论文名称：BenchmarkingHashingAlgorithmsforLoadBalancinginaDistributedDatabaseEnvironment摘要现代高负载应用使用多个数据库实例存储数据。这样的架构需要数据一致性，并且确保数据在节点之间均匀分布很重要。负载均衡被用来实现这些目标。几乎所有负载均衡系统的核心都是哈希算法。自经典一致性哈希引入以来，已经为此目的设计了许多算法。负

proposal+classification目前fullysupervised动作定位算法可以分为两类：top-down和bottom-up。top-down方法通过滑动不同尺度的窗口获取proposals，它的缺陷在于生成的proposals通常在时间上不够精确或不够灵活，无法涵盖不同持续时间动作实例。bottom-up方法分为两个阶段（1)定位时间边界并将边界合并为提案；(2）使用构造的提案

原文：Ajobschedulingalgorithmbasedonparallelworkloadpredictiononcomputationalgrid概述一般来说，计算网格由大量的计算节点组成，其中一些由于计算需求的地理分布不均而处于空闲状态。这可能会导致工作负载不平衡问题，影响大规模计算网格的性能。为了平衡计算需求和计算节点，我们提出了一种基于计算节点工作负载预测的作业调度算法。我们首先分

名称：AnAdaptiveMetadataManagementSchemeBasedonDeepReinforcementLearningforLarge-ScaleDistributedFileSystemsI.引言如今，大型集群文件系统的规模已达到PB甚至EB级别，由此产生的数据呈指数级增长。系统架构师不断设计和优化技术和方法，以向用户提供理想的服务。在这种情况下，元数据管理在提高系统性能中扮

AssessingthePerformanceofInteractiveMultiobjectiveOptimizationMethods:ASurvey作者：BEKIRAFSAR、KAISAMIETTINEN、FRANCISCORUIZ期刊：ACMComput.、2021DOI：10.1145/3448301引言多目标优化问题需要同时优化几个相互冲突的目标函数，通常没有任何解决方案可以使所有目标

因为我的方向是场景图，所以仅介绍这篇论文中有关场景图的内容，不涉及VQA。(a)FeatureExtraction先对输入图像进行目标检测，每个proposal的视觉特征x包括以下特征：ROIAlignfeature(2048维)，空间feature(8维)，论文这里说视觉特征不局限于bbox，实例分割特征和全景特征也可以。(b)构建可学习的对称矩阵S（1）S的计算方法如下：f(xi,xj)称为对

Aninteractivemethodforsurrogate-assistedmulti-objectiveevolutionaryalgorithms辅助代理多目标进化算法的交互式方法作者：DinhNguyenDuc、LongNguyen、KienThaiTrung期刊：IEEEInternationalConferenceonKNOWLEDGEANDSYSTEMS、November2020D

InteractiveMultiobjectiveOptimization：AReviewoftheState-of-the-Art作者：BinXin、LuChen、JieChen期刊：IEEEAccess、2018DOI：10.1109/AXXESS.2018.2856832摘要交互式多目标优化(IMO)旨在通过决策者DM逐步提供的偏好信息找到决策者最喜欢的解决方案。在此过程中，决策者可以调整他

TamingTransformersforHigh-ResolutionImageSynthesis记录前置知识AbstractIntroductionRelatedWorkMethodLearninganEffectiveCodebookofImageConstituentsforUseinTransformersLearningtheCompositionofImageswithTransfo

Brain–ComputerEvolutionaryMultiobjectiveOptimization:AGeneticAlgorithmAdaptingtotheDecisionMaker作者：RobertoBattiti、AndreaPasserini期刊：IEEETRANSACTIONSONEVOLUTIONARYCOMPUTATION、OCTOBER2010DOI：10.1109/TEV

TC2022Paper，元数据论文阅读汇总“multiplemetadataserver(MDS)”多个元数据服务器“localitypreservinghashing(LPH)”局部保持哈希“MultipleSubsetSumProblem

EuroSys2022Paper分布式元数据论文汇总问题在不同的工作负载下，没有单一的Linux文件系统在普通SSD上始终表现良好。我们将一个完备的文件系统定义为在各种微基准测试和应用程序中，没有一个工作负载的性能低于最佳文件系统性能的30%，并且大多数工作负载实现至少85%的最佳文件系统性能。在普通SSD上没有一个文件系统是完备的。现有文件系统局限性BetrFS的问题顺序写入和过多的文件数据拷贝

