CVbaseline论文精读第8页

【论文精读】InstructIE: A Chinese Instruction-based Information Extraction Dataset

InstructIE:AChineseInstruction-basedInformationExtractionDataset前言Abstract1.Introduction2.TaskDefinition:Instruction-basedIE3.DatasetConstructionforInstructIE3.1DataSource3.2DataPreparation3.3DatasetC

HERODING77·2023-06-19 07:33

【论文精读】InstructUIE: Multi-task Instruction Tuning for Unified Information Extraction

InstructUIE:Multi-taskInstructionTuningforUnifiedInformationExtraction前言Abstract1.Introduction2.Methodology2.1InstructionTuningBackground2.2Framework2.2.1TaskSchemaTaskInstructionOptionsTextOutput2.2.

HERODING77·2023-06-19 07:03

【论文精读】LORA: LOW-RANK ADAPTATION OF LARGE LANGUAGE MODELS

LORA:LOW-RANKADAPTATIONOFLARGELANGUAGEMODELS前言ABSTRACT1.INTRODUCTION2.PROBLEMSTATEMENT3.AREN'TEXISTINGSOLUTIONSGOODENOUGH?AdapterLayersIntroduceInferenceLatencyDirectlyOptimizingthePromptisHard4.OURME

HERODING77·2023-06-19 07:32

【论文精读】HugNLP: A Unified and Comprehensive Library for Natural Language Processing

HugNLP:AUnifiedandComprehensiveLibraryforNaturalLanguageProcessing前言Abstract1.Introduction2.Background2.1Pre-trainedLanguageModels2.2Fine-tuningforPLMs3.HugNLP3.1Overview3.2LibraryArchitecture3.2.1Mod

HERODING77·2023-06-19 07:32

『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

【ChatAug: Leveraging ChatGPT for Text Data Augmentation 论文精读】

ChatAug:LeveragingChatGPTforTextDataAugmentation论文精读InformationAbstract1Introduction2RELATEDWORK2.1DataAugmentation2.2Few-shotLearning2.3VeryLargeLanguageModels2.4ChatGPT

小白*进阶ing·2023-06-18 07:13

生成模型（自编码器、VAE、GAN）

文章目录自编码器Autoencoder潜在表示（latentrepresentation）VAE迁移学习生成对抗网络GAN李沐论文精读摘要导言相关工作Adversarialnet简单总结精读挖坑（上课内容来自

丸丸丸子w·2023-06-18 00:55

【论文精读】TNNLS 2022 - 基于深度学习的事件抽取研究综述

【论文精读】TNNLS2022-基于深度学习的事件抽取研究综述【论文原文】：ASurveyonDeepLearningEventExtractionApproachesandApplications【作者信息

Trouble..·2023-06-17 07:23

ViLT论文精读笔记

ViLT论文精读笔记0.摘要1.引言2.背景知识（小综述）2.1对VLP模型分类2.2模态的融合2.3融合前特征的抽取3.模型方法3.1预训练目标函数：3.1.1ImageTextMatching：3.1.2MaskedLanguageModeling3.1.3MaskedImageModeling3.2WholeWordMasking

7个七·2023-06-15 00:59

论文精读 —— Invisible Backdoor Attack with Sample-Specific Triggers

文章目录带有样本特定触发器的隐形后门攻击论文信息论文贡献理解性翻译摘要1.引言2.相关工作2.1.后门攻击2.2.后门防御3.深入了解现有防御4.样本特定的后门攻击（SSBA）4.1.威胁模型4.2.提出的攻击如何生成样本特定的触发器样本特定的后门攻击流程5.实验5.1.实验设置数据集和模型实验比较基准攻击设置防御设置评价指标5.2.主要结果5.3.讨论6.结论论文解析重要参考文章独立同分布说说几

Waldocsdn·2023-06-12 20:16

Transformer模型原理—论文精读

文章目录前言模型架构Encoder和DecoderEncoderDecoderAttentionFFNEmbeddings和PositionalEncodingEmbeddingsPositionalEncoding总结前言今天来看一下Transformer模型，由Google团队提出，论文名为《AttentionIsAllYouNeed》。论文地址。正如标题所说的，注意力是你所需要的一切，该模型

