Generation 第34页

dalle2：hierarchical text-conditional image generation with clip

DALL·E2【论文精读】_哔哩哔哩_bilibili更多论文：https://github.com/mli/paper-reading,视频播放量30350、弹幕量256、点赞数1767、投硬币枚数1318、收藏人数751、转发人数344,视频作者跟李沐学AI,作者简介，相关视频：博一研究生求偶视频，如何做好文献阅读及笔记整理，在线求偶｜26岁985副教授，开组会时，师兄SCI见刊了，生成对抗网

Kun Li·2022-12-25 07:54

DALLE·2（Hierarchical Text-Conditional Image Generation with CLIP Latents）

目录1.标题解读2.前言3.摘要部分4.引言部分5.生成模型概述6.扩散模型的发展7.方法部分1.标题解读HierarchicalText-ConditionalImageGenerationwithCLIPLatents

山上的小酒馆·2022-12-25 07:23

文本生成论文阅读 Knowledge-based Review Generation by Coherence Enhanced Text Planning

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、知识图谱二、模型框架总结前言提示：这里可以添加本文要记录的大概内容：基于知识图谱的增强连贯性文本规划的评论生成。为了丰富文本内容，现有的解决方案通常从知识图谱中学习如何复制实体或三元组。然而，这些方法对如何选择和安排知识图谱缺乏整体的考虑，容易造成文本不连贯问题。为了解决上述问题，作者以实体为中心，利用知识图谱的语义结

欢桑·2022-12-25 03:54

开放集识别（基于生成模型）

我们列举了一些重要的基于生成方式的开放集识别方法，仅供参考1.OpenGAN:Open-SetRecognitionviaOpenDataGeneration（OpenGAN:Open-SetRecognitionviaOpenDataGeneration_appron

appron·2022-12-24 15:00

OpenGAN: Open-Set Recognition via Open Data Generation

摘要：现实世界的机器学习系统需要分析与训练数据不同的测试数据。在K-way分类中，这通常被表述为开集（open-set）识别，以区分K闭集（closed-set）数据集。关于开集识别通常有两种处理方案：1）使用一些离群数据作为开集，对开-闭二进制判别器分别进行判别学习（discriminativelylearninganopen-vs-closedbinarydiscriminatorbyexpl

appron·2022-12-24 15:30

【文生图】DreamBooth: Fine Tuning Text-to-Image Diffusion Models for Subject-Driven Generation

论文地址：https://arxiv.org/abs/2208.12242v1项目地址：https://dreambooth.github.io/DreamBooth主要的工作目的是实现保留主体的细致特征的情况下使用文本对其进行环境等编辑。整体方法为给定一个主体的3-5个图像和文本提示作为输入，微调预训练的文生图模型（Imagen，但不限于特定模型）用于合成主体在不同场景中的全新照片级图像。该框架

橙子的科研日记·2022-12-24 13:24

【学习】无监督学习、PCA、Matrix Factorization、HAC、K-means、分布式表示、NE、LLE、 t-SNE

MatrixFactorization无监督学习:邻居嵌入NEManifoldLearningLLE拉普拉斯特征映射t-SNE一、无监督学习聚类或者维度reduction化繁为简：输入是图片，输出是简单的图片，只有输入数据generation

Raphael9900·2022-12-24 13:14

[论文笔记]Disentangled Person Image Generation

DisentangledPersonImageGenerationcode:GitHub-charliememory/Disentangled-Person-Image-Generation:TensorflowimplementationofCVPR2018paper

zwplus·2022-12-24 01:21

ACL 2020 Video-Grounded Dialogues with Pretrained Generation Language Models

动机预训练好的语言模型在改善各种下游NLP任务方面已显示出显著的成功，这是由于它们能够在文本数据中建立依赖关系和生成自然反应。本文利用预训练好的语言模型来提高视频对话的效果。基于Transformer的预训练好的语言模型的神经结构已经被用来学习视觉-文本NLP任务的跨模态表征。它可以应用于捕捉不同类型输入模式（文本和图像）之间的各种依赖关系，并具有适当的客观损失函数。这些模型的多头attentio

smile909·2022-12-23 08:29

从全球顶级数据库大会 SIGMOD 看数据库发展趋势

NebulaGraph作为国内唯一的开源图数据库厂商参加，并以展商身份在会上发表了《NebulaGraph:anext-generationofhyperscalegraphdatabase》演讲。