元数据优化论文阅读GUFI:Fast,SecureFileSystemMetadataSearchforBothPrivilegedandUnprivilegedUsersSC2022Paper论文笔记针对元数据查询的优化

【论文阅读笔记】分钟级别的高质量文本到3D角色生成AbstractIntroductionMethodLL/VM解析人脸面部属性并生成根据密集地标重建face/head形状几何生成纹理生成纹理提取漫反射反照率

WURSTCHEN：用于大规模文本到图像扩散模型的高效架构摘要贡献方法训练推理实验结论附录附录A附录B附录C附录D附录E这篇文章提出了一个高效的用于文本到图像生成模型架构，整体思路比较直白，在不损失图像生成质量的情况下，相比于现有T2I模型（SD1.4，SD2.1等）大大节约了成本。附录部分给了一些有趣的东西，比如FID的鲁棒性整篇文章还有点疑惑，比如阶段B的训练，使用的模型；节省成本主要是在说C

Advancesin3DGeneration:ASurvey挖个坑，近期填完摘要time：2024年1月31日paper：arxiv机构：腾讯挖个坑，近期填完摘要生成3D模型位于计算机图形学的核心，一直是几十年研究的重点。随着高级神经表示和生成模型的出现，3D内容生成领域发展迅速，能够创建越来越高质量和多样化的3D模型。该领域的快速增长使得很难跟上所有最近的发展。在本次调查中，我们旨在介绍3D生成

论文标题：ASelf-OptimizedGenericWorkloadPredictionFrameworkforCloudComputing概述准确地预测未来的工作负载，如作业到达率和用户请求率，对于云计算中的资源管理和弹性非常关键。然而，设计一个通用的工作负载预测器，并使其适用于各种类型的工作负载，具有很大的挑战性，因为工作负载的种类繁多且随着时间动态变化。由于这些挑战，现有的工作负载预测器通

Text-to-SQLEmpoweredbyLargeLanguageModels:ABenchmarkEvaluation大语言模型助力Text-to-SQL：一项基准评估DaweiGao∗[email protected]∗[email protected]

SCI论文写作训练营笔记汇总02_英文科技论文阅读与解析持续创作，加速成长！

论文地址：https://arxiv.org/pdf/2312.05799v1.pdf源码地址：https://github.com/yanzq95/SGNet概述  深度图的图像引导超分辨率在各个领域有着广泛的应用。但是，复杂的成像环境会导致深度图的结构边缘变得模糊。如图2所示，从梯度图可以看出，它能够很好地表现出图像的结构信息。从频谱图可以看出，高分辨率的深度图和RGB图像都包含了丰富的高频和

论文arxiv.org/pdf/2306.06894.pdfhttps://arxiv.org/pdf/2306.06894.pdf代码（使用的是华为mindspore框架）Shuijing2018/GLAC_Mindspore(github.com)https://github.com/Shuijing2018/GLAC_Mindspore最近的一项研究表明，通过利用未标记数据，可以在类别转移条

Paper:Transformer-XL:AttentiveLanguageModelsBeyondaFixed-LengthContext重点关注论文中的相对位置编码及提高融合了相对位置信息的attentionscore的计算效率的部分。AbstractTransformer具有学习长依赖的能力，但受限于语言模型固定长度上下文的限定。本文提出的Transformer-XL神经网络架构可以在不打破

OkunoA,HadaT,ShimodairaH.Aprobabilisticframeworkformulti-viewfeaturelearningwithmany-to-manyassociationsvianeuralnetworks[C]//InternationalConferenceonMachineLearning.PMLR,2018:3888-3897.预备知识这部分主要是为了介

Avisualizedhuman-computerinteractiveapproachtojobshopscheduling作者：DongH.Baek、SangY.OH、WanC.Yoon期刊：COMPUTERINTEGRATEDMANUFACTURING、1999网络资源：Avisualizedhuman-computerinteractiveapproachtojobshopscheduli