浩然然然·2023-06-12 13:31

研究生如何利用 ChatGPT 帮助开展日常科研工作？

我这篇保姆级的ChatGPT论文精读和组会汇报PPT制作方法历时半个月写成，绝对是全网最详细介绍使用ChatGPT精读论

浮沉sci·2023-06-12 13:30

InstructGPT

InstructGPT论文精读【论文精读·48】_哔哩哔哩_bilibili更多论文：https://github.com/mli/paper-reading,视频播放量160552、弹幕量803、点赞数

Kun Li·2023-06-11 19:13

度量学习Metirc Learning和基于负例的对比学习Contrastive Learning的异同点思考

参考：对比学习（ContrastiveLearning）:研究进展精要-知乎参考：对比学习论文综述【论文精读】_哔哩哔哩_bilibili参考：度量学习DML之ContrastiveLoss及其变种_对比损失的变种

胖胖大海·2023-06-10 23:57

Transformer Block运算量

参考：SwinTransformer论文精读【论文精读】_哔哩哔哩_bilibili在看朱毅老师讲解SwinTransformer论文时，里面有一个TransformerBlock的计算复杂度的推导计算

胖胖大海·2023-06-10 23:54

【论文精读03】Drag Your GAN: Interactive Point-based Manipulation on the Generative Image Manifold

【论文精读03】DragYourGAN:InteractivePoint-basedManipulationontheGenerativeImageManifold论文下载链接：https://vcai.mpi-inf.mpg.de

Yozu_Roo·2023-06-10 06:38

JAX-FLUIDS：可压缩两相流的完全可微高阶计算流体动力学求解器

原文来自微信公众号“编程语言Lab”：论文精读|JAX-FLUIDS：可压缩两相流的完全可微高阶计算流体动力学求解器搜索关注“编程语言Lab”公众号（HW-PLLab）获取更多技术内容！

编程语言Lab·2023-06-10 04:51

Transformer 论文精读——Attention Is All You Need（B站up：跟李沐学AI讲解笔记）

https://www.bilibili.com/video/BV1pu411o7BE摘要序列转录模型是从一个序列生成另一个序列。Transformer仅利用注意力机制（attention），并且在机器翻译领域取得很好的成功。结论Transformer重要贡献之一提出：multi-headself-attention。Ⅰ、IntroductionRNN计算一个序列的方法：把这个序列从左往右一步一步

Lavau·2023-06-09 12:59

Swin Transformer 论文精读——B站up：跟李沐学AI讲解笔记

SwinTransformer论文精读https://www.bilibili.com/video/BV13L4y1475USwin几乎涵盖了CV的下游任务（下游任务指骨干网后面的head解决的任务，如

Lavau·2023-06-09 12:59

【论文精读CVPR_2020(Oral)】FaceShifter: Towards High Fidelity And Occlusion Aware Face Swapping

【论文精读CVPR_2020】FaceShifter:TowardsHighFidelityAndOcclusionAwareFaceSwapping0、前言Abstract1.Introduction2

旋转的油纸伞·2023-06-07 22:59

【论文精读CVPR_2022】High-resolution Face Swapping via Latent Semantics Disentanglement

【论文精读CVPR_2022】High-resolutionFaceSwappingviaLatentSemanticsDisentanglement0、前言Abstract1.Introduction2

旋转的油纸伞·2023-06-07 22:28

【论文精读CVPR_2021】HifiFace: 3D Shape and Semantic Prior Guided High Fidelity Face Swapping

【论文精读CVPR_2021】HifiFace:3DShapeandSemanticPriorGuidedHighFidelityFaceSwapping0、前言Abstract1Introduction2RelatedWork2.13D-basedMethods

旋转的油纸伞·2023-06-07 22:27

【CVPR_2023论文精读】E4S: Fine-grained Face Swapping via Regional GAN Inversion

【CVPR_2023论文精读】E4S:Fine-grainedFaceSwappingviaRegionalGANInversion0、前言Abstract1.Introduction2.RelatedWork2.1GANInversion2.2FaceSwapping3

