HSI论文阅读第12页

progressive random convolutions for single domain generalization论文阅读过程

目标是分享一切·2023-12-18 06:59

U-Net代码复现--train.py

本文记录自己的学习过程，内容包括：代码解读：Pytorch-UNet深度学习编程基础：Pytorch-深度学习（新手友好）UNet论文解读：医学图像分割：U_Net论文阅读数据：https://hackernoon.com

北方骑马的萝卜·2023-12-17 18:44

论文阅读三——端到端的帧到凝视估计

论文阅读三——端到端的帧到凝视估计主要内容研究问题文章的解题思路文章的主要结构论文实验关于端到端凝视估计的数据集3种基线模型与EFE模型的对比在三个数据集中与SOTA进行比较问题分析重要架构U-Net基础知识主要内容文章从端到端的方法出发

SF-FCZ·2023-12-17 18:41

Re60：读论文 FILM Adaptable and Interpretable Neural Memory Over Symbolic Knowledge

诸神缄默不语-个人CSDN博文目录诸神缄默不语的论文阅读笔记和分类论文名称：AdaptableandInterpretableNeuralMemoryOverSymbolicKnowledge模型名称：

诸神缄默不语·2023-12-17 15:42

Re57：读论文 Mention Memory: incorporating textual knowledge into Transformers through entity mention at

诸神缄默不语-个人CSDN博文目录诸神缄默不语的论文阅读笔记和分类论文名称：MentionMemory:incorporatingtextualknowledgeintoTransformersthroughentitymentionattention

诸神缄默不语·2023-12-17 15:41

Re59：读论文 Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks

诸神缄默不语-个人CSDN博文目录诸神缄默不语的论文阅读笔记和分类论文名称：Retrieval-AugmentedGenerationforKnowledge-IntensiveNLPTasks模型开源地址

诸神缄默不语·2023-12-17 15:40

【论文阅读】MAKE-A-VIDEO: TEXT-TO-VIDEO GENERATION WITHOUT TEXT-VIDEO DATA

Make-a-video:没有文本-视频数据的文本-视频生成。paper：code：ABSTRACT优点:(1)加速了T2V模型的训练(不需要从头开始学习视觉和多模态表示)，(2)不需要配对的文本-视频数据，(3)生成的视频继承了当今图像生成模型的庞大性)。构建具有新颖有效时空模块的T2I模型。首先分解全时间U-Net和注意力张量，并在空间和时间上近似。其次，设计了一个时空pipeline，通过视

李加号pluuuus·2023-12-17 08:34

论文阅读笔记(12月15)--DialogXL

论文阅读笔记(12月15)–DialogXL基本情况介绍：作者：WeizhouShen等单位：中山大学时间&期刊：AAAI2021主题：对话情绪识别(ERC)–文本模态论文链接：https://ojs.aaai.org

zhilanguifang·2023-12-17 06:54

论文阅读——Mask DINO（cvpr2023）

DINO是检测，MaskDINO是检测+分割。几个模型对比：传统的检测+分割中，检测头和分割头是平行的，MaskDINO使用二分图匹配bipartitematching提高匹配结果的准确性。box对大的类别不计算损失，因为太大了，会带坏模型。模型一样预测，但是损失取其他类别的平均数。Backbone：ResNet-50andSwinL，SwinLSOTAWeusethesamemulti-scal

じんじん·2023-12-17 06:23

论文阅读：LSeg: LANGUAGE-DRIVEN SEMANTIC SEGMENTATION

可以直接bryanyzhu的讲解：CLIP改进工作串讲（上）【论文精读·42】_哔哩哔哩_bilibili这里是详细的翻译工作原文链接https://arxiv.org/pdf/2201.03546.pdfICLR20220、ABSTRACT我们提出了一种新的语言驱动的语义图像分割模型LSeg。LSeg使用一个文本编码器来计算描述性输入标签(例如，“草”或“建筑”)的嵌入，同时使用一个基于变压器的

shiyueyueya·2023-12-17 06:53

论文阅读：UniSeg: A Unified Multi-Modal LiDAR Segmentation Network and the OpenPCSeg Codebase