图数据库NebulaGraph·2022-12-23 04:10

Chamfer Distance (CD)

目录1.斜面距离出自2.公式：3.步骤：1.斜面距离出自H.Fan,S.Hao,andL.Guibas,“Apointsetgenerationnetworkfor3Dobjectreconstructionfromasingleimage

Mr.Q·2022-12-22 23:31

DeepFake Learning

Awesome-DeepFake-LearningTheapproachIworkonDeepFake.Awesome-DeepFake-Learning1.IntuitiveLearning2.SurveyPaper3.Curatedlists4.DeepfakesDatasets5.Generationofsyntheticcontent5.1GenerationText

Billy1900·2022-12-22 22:35

从全球顶级数据库大会 SIGMOD 看数据库发展趋势

NebulaGraph作为国内唯一的开源图数据库厂商参加，并以展商身份在会上发表了《NebulaGraph:anext-generationofhyperscalegraphdatabase》演讲。

·2022-12-22 19:14

＜＜视觉问答＞＞2022：CLIP Models are Few-shot Learners: Empirical Studies on VQA and Visual Entailment

目录摘要：一、介绍二、Preliminaries2.1、CLIP2.2、Vision-LanguageUnderstandingTasks三、Zero-shotVQA3.1、ATwo-StepPromptGenerationMethodStepI

金克丝、·2022-12-22 15:25

Parti 水记

Parti水记《ScalingAutoregressiveModelsforContent-RichText-to-ImageGeneration》主页：https://parti.research.google

fishslot·2022-12-22 12:59

【论文阅读】用于自动驾驶的高清地图生成技术

High-DefinitionMapGenerationTechnologiesforAutonomousDriving回顾了最近利用2D和3D地图生成的高清地图生成技术。

小葵向前冲·2022-12-22 10:48

论文阅读《High-Definition Map Generation Technologies For Autonomous Driving: A Review》2

目录4.2.2三维点云的道路标志提取4.3杆状物体提取5高精地图框架5.1Lanelet25.2OpenDRIVE5.3Apollo地图6局限性和开放性问题7参考文献航空图像道路标志提取。卫星图像和航空图像不仅可以用于路网提取，还可以用于道路标志提取。Azimi等[108]提出了从航空图像中直接提取道路标志的AerialLaneNet。该网络包含一个对称的全卷积神经网络(FCNN)。将原始航空图像

YMWM_·2022-12-22 09:09

论文阅读《High-Definition Map Generation Technologies For Autonomous Driving: A Review》1

目录摘要1介绍2高精地图的数据采集3点云地图生成3.1建图技术3.1.1基于分割的点云配准3.1.2仅基于激光雷达的点云建图3.1.3里程计融合点云配准3.1.4GPS融合点云配准3.1.5INS融合点云配准3.1.6视觉传感器融合点云配准4高精地图的特征提取方法4.1道路网提取4.1.1二维航空图像道路提取4.1.2三维点云的道路提取4.1.3基于传感器融合的道路/道路边界提取4.1.4其它方法

YMWM_·2022-12-22 09:37

【论文阅读笔记1】：Pre-trained Language Models for Text Generation: A Survey

前言博客得主要目的是记录自己的学习收获，排版、行文都会比较随意，内容也主要以自己能理解的方式描述，还希望各位看客见谅。本文为中国人民大学发表在IJCAI2021上的预训练语言模型文本生成综述论文。我目前的想法是重点关注文章的结构，再具体补充其中的内容。论文链接：https://arxiv.org/abs/2105.10311目录前言编辑引言一、INTRODUCTION二、PRELIMINARY2.

Magichz86·2022-12-22 09:17

【工大SCIR论文解读】WWW20 关键词生成提升电商会话推荐

论文名称：KeywordsGenerationImprovesE-CommerceSession-basedRecommendation论文作者：刘元兴，任昭春，张伟男，车万翔，刘挺，殷大伟原创作者：刘元兴论文链接

zenRRan·2022-12-22 06:28

自然语言生成技术现状调查：核心任务、应用和评估（1）

论文：《SurveyoftheStateoftheArtinNaturalLanguageGeneration:Coretasks,applicationsandevaluation》JournalofArtificialIntelligenceResearch61