旋转的油纸伞·2023-06-07 22:18

Text to image论文精读SeedSelect: 使用SeedSelect微调扩散模型It’s all about where you start

随着文本到图像扩散模型的发展，很多模型已经可以合成各种新的概念和场景。然而，它们仍然难以生成结构化、不常见的概念、组合图像。今年4月巴伊兰大学和OriginAI发表《It’sallaboutwhereyoustart:Text-to-imagegenerationwithseedselection》一文，提出了一种SeedSelect技术，微调DiffusionModel来改进该问题，获得了不错的

中杯可乐多加冰·2023-06-07 02:05

DSSM论文精读

本文是对原文的翻译，弄懂原文每一句话的意思。声明：鉴于本人英文一般，有翻译不对的地方望指正，谢谢！题目使用点击数据为网页搜索学习深度结构的语义模型摘要隐含语义模型，比如LSA，目的是将一个query在语义级别和它相关的文本进行映射，这是基于关键字的匹配做不到的。在本文的研究中，我们利用深度学架构搭建了一系列新的隐含语义模型，将queries和documents映射到一个公共的低维空间。被给的que

superY25·2023-04-21 11:09

DMTL论文精读

本文是对原文的翻译，弄懂原文每一句话的意思。声明：鉴于本人英文一般，有翻译不对的地方望指正，谢谢！题目基于蒸馏的多任务学习：针对提高阅读时长的候选集生成模型摘要在feed推荐中，第一步是候选集的生成。大部分候选集生成模型都是基于CTR预估构建的，没有考虑用户点击之后的满意度。一些标题党item可能被推荐给用户，从而破坏用户体验。解决这个问题的一个方法就是同时给用户点击和用户阅读时长构建多任务学习模

superY25·2023-04-21 11:08

【论文精读】Emergent Abilities of Large Language Models

1.Emergence涌现（emergence）或称创发、突现、呈展、演生，是一种现象，为许多小实体相互作用后产生了大实体，而这个大实体展现了组成它的小实体所不具有的特性。水分子聚集后组成了雪花是一个物理上的创发现象扩大（Scalingup）语言模型已被证明可以预测性地提高各种下游任务的性能和样本效率。样本效率（Sampleefficiency）是指学习算法在使用尽可能少的训练样本的情况下，在某个

拟禾·2023-04-20 19:12

论文精读1：（网格特征）In Defense of Grid Features for Visual Question Answering（CVPR2020)

马萨诸塞州立大学阿默斯特分校Facebook人工智能研究目录1.Introduction2.RelatedWorkVisualfeaturesforvisionandlanguagetasksPre-trainingforVQARegionsvs.grids.3.FromRegionstoGrids3.1.Bottom-UpAttentionwithRegionsRegionselectionRe

安静到无声·2023-04-20 09:28

【论文精读（李沐老师）】BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding

1Abstract我们介绍了一个新的语言表示模型BERT，这个名字来自于双向的transformer编码器表示。和最近语言表示的模型不同（ELMo、GPT），BERT是被训练深的双向表示，用的是没有标号的数据，然后再连接左右的上下文信息。因为我们的设计，导致我们训练好的BERT只需要额外的加一个输出层，就可以使得在很多nlp的任务上得到一个不错的结果，比如问答、语言推理，且不需要对任务做一些特别的

我是小蔡呀～～～·2023-04-20 00:10

图像生成：GAN网络(数学原理）

cartes1us·2023-04-19 22:21

【一起啃书】西瓜书（一）

希望通过b站视频课【一起啃书】机器学习西瓜书白话解读来认真读西瓜书，以下是对视频中的重点记录，以及课后自己看书得到的感悟和记录视频学习笔记学习资源：b站李沐老师的论文精读《西瓜书》《南瓜书》《机器学习实战

反科研pua所所长·2023-04-18 17:14

Deep Neural Network for YouTube Recommendation论文精读

这篇论文DeepNeuralNetworksforYouTubeRecommendations是google的YouTube团队在推荐系统上DNN方面的尝试，发表在16年9月的RecSys会议。本文所介绍的YouTube的推荐系统主要包括DeepCandidateGenerationmodel和DeepRankingmodel两个部分：DeepCandidateGenerationmodel在

