SOTA

GLM国产大模型训练加速：性能最高提升3倍，显存节省1/3，低成本上手

作者｜BBuf、谢子鹏、冯文2017年，Google提出了Transformer架构，随后BERT、GPT、T5等预训练模型不断涌现，并在各项任务中都不断刷新SOTA纪录。
OneFlow深度学习框架·2023-01-20 17:22

“零”代码改动，静态编译让太乙Stable Diffusion推理速度翻倍

至今，OneFlow还在不断刷新SOTA纪录。不过，由于目前大部分团队主
OneFlow深度学习框架·2023-01-20 17:18

PP-yoloE论文的理解

T-head2.3.1TAL2.4EfficientTask-alignedHead（ET-head）2.4.1varifocalloss(VFL)2.4.2distributionfocalloss（DFL）3.实验3.1与sota
猫猫与橙子·2023-01-20 09:18

6、Denoising Diffusion Probabilistic Models（扩散模型）

简介主页：https://hojonathanho.github.io/diffusion/扩散模型（diffusionmodels）是深度生成模型中新的SOTA。
C--G·2023-01-19 20:35

“零”代码改动，静态编译让太乙Stable Diffusion推理速度翻倍

至今，OneFlow还在不断刷新SOTA纪录。不过，由于目前大部分团队
·2023-01-19 12:27

《Efficient Single Image Super-Resolution Using Dual Path Connections with Multiple Scale Learning》

：4、DPU:5、过渡单元TU：6、HFIB(HierarchicalFeatureIntegrationBlock)：7、RB：实验：细节：消融实验：多尺度学习的效果：双路径连接（DPC）的效果:和SOTA
子壹·2023-01-19 07:28

双重回归学习：轻量化DRN网络---《Towards Lightweight Super-Resolution with Dual Regression Learning》

目录引言：网络双重回归网络------解决第一个问题带有通道剪枝的轻量双重回归模型-----第二个问题基于双重回归的通道数搜索基于双重回归的通道剪枝实验和SOTA方
子壹·2023-01-19 07:58

FMEN网络----《Fast and Memory-Efficient Network Towards Efficient Image Super-Resolution》论文解读

目录初步介绍：引言：相关工作：内存分析：网络结构：ERB：HFAB：总结一下整体网络的设计：实验：ERB的有效性：与其他注意力机制的比较：与SOTA方法的比较：频率分析：根据参考论文，补充知识点：学习SRFBN
子壹·2023-01-19 07:57

BSRN网络——《Blueprint Separable Residual Network for Efficient Image Super-Resolution》论文解读

BlueprintShallowResidualBlock(BSRB)：ESA和CCA：实验：BSRN的实现细节：BSRN-S（比赛）的实现细节：不同卷积分解的效果：ESA和CCA的有效性:不同激活函数对比：BSRN的有效性：和SOTA
子壹·2023-01-19 07:54

【人工智能】Benchmark、SOTA、Baseline

人工智能中的Benchmark、SOTA、Baseline指的是什么？SOTASOTA(state-of-the-art)指的是针对于某一种特定任务，该模型做到了最佳，即最佳性能算法。
Chris Brown·2023-01-19 02:16

看论文需要用到的一些专业词汇【SOTA,Benchmark,Baseline】

看论文需要用到的一些专业词汇【SOTA,Benchmark,Baseline】1.SOTA2.Benchmark（基准）、Baseline(基线)1.SOTASOTA实际上就是Stateofthearts
旋转的油纸伞·2023-01-19 02:16

【一】ERNIE：飞桨开源开发套件，入门学习，看看行业顶尖持续学习语义理解框架，如何取得世界多个实战的SOTA效果？

参考文章：深度剖析知识增强语义表示模型——ERNIE_财神Childe的博客-CSDN博客_ernie模型ERNIE_ERNIE开源开发套件_飞桨https://github.com/PaddlePaddle/ERNIE/blob/develop/README.zh.md1.背景介绍近年来，语义表示（languagerepresentation）技术的发展，使得“预训练-微调”作为解决NLP任务的
汀、·2023-01-18 17:20

Re23：读论文 How Does NLP Benefit Legal System: A Summary of Legal Artificial Intelligence

论文ArXiv下载地址：https://arxiv.org/abs/2004.12158论文ACL官方下载地址：https://aclanthology.org/2020.acl-main.466/实现SOTA
诸神缄默不语·2023-01-18 11:03