0、Abstract点视图、体素视图和距离视图是点云的三种典型形式。它们都有精确的3D测量，但缺乏颜色和纹理信息。RGB图像是这些点云视图的自然补充，充分利用它们的全面信息有利于更强的感知。本文提出了一种统一的多模态激光雷达图像分割网络，称为UniSeg，该网络利用RGB图像信息和三视点云信息，同时实现了语义分割和全景分割。具体而言，我们首先设计了可学习交叉模态关联Learnablecross-M

shiyueyueya·2023-12-17 06:52

论文阅读：PointCLIP V2: Prompting CLIP and GPT for Powerful3D Open-world Learning

https://arxiv.org/abs/2211.116820Abstract大规模的预训练模型在视觉和语言任务的开放世界中都表现出了良好的表现。然而，它们在三维点云上的传输能力仍然有限，仅局限于分类任务。在本文中，我们首先协作CLIP和GPT成为一个统一的3D开放世界学习器，命名为PointCLIPV2，它充分释放了它们在零弹3D分类、分割和检测方面的潜力。为了更好地将3D数据与预先训练的语

shiyueyueya·2023-12-17 06:46

论文阅读——Backdoor Attacks Against Deep Learning Systems in the Physical World

摘要现有的关于后门攻击和防御工作主要集中在将数字生成的模式作为触发器的数字攻击上，而后门攻击能否成功使用物理对象作为触发器对深度学习系统造成威胁的问题未被回答。本文探究了用7个物理对象作为触发器，揭示了物理后门攻击可以克服物理对象的约束，其次也证明了目前针对后门的四种最先进的防御措施对物理后门攻击无效，因为物理对象打破了构建这些防御措施的核心假设。主要贡献前期工作：使用7个物理物体作为触发器，使用

AuroraGengi·2023-12-17 02:41

Re58：读论文 REALM: Retrieval-Augmented Language Model Pre-Training

诸神缄默不语-个人CSDN博文目录诸神缄默不语的论文阅读笔记和分类论文名称：REALM:Retrieval-AugmentedLanguageModelPre-Training模型名称：Retrieval-AugmentedLanguageModelpre-training

诸神缄默不语·2023-12-17 02:41

论文阅读——GroupViT

GroupViT:SemanticSegmentationEmergesfromTextSupervision一、思想把Transformer层分为多个组阶段groupingstages，每个stage通过自注意力机制学习一组tokens，然后使用学习到的组tokens通过分组模块GroupingBlock融合相似的图片tokens。通过这种组级联，可以把图片中小分割块组成大块。二、模型图片分成不

じんじん·2023-12-17 01:07

论文阅读——ScanQA

ScanQA:3DQuestionAnsweringforSpatialSceneUnderstanding输入：点云P和问题Q，输出：答案A点云p由三维坐标点组成。本文模型使用额外的点云特征：点云高度、颜色、法线和多视图图像特征，这些特征将2D外观特征投影到点云上。将上面这些特征结合，作为模型的3d特征。ScanQAmodel网络结构：模型包括3D&languageencoder,3D&lang

じんじん·2023-12-17 01:37

论文阅读二——基于全脸外观的凝视估计

论文阅读二——基于全脸外观的凝视估计基础知识主要内容文章中需要学习的架构AlexNet代码复现该论文是2017年在CVPR中发表的一篇关于“gazeestimation”的文章，其论文地址与代码地址如下

SF-FCZ·2023-12-17 01:36

论文阅读:MonetDB/X100: Hyper-Pipelining Query Execution

目录Abstract1Introduction1.1Outline2HowCPUWorkAbstract在决策支持、OLAP和多媒体检索等计算密集型应用领域，数据库系统往往只能在现代cpu上实现较低的IPC(每周期指令)效率。本文首先以TPC-H基准为重点，深入研究了这种情况发生的原因。通过对各种关系系统和MonetDB的分析，我们得出了一套新的查询处理器设计准则。本文的第二部分介绍了在Monet

代码不会写·2023-12-17 01:04

【论文阅读】Co-teaching: Robust Training of Deep Neural Networks with Extremely Noisy Labels

论文下载GitHubbib:@INPROCEEDINGS{,title={Co-teaching:RobustTrainingofDeepNeuralNetworkswithExtremelyNoisyLabels},author={BoHanandQuanmingYaoandXingruiYuandGangNiuandMiaoXuandWeihuaHuandIvorTsangandMasashi