独影月下酌酒·2023-04-18 17:38

【论文精读】PP-YOLOE: An evolved version of YOLO

文章目录前言一、可扩展的Backbone和Neck二、更高效的标签分配策略TAL(TaskAlignmentLearning)三、更简洁有效的ET-Head(EfficientTask-alignedHead)前言百度飞桨团队发布了PP-YOLOE，与其他YOLO系列算法相比，其具有更强的性能、更丰富灵活的配置方案以及更全硬件支持三大优势。下面先浅列一下在文章摘要中提到的相关的性能提升：PP-YO

.别拖至春天.·2023-04-17 16:53

whisper:robust speech recognition via large-sacle weak supervision

OpenAIWhisper精读【论文精读·45】_哔哩哔哩_bilibili更多论文：https://github.com/mli/paper-reading,视频播放量68331、弹幕量327、点赞数

Kun Li·2023-04-16 21:14

论文精读：FCN：Fully Convolutional Networks for Semantic Segmentation

Abstract卷积网络是一种能够产生特征层次结构的功能强大的视觉模型。我们表明，卷积网络本身，训练端到端，像素到像素，超过了最先进的语义分割。我们的关键见解是建立“fullyconvolutional”网络，该网络接受任意大小的输入，并通过有效的推理和学习产生相应大小的输出。我们定义并详细描述了全卷积网络的空间，解释了它们在空间密集的预测任务中的应用，并与之前的模型建立了联系。我们将当代分类网络

樱花的浪漫·2023-04-16 06:16

【论文精读】Arxiv 2023 - Segment Anything

【论文精读】Arxiv2023-分割一切【论文原文】：SegmentAnything【作者信息】：Kirillov,AlexanderandMintun,EricandRavi,NikhilaandMao

Trouble..·2023-04-15 15:48

### 论文精读——An Attention Enhanced Graph Convolutional LSTM Network for Skeleton-Based Action Recogniti

论文精读——IIP-Transformer:Intra-Inter-PartTransformerforSkeleton-BasedActionRecognition近期在做基于关键点的人体动作识别研究

Jason_____Wang·2023-04-15 03:10

《Rank-LIME: Local Model-Agnostic Feature Attribution for Learning to Rank》论文精读

文章目录一、论文信息摘要二、要解决的问题现有工作存在的问题论文给出的方法（Rank-LIME）介绍贡献三、前置知识LIMEFeatureAttributionModel-AgnosticLocalLearningtoRank（LTR）单文档方法（PointWiseApproach）文档对方法（PairWiseApproach)文档列表方法（ListWiseApproach)三种方法的对比post-

GCTTTTTT·2023-04-13 19:00

区块链漏洞检测论文精读02

Peculiar:SmartContractVulnerabilityDetectionBasedonCrucialDataFlowGraphandPre-trainingTechniques-论文链接-源码链接我这里就主要介绍技术具体实现，前面的就不过多赘述了；主要贡献：1、提出来了一个新的表示智能合约的方式通过CDFG也就是关键数据流分析法，这种方法可以捕捉一个合约的关键信息的同时还可以避免对

weixin_47988292·2023-04-12 01:04

Classifier-Free Diffusion Guidance【论文精读加代码实战】

Classifier-FreeDiffusionGuidance【论文精读加代码实战】0、前言1、Classifier-FreeDiffusionGuidance介绍1.1原理介绍1.2Classifier-Guidance1.3CLASSIFIER-FREEGUIDANCE

旋转的油纸伞·2023-04-10 16:23

论文阅读 - MoCo

论文链接：https://arxiv.org/pdf/1911.05722.pdf视频链接：MoCo论文逐段精读【论文精读】_哔哩哔哩_bilibili论文解读链接：重读经典：《MomentumContrastforUnsupervisedVisualRepresentationLearning