TimeSeriesContrastiveLearningwithInformation-AwareAugmentations摘要背景：在近年来，已经有许多对比学习方法被提出，并在实证上取得了显著的成功。尽管对比学习在图像和语言领域非常有效和普遍，但在时间序列数据上的应用相对较少。对比学习的关键组成部分：对比学习的一个关键组成部分是选择适当的数据增强（augmentation）方式，通过施加一些先

本文是对Transformer-Attentionisallyouneed论文阅读-CSDN博客以及【李宏毅机器学习】Transformer内容补充-CSDN博客的补充，是对相关代码的理解。

介绍具身智能可粗略定义为，智能体（可以是生物或机械），通过与环境产生交互后，通过自身的学习，产生对于客观世界的理解和改造能力。具身智能假设，智能行为可以被具有对应形态的智能体通过适应环境的方式学习到。因此，地球上所有的生物，都可以说是具身智能。但就目前而言，具身智能是将视觉、语言和推理等传统智能概念融入人工智能体中，以帮助解决虚拟环境中的人工智能问题。具身智能模拟器具身智能模拟器具身AI模拟器概述

论文：MapReduce:SimplifiedDataProcessingonLargeClustersJeffreyDeanandSanjayGhemawatGooglehttps://pdos.csail.mit.edu/6.824/papers/mapreduce.pdfMapReduce是一种分布式系统中处理大数据方法。他提出是在2004，jeffdean和SanjayGhemawat的作

论文名称：MapReduce:SimplifiedDataProcessingonLargeClusters翻译的效果不是很好，有空再看一遍，参照一下别人翻译的。MapReduce:SimplifiedDataProcessingonLargeClusters中文翻译版(转)-阿洒-博客园(cnblogs.com)概要MapReduce是一种处理和生成大数据集的编程模型和相关实现。用户可以指定一个

一特征选择（featureselection）的简介  我们现在正处在大数据的时代，大量的高维数据在各种领域中无处不在，如社交媒体、医疗保健、生物信息学和在线教育。  当数据挖掘和机器学习算法应用于高维数据时，一个关键问题被称为维数诅咒：数据在高维空间中变得更加稀疏，对为低维空间设计的算法产生不利影响的现象。用一个例子表示就是如果用one-hot编码来对文章进行编码（即一篇文章为一个正交向量），因

orz相关文章目录：【论文阅读】StegaStamp:InvisibleHyperlinksinPhysicalPhotographs文章目录前言1.内容简介2.摘要浏览3.图片、表格浏览4.引言浏览自由阅

目录论文使用方法weightdecayMaxNorm如果使用原来的代码报错的可以看下面这个论文问题：真实世界中普遍存在长尾识别问题，朴素训练产生的模型在更高准确率方面偏向于普通类，导致稀有的类别准确率偏低。key:解决LTR的关键是平衡各方面，包括数据分布、训练损失和学习中的梯度。文章主要讨论了三种方法：L2normalization,weightdecay,andMaxNorm本文提出了一个两阶

目录一、Article:文献出处（方便再次搜索）（1）作者（2）文献题目（3）文献时间（4）引用二、Data:文献数据（总结归纳，方便理解）（1）背景介绍（2）目的（3）预置知识（4）主要实现手段4.1overview4.2MPGraph的工作流程4.3阶段转换检测器PhaseTransitionDetector4.4多模态访存预测器Phase-SpecificMulti-ModalityPred

论文题目：:Semi-supervisedSmallAppleDetectioninOrchardEnvironments项目链接：https://www.inf.uni-hamburg.de/en/inst/ab/cv/people/wilms/mad.html摘要（Abstract）农作物检测是自动估产或水果采摘等精准农业应用不可或缺的一部分。然而，由于缺乏大规模数据集以及图像中农作物的相对尺

论文题目：ASF-YOLO:AnovelYOLOmodelwithattentionalscalesequencefusionforcellinstancesegmentation论文链接：https://arxiv.org/abs/2312.06458代码链接：https://github.com/mkang315/ASF-YOLO摘要（Abstract）作者提出了一种新颖的基于"YouOnly

上午除了上课，主要是听一个关于议论文阅读的讲座，讲得很用心。感

JointUpload-DownloadTransmissionSchemeforLow-LatencyMobileLiveVideoStreaming会议信息：Publishedin:2023IEEE/ACM31stInternationalSymposiumonQualityofService(IWQoS)1背景移动视频流量和用户需求的快速增长，导致多个视频流客户端共享一个瓶颈链路的可能性增大