来日可期1314·2023-12-16 15:55

Text mining and natural language processing in construction 论文阅读

摘要文本挖掘™和自然语言处理(NLP)引起了建筑领域的兴趣，因为它们提供了管理和分析基于文本的信息的增强功能。这凸显了需要从施工管理的角度进行系统审查，以确定现状、差距和未来方向。通过将205份出版物的目标与施工管理实践中概述的具体领域、领域、任务和流程相结合来进行审查。这篇评论揭示了TM/NLP方法支持的建筑行业的多个方面，并强调了需要考虑自动化可能性和尽量减少手动任务的基本空白。最终，在发现了

南楚巫妖·2023-12-16 15:51

【论文阅读】Uncertainty-aware Self-training for Text Classification with Few Label

论文下载GitHubbib:@INPROCEEDINGS{mukherjee-awadallah-2020-ust,title="Uncertainty-awareSelf-trainingforFew-shotTextClassification",author="SubhabrataMukherjeeandAhmedHassanAwadallah",booktitle="NeurIPS",ye

来日可期1314·2023-12-16 15:20

[论文阅读]BEVFusion

BEVFusionBEVFusion:ASimpleandRobustLiDAR-CameraFusionFrameworkBEVFusion：简单而强大的激光雷达相机融合框架论文网址：BEVFusion论文代码：BEVFusion简读论文论文背景：激光雷达和摄像头是自动驾驶系统中常用的两种传感器。如何有效地融合它们的特征表示，提高3D物体检测的性能，是一个重要的研究问题。本文方法：本文提出了一种

一朵小红花HH·2023-12-16 15:34

[论文阅读]Multimodal Virtual Point 3D Detection

MultimodalVirtualPoint3DDetection多模态虚拟点3D检测论文网址：MVP论文代码：MVP论文简读方法MVP方法的核心思想是将RGB图像中的2D检测结果转换为虚拟的3D点，并将这些虚拟点与原始的Lidar点云合并。具体步骤如下：(1)使用2D检测器(如CenterNet)在RGB图像中检测物体。(2)将检测到的物体掩模投影到Lidar点云中，创建与物体相关的点云子集。(

一朵小红花HH·2023-12-16 14:31

论文阅读“Multi-view clustering via adversarial view embedding and adaptive view fusion”

LiY,LiaoH.Multi-viewclusteringviaadversarialviewembeddingandadaptiveviewfusion[J].AppliedIntelligence,2021,51(3):1201-1212.摘要逻辑简记当前任务背景介绍：Multi-viewclustering,whichexplorescomplementarityandconsistenc

掉了西红柿皮_Kee·2023-12-16 12:55

EnlightenGAN论文阅读笔记

EnlightenGAN论文阅读笔记论文是2019年IEEE的EnlightenGAN:DeepLightEnhancementwithoutPairedSupervision.这篇论文是低光增强领域无监督学习的开山之作

Alex·Fall·2023-12-16 10:13

论文阅读——《Retinexformer: One-stage Retinex-based Transformer for Low-light Image Enhancement》

文章目录前言一、基本原理1.1Retinex理论。1.2Transformer算法。二、论文内容1.网络结构1.1单阶段Retinex理论框架（One-stageRetinex-basedFramework）1.2illuminationestimator1.3光照引导的Transformer（Illumination-GuidedTransformer，IGT）实验结果个人看法总结前言本文试图从

Vaeeeeeee·2023-12-16 09:48

Deep Supervised Dual Cycle Adversarial Network for Cross-Modal Retrieval 论文阅读笔记

#1.论文信息论文名称DeepSupervisedDualCycleAdversarialNetworkforCross-ModalRetrieval作者LeiLiao中山大学会议/出版社IEEETransactionsonCircuitsandSystemsforVideoTechnologypdf在线pdf代码无代码本文是基于公共空间的跨模态检索方法。文章中提出了DSDCAN的方法，由两个Cy

wwweiyx·2023-12-16 06:10

STM32F103初学研究整理笔记-基础知识理论

时钟和复位电路名称缩写频率外部连接功能用途特性外部高速晶体振荡器HSE4~16MHz4~16MHz晶体系统时钟/RTC成本高，温漂小外部低速晶体振荡器LSE32kHz32.768kHz晶体带校准功能RTC成本高，温漂小内部高速RC振荡器HSI8MHz

_J.JIA.H·2023-12-16 02:58

论文阅读《Learning Adaptive Dense Event Stereo from the Image Domain》

论文地址：https://openaccess.thecvf.com/content/CVPR2023/html/Cho_Learning_Adaptive_Dense_Event_Stereo_From_the_Image_Domain_CVPR_2023_paper.html概述事件相机在低光照条件下可以稳定工作，然而，基于事件相机的立体方法在域迁移时性能会严重下降。无监督领域自适应作为该