流萤数点·2022-12-21 14:44

用文本指导文本：基于文本的自监督可控文本生成模型

论文标题：CoCon:ASelf-SupervisedApproachforControlledTextGeneration论文作者：AlvinChan,Yew-SoonOng,BillPung,AstonZhang

PaperWeekly·2022-12-21 14:41

论文笔记：VQGAN-CLIP：Open Domain Image Generationand Editing with Natural Language Guidance

论文：https://arxiv.org/abs/2204.08583代码：GitHub-EleutherAI/vqgan-clip摘要从开放领域的文本提示中生成和编辑图像是一项具有挑战性的任务，到目前为止，需要昂贵的和经过专门训练的模型。我们为这两项任务展示了一种新的方法，它能够通过使用多模态编码器来指导图像的生成，从具有显著语义复杂性的文本提示中产生高视觉质量的图像，而无需任何训练。我们在各种

nocol.·2022-12-21 14:39

机器学习 Kaggle 房价预测比赛 Ensemble Generation

EnsembleGeneration

just_sort·2022-12-20 18:37

【OpenCall】ICASSP2023通用会议理解及生成挑战赛邀请函

ICASSP2023通用会议理解及生成挑战赛(GeneralMeetingUnderstandingandGenerationChallenge,缩写为MUG)是ICASSP2023系列大挑战(SPGC

语音之家·2022-12-20 17:27

今日arXiv精选 | TNNLS/ICCV/TIP/ACM MM/CIKM/WWW/ICME

Medical-VLBERT:MedicalVisualLanguageBERTforCOVID-19CTReportGenerationWithAlternateLearningComment:AcceptedbyIEEETransactionsonNeuralNetworksandL

PaperWeekly·2022-12-20 13:41

【论文阅读】时序动作检测系列论文精读（2019年）

文章目录1.BMN:Boundary-MatchingNetworkforTemporalActionProposalGeneration论文目的——拟解决问题贡献——创新实现流程详细方法2.MGG:Multi-granularityGeneratorforTemporalActionProposal

三木今天学习了嘛·2022-12-20 12:55

Dynamic Scene Graph Generation via Anticipatory Pre-training论文阅读笔记

Motivation过去的方法只是在特征维度上对时间信息进行建模，这是一种相对笼统的方式，因为它不能明确的捕捉到视觉关系在时序上的相关性。人类可以轻易的从过去已有的相关关系推出当前帧的视觉关系，但这种视觉推导是具体于时序关系的。因此我们需要解决一下两个问题：1.空间信息和时间信息是高度缠绕的，这不利于捕捉时序上具有关联性的关系；2.AG数据集不是全标注的，仅有某几个关键帧的标注。Contribut

jerry_young14·2022-12-19 23:07

trans【Total3DUnderstanding】论文翻译+解读学习 2020.10.14

Total3DUnderstanding摘要1Introduction2relatedwork3Method3.13D目标检测和布局估计3.2.MeshGenerationforIndoorObjectc

Koihoo·2022-12-19 21:53

[论文笔记]pose guided person image generation

PoseGuidedPersonImageGenerationcode1:chuanqichen/deepcoaching:SportsCoachingfromPoseEstimation(github.com

zwplus·2022-12-19 20:58

图像对齐：MeshFlow: Minimum Latency Online Video Stabilization

MinimumLatencyOnlineVideoStabilizationFASTFeaturesTrackbyKLT1DCase2DCaseRANSACMeanFlowMotionPropagationMedianFiltersVertexProfilesGeneration

HFSLZ耶·2022-12-19 19:48

RNG-KBQA: Generation Augmented Iterative Ranking forKnowledge Base Question Answering (ACL2022)

论文链接：https://arxiv.org/pdf/2109.08678.pdf源码：https://github.com/salesforce/rng-kbqa现存问题现存的KBQA方法在i.i.d测试数据上表现优秀，但是当问题中涉及unseenKBschemaitems，泛化起来就会遇到困难。先前基于排序的方法具有较强的泛化能力，但是存在覆盖问题。解决方法本文提出RNG-KBQA(aRank

Toady 元气满满·2022-12-19 18:47

肝了1W字！文本生成评价指标的进化与推翻

一个好的评价指标（或者设置合理的损失函数）不仅能够高效的指导模型拟合数据分布，还能够客观的让人评估文本生成模型的质量，从而进一步推动textgeneration商业化能力。

普通网友·2022-12-19 08:16

论文阅读：Sketching Image Gist：Human-Mimetic Hierarchical Scene Graph Generation(ECCV20)

