由注意的视觉变压器

【论文阅读及代码实现】BiFormer:具有双水平路由注意的视觉变压器文章目录【论文阅读及代码实现】BiFormer:具有双水平路由注意的视觉变压器一、总体介绍二、联系工作三、具体模型3.1注意力3.2

川川子溢·2023-06-16 13:00

论文阅读：Self-Supervised Video Representation Learning With Odd-One-Out Networks

目录ContributionsMethod1、Model2、Threesamplingstrategies.3、Videoframeencoding.ResultsMoreReferencetoFollow论文名称：Self-SupervisedVideoRepresentationLearningWithOdd-One-OutNetworks（2017CVPR）论文作者：BasuraFernan

小吴同学真棒·2023-06-16 06:45

【自监督学习1】SimCLR论文阅读

文章目录一、摘要二、引言三、方法3.1主要框架3.2训练一个大的batchsize四、数据增强4.1实验一数据增强的组合对学习好的特征表达非常重要4.2对比学习需要更多的数据增强五、一些实验证明5.1大模型更有利于无监督对比学习5.2非线性层的预测头增加了特征表示5.3可调节的归一化交叉熵损失函数由于其他方法5.4对比学习更受益于大的batchsize和更长的训练时间六、结论七、其他paper地址

hjxu2016·2023-06-16 05:08

pytorch的学习与总结(第二次组会)

pytorch的学习与总结一、pytorch的基础学习1.1dataset与dataloader1.2可视化工具(tensorboard)、数据转换工具(transforms)1.3卷积、池化、线性层、

码manba·2023-06-16 01:33

NeRF+SLAM论文阅读笔记

CVPR2023Co-SLAM:JointCoordinateandSparseParametricEncodingsforNeuralReal-TimeSLAMinput：RGB-Dcontribution：1.场景表示：多分辨率哈希网格（加速&保留高频特征）2.编码方式：one-blob（提升未观察到区域的补全能力和一致性）编码方式根据场景表示（hash网格）制定3.改进关键帧：支持在所有关键

weixin_47343723·2023-06-15 14:05

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

《论文阅读》连续前缀提示Prompt：table-to-text和摘要生成ACL2021前言相关知识Table-to-TextGeneration自编码语言模型自回归语言模型简介任务定义部分参数更新代码实验结果前言你是否也对于理解论文存在困惑

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

《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前言相关知识hubnessproblem零样本学习灵感来源验证点零样本情感分类的自然语言推理情感提示情感集成自我总结问题前言你是否也对于理解论文存在困惑

365JHWZGo·2023-06-15 13:16

《论文阅读》验证离散提示模板的鲁棒性 EACL2023

《论文阅读》验证离散提示模板的鲁棒性EACL2023前言动机手工prompt和离散prompt质疑实验设置模型数据集评估指标实验验证实验1:训练数据集大小实验2:离散prompt的泛化能力实验3:干扰之字符重新排序实验

365JHWZGo·2023-06-15 13:46

《论文阅读》说话者感知的多轮对话生成的并行分层注意编解码器模型 2021 CoRR abs

《论文阅读》ASpeaker-awareParallelHierarchicalAttentiveEncoder-DecoderModelforMulti-turnDialogueGeneration前言简介相关知识

365JHWZGo·2023-06-15 13:42

推荐频道

论文阅读学习与总结