CV科研随想录·2023-12-16 02:42

深度学习论文阅读：Generative Pre-Training(GPT)

文章目录GPTAbstract1Introduction6Conclusion2RelatedWork3Framework3.1Unsupervisedpre-trainingGPT和BERT的区别3.2Supervisedfine-tuning3.3Task-specificinputtransformations4Experiments总结参考GPT核心点：预训练一个transformerde

阿正的梦工坊·2023-12-15 22:06

论文阅读：PointCLIP: Point Cloud Understanding by CLIP

CVPR2022链接：https://arxiv.org/pdf/2112.02413.pdf0、Abstract最近，通过对比视觉语言预训练(CLIP)的零镜头学习和少镜头学习在2D视觉识别方面表现出了鼓舞人心的表现，即学习在开放词汇设置下将图像与相应的文本匹配。然而，在二维大规模图像文本对的预训练下，CLIP识别能否推广到三维识别还有待研究。在本文中，我们通过提出PointCLIP来确定这样的

shiyueyueya·2023-12-15 13:20

论文阅读：Lidar Annotation Is All You Need

目录概要Motivation整体架构流程技术细节小结概要论文重点在探讨利用点云的地面分割任务作为标注，直接训练Camera的精细2D分割。在以往的地面分割任务中，利用Lidar来做地面分割是目前采用激光雷达方案进行自动驾驶的常见手段。来自EvocargoLCC的学者认为在2D上直接做分割的标注（尤其是高精度的分割标注）是比较耗时耗力的，这会带来很多额外的成本，不利于大规模自动驾驶量产。作者提出使用

苦瓜汤补钙·2023-12-15 13:20

【论文阅读】RoSteALS: Robust Steganography using Autoencoder Latent Space-2023-CVPR

摘要RoSteALS使用一个轻量级的秘密编码器将秘密信息映射到图像的潜空间中，并通过对潜空间进行微小的偏移来嵌入秘密信息。该方法使用预训练的自编码器作为基础模型，不需要学习图像分布，因此训练过程简单且效果良好。方法架构图：训练期间只更新秘密编码器和秘密解码器，图像的编码器和解码器是锁定的说明使用自编码器VQGAN利用编码器将秘密信息映射到图像的潜在层中，使用Res50作为解码器，当平均验证损失停止

岁月漫长_·2023-12-15 13:18

【论文阅读笔记】MimicNet: Mimicking manual delineation of human expert for brain tumor segmentation from mul

LiuZ,ChengY,TanT,etal.MimicNet:MimickingmanualdelineationofhumanexpertforbraintumorsegmentationfrommultimodalMRIs[J].AppliedSoftComputing,2023,143:110394.【论文核心思想概述】本文介绍了一种名为MimicNet的新型深度多模态网络，其核心思想是模仿

cskywit·2023-12-15 12:13

【论文阅读笔记】RAAGR2-Net: A brain tumor segmentation network using parallel processing of multiple spatial

RehmanMU,RyuJ,NizamiIF,etal.RAAGR2-Net:Abraintumorsegmentationnetworkusingparallelprocessingofmultiplespatialframes[J].ComputersinBiologyandMedicine,2023,152:106426.【开放源码】【论文核心思想概述】本文介绍了一种名为RAAGR2-Net

cskywit·2023-12-15 12:13

【论文阅读笔记】Uncertainty quantification and attention-aware fusion guided multi-modal MR brain tumor segm

ZhouT,ZhuS.Uncertaintyquantificationandattention-awarefusionguidedmulti-modalMRbraintumorsegmentation[J].ComputersinBiologyandMedicine,2023:107142.本文与“Featurefusionandlatentfeaturelearningguidedbraint

cskywit·2023-12-15 12:43

【论文阅读笔记】Medical Vision Language Pretraining: A survey

arXiv:2312.06224Submitted11December,2023;originallyannouncedDecember2023.这篇综述文章很长，本文对各部分简要概述。【文章整体概述】医学视觉语言预训练（VLP）最近已经成为解决医学领域标记数据稀缺问题的一种有希望的解决方案。通过利用成对或非成对的视觉和文本数据集进行自监督学习，模型能够获得大量知识并学习强大的特征表示。这样的预训

cskywit·2023-12-15 12:06

【论文阅读】LoRA: Low-Rank Adaptation of Large Language Models

code：GitHub-microsoft/LoRA:Codeforloralib,animplementationof"LoRA:Low-RankAdaptationofLargeLanguageModels"做法：把预训练LLMs里面的参数权重给冻结；向transformer架构中的每一层，注入可训练的rankdecompositionmatrices-（低）秩分解矩阵，从而可以显著地减少下游