无脑敲代码，bug漫天飞·2023-04-09 15:35

Text to image论文精读GigaGAN: 生成对抗网络仍然是文本生成图像的可行选择

GigaGAN是Adobe和卡内基梅隆大学学者们提出的一种新的GAN架构，作者设计了一种新的GAN架构，推理速度、合成高分辨率、扩展性都极其有优势，其证明GAN仍然是文本生成图像的可行选择之一。文章链接：https://arxiv.org/abs/2303.05511项目地址：https://mingukkang.github.io/GigaGAN/一、原文摘要最近，文字-图像合成技术的成功已经席

中杯可乐多加冰·2023-04-09 13:29

【论文精读】DeepCoFFEA: Improved Flow Correlation Attacks on Tor via Metric Learning and Amplification

DeepCoFFEA:ImprovedFlowCorrelationAttacksonTorviaMetricLearningandAmplificationDeepCoFFEA:通过度量学习和放大改进对Tor的流相关攻击文章目录摘要I.引言II.背景A.流相关攻击B.嵌入和三元组网络III.动机A.我们的方法IV.DEEPCOFFEA攻击A.用于相关研究的特征嵌入网络B.关联方法C.FEN架构V

Schanappi·2023-04-08 19:49

MoCo论文精读

要点一1.loss有几种：生成式loss、判别式loss、对比学习loss、对抗loss前两者是会不变的第三种是会改变的第四种是两个概率分布之间的差异2.pretext任务和对比loss很像要点二多类不能用softmax所以提出NCEloss和cross-entropyloss很像=infonce只有k不一样，第一个k的是全部数据，第二个是所有样本数目要点三1.end-end：mini-batch

一只想飞的锦鲤·2023-04-07 10:37

【论文精读（李沐老师）】Attention Is All You Need

Abstract在主流的序列转录（给你一个序列，生成另外一个序列）模型中主要是依赖复杂的RNN和CNN，一般包括encoder和decoder两个结构。在性能最好的模型里，通常使用注意力机制连接encoder和decoder。（本文想做一个序列转录模型，讲述了一下现在主流的模型是什么）本文提出了一个新的简单的架构——Transformer，本模型完全基于注意力机制，而没有用RNN和CNN。做了两个

我是小蔡呀～～～·2023-04-06 23:05

分布式系统论文精读2：GFS

THEGoogleFileSystem2009摘要我们设计并实现了GoogleGFS文件系统，一个面向大规模数据密集型应用的、可伸缩的分布式文件系统。GFS虽然运行在廉价的普遍硬件设备上，但是它依然了提供灾难冗余的能力，为大量客户机提供了高性能的服务。虽然GFS的设计目标与许多传统的分布式文件系统有很多相同之处，但是，我们的设计还是以我们对自己的应用的负载情况和技术环境的分析为基础的，不管现在还是

污喵王の胖君·2023-04-06 13:50

【论文精读】COLING 2022 - DESED: Dialogue-based Explanation for Sentence-level Event Detection

【论文精读】COLING2022-DESED:Dialogue-basedExplanationforSentence-levelEventDetection【论文原文】：DESED:Dialogue-basedExplanationforSentence-levelEventDetection

Trouble..·2023-04-04 20:11

【论文精读】COLING 2022 - CLIO: Role-interactive Multi-event Head Attention Network for DEE

【论文精读】COLING2022-CLIO:Role-interactiveMulti-eventHeadAttentionNetworkforDocument-levelEventExtraction

Trouble..·2023-04-04 20:41

论文精读：Attention Is All You Need

这篇文章主要介绍了一种新的神经网络架构——Transformer，它使用自注意力机制来计算输入和输出的表示，相比传统序列转换模型具有更高的并行性和更快的训练速度，并在机器翻译等序列转换任务中实现了最先进的性能。文章详细介绍了Transformer架构、自注意力机制以及与传统序列转换模型的比较，并探讨了Transformer在其他领域中的应用前景。文章提出了以下几个要点：1.Transformer架

gnudennis·2023-04-01 14:32

【InstructGPT论文精读】-ChatGPT背后的技术原理

梗直哥做了一期【InstructGPT论文精读】的视频，已经在B站发布，可点击直接观看。论文下载链接课程共44

梗直弟·2023-04-01 08:55

推荐频道

CVbaseline论文精读