这篇文章的重点有三个，都在框架里有体现：HET、Hybrid-LSTM和RelationRankingModule1.HET(HierarchicalEntityTree)论文作者认为人在进行场景分析的时候是层级性的，因此提出了HET的概念，具体实现如下：①按从大到小的顺序对检测到的实体排序1,2,…m,…n…②对于n来说，首先判断它是否可能为父节点，即求m和n的交并比，如果大于阈值T，则m为n的

糖豆豆今天也要努力鸭·2022-12-19 00:34

PointRCNN解读

论文：PointRCNN:3DObjectProposalGenerationandDetectionfromPointCloud代码：https://github.com/sshaoshuai/PointRCNN0

leo0308·2022-12-18 13:03

Lecture 4_Extra Graph Neural Networks

ClassificationGenerationExampleHowtotrainaGNN?ThinkaboutConvolutionGNNRoadmapTasks,Dataset,andB

Yi_cAt·2022-12-18 13:31

PointRCNN

PointRCNN:3DObjectProposalGenerationandDetectionfromPointCloudCVPR2019Abstract在本文中，我们提出了PointRCNN用于从原始点云进行

erzayi·2022-12-18 13:31

【PointRCNN深度解读【详尽版】--原理和代码结合】

PointRCNN深度解读【详尽版】前言网络结构*a.Bottom-up3DProposalGeneration*PointCloudEncoder-DecoderForegroundPointSegmentationBin-based3DBoxGeneration

城市黎明的烟火·2022-12-18 13:30

BART: Bidirectional and Auto-Regressive Transformers

BidirectionalandAuto-RegressiveTransformers.本文根据2019年《BART:DenoisingSequence-to-SequencePre-trainingforNaturalLanguageGeneration

AI强仔·2022-12-18 13:07

论文笔记| BART：Denoising Sequence-to-Sequence Pre-training for Natural Language Generation, Translation

作者：景单位：燕山大学论文来源代码地址前言先说说通常意义上的预训练模型，以BERT为例，它采用大规模预料对Transformer编码器进行预训练，保存编码器参数后接下游任务，针对不同的下游任务采取不同的微调措施，例如接分类器、接解码器等。这么做的好处在于“对症下药”，但实则可以看做是妥协的产物——因为在谷歌刚提出BERT的时候，并没有针对“只编不解”这个问题的良好对策，bert在编码器堆叠了1

期待成功·2022-12-18 12:05

BART: Denoising Sequence-to-Sequence Pre-training for Natural Language Generation, Translation ...

BART:DenoisingSequence-to-SequencePre-trainingforNaturalLanguageGeneration,Translation,andComprehensionAbstract

chansonzhang·2022-12-18 12:02

【层级文本分类】Constrained Sequence-to-Tree Generation for Hierarchical Text Classification

ConstrainedSequence-to-TreeGenerationforHierarchicalTextClassification1、背景1、作者（第一作者和通讯作者） YuChao,ShenYi2

wuli_乖·2022-12-18 11:44

《阿里云天池大赛赛题解析（深度学习篇）》学习笔记（1）自然语言处理基础

主要任务包括自然语言理解NaturalLanguageUnderstanding，NLU和自然语言生成NaturalLanguageGeneration，NLG。

厨师长爱炼丹·2022-12-18 07:49

模型介绍：UNILM

paper:《UnifiedLanguageModelPre-trainingforNaturalLanguageUnderstandingandGeneration》模型名称：UNILM（UNIfiedpre-trainedLanguageModel

泯灭XzWz·2022-12-18 01:38

UniLM解读

一、概述UniLM，（统一预训练语言模型），对应论文：UniﬁedLanguageModelPre-trainingforNaturalLanguageUnderstandingandGeneration2019.10UniLM

微知girl·2022-12-18 00:36

预训练时代下的文本生成｜模型&技巧

李rumor·2022-12-18 00:36

Unilm

UniLM论文全名为UnifiedLanguageModelPre-trainingforNaturalLanguageUnderstandingandGeneration，译为自然语言理解与生成的统一预训练语言模型