李加号pluuuus·2023-12-15 09:32

【论文阅读】Reachability Queries with Label and Substructure Constraints on Knowledge Graphs

WanX,WangH.ReachabilityQueriesWithLabelandSubstructureConstraintsonKnowledgeGraphs[J].IEEETransactionsonKnowledgeandDataEngineering,2022.Abstract由于知识图（KGs）描述和建模了现实世界中实体和概念之间的关系，因此对KGs的推理通常对应于具有标签和实体的可

malo12·2023-12-15 05:56

【论文阅读】Answering Label-Constraint Reachability in Large Graphs

XuK,ZouL,YuJX,etal.Answeringlabel-constraintreachabilityinlargegraphs[C]//Proceedingsofthe20thACMinternationalconferenceonInformationandknowledgemanagement.2011:1595-1600.Abstract在本文中，我们研究了可达性查询的一种变体，

malo12·2023-12-15 05:26

【论文阅读】深度学习方法在数字岩石技术中的应用进展

【论文名称】Advancesintheapplicationofdeeplearningmethodstodigitalrocktechnology深度学习方法在数字岩石技术中的应用进展【论文来源】EI检索【作者单位】长江大学地球物理与油气资源学院、加拿大阿尔伯塔大学土木与环境工程系、东北石油大学地球科学学院、长江大学油气资源勘探技术重点实验室【论文原文】https://doi.org/10.46

万里守约·2023-12-15 05:14

【论文阅读】O’Reach: Even Faster Reachability in Large Graphs

HanauerK,SchulzC,TrummerJ.O’reach:Evenfasterreachabilityinlargegraphs[J].ACMJournalofExperimentalAlgorithmics,2022,27:1-27.Abstract计算机科学中最基本的问题之一是可达性问题：给定一个有向图和两个顶点s和t，s可以通过一条路径到达t吗？我们重新讨论现有的技术，并将它们与新

malo12·2023-12-15 05:13

【论文阅读】Video-to-Video Synthesis

基于条件GAN的视频到视频生成。introduce总结：基于条件GAN的视频到视频生成。将视频到视频的合成问题视为一个分布匹配问题。动机：GAN生成的视频很难保证前后帧的一致性，容易出现抖动。本文加入前后帧的光流信息作为约束。Vid2Vid作为pix2pix,pix2pixHD的改进版本，重点解决了视频到视频转换过程中的前后帧不一致性问题。Vid2Vid建立在pix2pixHD基础之上，加入时序约

李加号pluuuus·2023-12-15 01:41

【论文阅读笔记】NeRF+Mip-NeRF+Instant-NGP

目录前言NeRF神经辐射场体渲染连续体渲染体渲染离散化方法位置编码分层采样体渲染推导公式（1）到公式（2）部分代码解读相机变换（重要！）Mip-Nerf存在什么问题混叠抗混叠发现和思考方法TodoInstant-NGPTodo前言NeRF是NeRF系列的开山之作，将三维场景隐式的表达为神经网络的权重用于新视角合成。MipNeRF和InstantNGP分别代表了NeRF的两个研究方向，前者是抗锯齿，

LuH1124·2023-12-15 01:09

论文阅读《Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching》

论文地址：https://openaccess.thecvf.com/content/ICCV2023/html/Jing_Uncertainty_Guided_Adaptive_Warping_for_Robust_and_Efficient_Stereo_Matching_ICCV_2023_paper.html概述当前基于相关性代价体的立体匹配方法在跨域预测上表现不佳，导致模型在现实世界

CV科研随想录·2023-12-15 01:09

论文阅读《DPS-Net: Deep Polarimetric Stereo Depth Estimation》

论文地址：https://openaccess.thecvf.com/content/ICCV2023/html/Tian_DPS-Net_Deep_Polarimetric_Stereo_Depth_Estimation_ICCV_2023_paper.html概述立体匹配模型难以处理无纹理场景的匹配，现有的方法通常假设物体表面是光滑的，或者光照是受控的，这些条件在实际场景中很难满足，只适用