360DIV:360°VideoPlusDepthforFullyImmersiveVRExperiences会议信息：Publishedin:2023IEEEInternationalConferenceonConsumerElectronics(ICCE)作者：1背景与挑战360°视频不提供运动视差，如图1所示。当观看者移动时，虚拟场景随之而动，这大大降低了体验的质量。在这项工作中，我们处理3

论文地址：https://arxiv.org/pdf/2005.09801v1.pdf《FashionBERT:TextandImageMatchingwithAdaptiveLossforCross-modalRetrieval》是一篇非常新的论文，于2020年5月20提交arxiv，文中在时尚领域使用自适应损失技术，实现了文本与图片的跨模态搜索（用文本搜图片、用图片搜文本）。早期的跨模态搜索常

评判现有物体检测算法在自动驾驶领域是否可行。结论如下：最好的算法在图像被污染的情况下，检测率下降严重，最少31%，最多64+%大容量模型相比小容量模型更具鲁棒性训练时添加用风格转移算法处理后的图片，能显著提高模型的鲁棒性noise.pngperform.pngstyle.pngpapergithub风格化github

PUlearning论文阅读。

Vlogger：把你的梦想变成Vlogpaper：https://arxiv.org/abs/2401.09414code：https://github.com/zhuangshaobin/vlogger看起来挺有意思的，有空读一下本文提出Vlogger，一种用于生成用户描述的分钟级视频博客(即vlog)的通用人工智能系统。与几秒钟的短视频不同，vlog通常包含复杂的故事情节和多样化的场景，这对大

基于confidencevector的MIAMachineLearningasaService简单介绍什么是MembershipInferenceAttacks（MIA）攻击实现过程DatasetShadowtrainingTrainattackmodelMachineLearningasaService简单介绍机器学习即服务（MachineLearningasaService，MLaaS），即将

本文用作Transformer-Attentionisallyouneed论文阅读-CSDN博客的补充内容，因为发现如果实操还是有不能理解的地方，所以准备看看宝可梦老师怎么说×Sel

写在前面检索增强能够有效缓解大模型存在幻觉和知识时效性不足的问题，RAG通常包括文本切分、向量化入库、检索召回和答案生成等基本步骤。近期组里正在探索如何对RAG完整链路进行评估，辅助阶段性优化工作。上周先对评估综述进行了初步的扫描，本篇分享其中一份评估benchmark，RGB。论文：https://arxiv.org/abs/2309.01431代码和数据：https://github.com/

没想到上次的论文阅读更新是八月份哈哈哈哈说好这个月要好好更新的那就把之前没有更新出来的论文阅读补充一下还是小样本跨域系列哈~（由于之前阅读的时间有点久这边可能会放一些PPT）论文名称：《FeatureTransformationEnsembleModelwithBatchSpectralRegularizationforCross-DomainFew-ShotClassification

目录一.LWE问题的鲁棒性二.LWE其他分布选择三.推荐文献四.附密码学人心中的顶会一.LWE问题的鲁棒性robustness，翻译为鲁棒性已有的论文表明，及时敌手获取到部分关于秘密和error的信息，

中文标题：ClipCap:CLIP前缀用于图像描述（ClipCap:CLIPPrefixforImageCaptioning）文章目录1.介绍2.相关工作3.方法3.1综述3.2语言模型微调3.3映射网络架构3.4推理4.结果5.结论摘要：图像描述是视觉语言理解中的一项基础任务，模型会对给定的输入图像预测出一段文本信息性描述。本文提出了一种简单的方法来解决这个任务。我们使用CLIP编码作为描述的前

目录论文背景论文贡献基于未压缩图片的可逆数据隐藏现有的基于JEPG图像的可逆数据隐藏方法论文提出的方法一般论文都是先提出问题后解决问题，所以在阅读一篇论文的时候要清楚论文要解决的问题是什么？也就是论文背景，解决方案是什么？也就是论文贡献论文背景该论文是2020年发表的一篇SCI二区的文章，发表在IEEETransactionsonCircuitsandSystemsforVideoTechnolo

.GUI运行Reference：Structure-from-MotionRevisited原文COLMAP使用教程Colmap论文——《Structure-from-MotionRevisited》论文阅读笔记笔记