Carina_Cao·2022-12-18 00:02

keras bi-lstm_LSTM用于文本生成的应用介绍-使用Keras和启用GPU的Kaggle Kernels

kerasbi-lstmbyMeganRisdal梅根·里斯达尔(MeganRisdal)LSTM用于文本生成的应用介绍-使用Keras和启用GPU的KaggleKernels(AnappliedintroductiontoLSTMsfortextgeneration—usingKerasandGPU-enabledKaggleKernels

cumichun6193·2022-12-17 20:22

i.MX6ULL 主频和时钟

一、电源和时钟管理框架ClockGeneration：时钟脉冲振荡（时钟生成）ControlandStatusLogic：控制与状态逻辑TemperatureSensors：温度传感器Configurati

lqonlylove·2022-12-17 16:22

谷歌神秘项目曝光，能写代码还会改bug的AI，这。。。。

这个项目表明，谷歌向生成式人工智能（generationalartificialintelli

骨灰级收藏家·2022-12-17 11:41

推荐频道

Generation

dalle2：hierarchical text-conditional image generation with clip

DALLE·2（Hierarchical Text-Conditional Image Generation with CLIP Latents）

文本生成论文阅读 Knowledge-based Review Generation by Coherence Enhanced Text Planning

开放集识别（基于生成模型）

OpenGAN: Open-Set Recognition via Open Data Generation

【文生图】DreamBooth: Fine Tuning Text-to-Image Diffusion Models for Subject-Driven Generation

【学习】无监督学习、PCA、Matrix Factorization、HAC、K-means、分布式表示、NE、LLE、 t-SNE

[论文笔记]Disentangled Person Image Generation

ACL 2020 Video-Grounded Dialogues with Pretrained Generation Language Models

从全球顶级数据库大会 SIGMOD 看数据库发展趋势

Chamfer Distance (CD)

DeepFake Learning

从全球顶级数据库大会 SIGMOD 看数据库发展趋势

＜＜视觉问答＞＞2022：CLIP Models are Few-shot Learners: Empirical Studies on VQA and Visual Entailment

Parti 水记

【论文阅读】用于自动驾驶的高清地图生成技术

论文阅读《High-Definition Map Generation Technologies For Autonomous Driving: A Review》2

论文阅读《High-Definition Map Generation Technologies For Autonomous Driving: A Review》1

【论文阅读笔记1】：Pre-trained Language Models for Text Generation: A Survey

【工大SCIR论文解读】WWW20 关键词生成提升电商会话推荐

自然语言生成技术现状调查：核心任务、应用和评估（1）

用文本指导文本：基于文本的自监督可控文本生成模型

论文笔记：VQGAN-CLIP：Open Domain Image Generationand Editing with Natural Language Guidance

机器学习 Kaggle 房价预测比赛 Ensemble Generation

【OpenCall】ICASSP2023通用会议理解及生成挑战赛邀请函

今日arXiv精选 | TNNLS/ICCV/TIP/ACM MM/CIKM/WWW/ICME

【论文阅读】时序动作检测系列论文精读（2019年）

Dynamic Scene Graph Generation via Anticipatory Pre-training论文阅读笔记

trans【Total3DUnderstanding】论文翻译+解读学习 2020.10.14

[论文笔记]pose guided person image generation

图像对齐：MeshFlow: Minimum Latency Online Video Stabilization

RNG-KBQA: Generation Augmented Iterative Ranking forKnowledge Base Question Answering (ACL2022)

肝了1W字！文本生成评价指标的进化与推翻

论文阅读：Sketching Image Gist：Human-Mimetic Hierarchical Scene Graph Generation(ECCV20)

PointRCNN解读

Lecture 4_Extra Graph Neural Networks

PointRCNN

【PointRCNN深度解读【详尽版】--原理和代码结合】

BART: Bidirectional and Auto-Regressive Transformers

论文笔记| BART：Denoising Sequence-to-Sequence Pre-training for Natural Language Generation, Translation

BART: Denoising Sequence-to-Sequence Pre-training for Natural Language Generation, Translation ...

【层级文本分类】Constrained Sequence-to-Tree Generation for Hierarchical Text Classification

《阿里云天池大赛赛题解析（深度学习篇）》学习笔记（1）自然语言处理基础

模型介绍：UNILM

UniLM解读

预训练时代下的文本生成｜模型&技巧

Unilm

keras bi-lstm_LSTM用于文本生成的应用介绍-使用Keras和启用GPU的Kaggle Kernels

i.MX6ULL 主频和时钟

谷歌神秘项目曝光，能写代码还会改bug的AI，这。。。。