CV-2022：CodeFormer【最强的AI 视频、图片修复】【南洋理工大学 S-Lab】

受益于码本先验与全局建模能力，CodeFormer取得了SOTA人脸复原能力。
u013250861·2023-01-18 01:58

【深度学习】干货！小显存如何训练大模型

之前Kaggle有一个Jigsaw多语言毒舌评论分类[1]比赛，当时我只有一张11G显存的1080Ti，根本没法训练SOTA的Roberta-XLM-large模型，只能遗憾躺平。
风度78·2023-01-18 00:25

CVPR 2022 | CNN自监督预训练新SOTA！上交等联合提出HCSC：具有层级结构的图像表征自学习新框架...

来源丨机器之心编辑丨极市平台层级结构无处不在，自然界中存在「界-门-纲-类-科-属-种」这样的层级关系,大规模自然图像数据集中也天然存在。例如，ImageNet数据集的类别标签本身就是基于WordNet层级形成的,我们总是可以「刨根问底」地找到某个类别的「父类」。举例而言，拉布拉多犬是一种犬类，而犬类又是一种哺乳动物。这就形成了拉布拉多犬->犬类->哺乳动物的层级关系。近年来,计算机视觉领域涌现出
Tom Hardy·2023-01-17 19:39

Facebook开源高效图像Transformer，速度、准确率与泛化性能媲美SOTA CNN

点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达转自|机器之心将自然语言处理领域主流模型Transformer应用在视觉领域似乎正在成为趋势。最近，Facebook研究人员提出一项新技术——数据高效图像Transformer(DeiT)，该方法所需的数据量和计算资源更少，且能产生高性能的图像分类模型。Transformer是自然语言处理领域的主流方法，在多项任务中实现了SOT
小白学视觉·2023-01-17 13:07

这个深度学习库能执行10多种图像文本任务，有20多个数据集，还统一接口｜已开源...

Pine发自凹非寺量子位|公众号QbitAI支持10余种图像文本任务，囊括20多种数据集，还提供SOTA模型性能和可复现预训练及微调实验配置。没错，这是一个视觉语言深度学习框架就可以拥有的。
QbitAl·2023-01-17 13:35

【目标检测】55、YOLOv8 | YOLOv5 团队 Ultralytics 再次出手，又实现了 SOTA

文章目录一、YOLO系列算法的简单回顾二、YOLOv8简介2.1安装和简单使用2.2UltralyticsHUB2.2.1UploadDataset2.3YOLOv8主要改动三、YOLOv8细节详述论文：暂无官方文档：https://docs.ultralytics.com/代码：https://github.com/ultralytics/ultralytics出处：2023.01|Ultral
呆呆的猫·2023-01-17 12:00

X-Pool：多伦多大学提出基于文本的视频聚合方式，在视频文本检索上达到SOTA性能！（CVPR 2022）...

X-Pool:Cross-ModalLanguage-VideoAttentionforText-VideoRetrieval』，多伦多大学提出基于文本的视频聚合方式，《X-Pool》，在视频文本检索上达到SOTA
我爱计算机视觉·2023-01-17 09:24

朱俊彦团队最新论文：用GAN监督学习给左晃右晃的猫狗加表情，很丝滑很贴合...

该方法的性能显著优于目前的自监督算法，在多个数据集上的性能都与SOTA算法相当，有的甚至还
QbitAl·2023-01-17 05:48

UNIRE: A Unified Label Space for Entity Relation Extraction

https://github.com/Receiling/UniREAbstract(ZhongandChen,ACL2020)使用pipeline方法为实体检测和关系分类设置了两个独立的标签空间，并取得了SOTA
自然语言处理CS·2023-01-16 11:51

【深度学习】torch消除模型训练的随机性，使结果可复现

目录背景方法1、设置随机种子2、消除Python与Numpy的随机性3、消除torch的随机性4、消除DataLoader的随机性背景现有的深度学习框架存在一定的随机性，在复现论文、验证模块有效性，SOTA
McGregorWwww·2023-01-16 11:15

Sentence-BERT 论文阅读

BERT、RoBERTa已经在文本语义相似度任务（semantictextualsimilarity，STS）上达到了sota。
_illusion_·2023-01-16 08:52

视频实例分割新SOTA：SeqFormer & IDOL

原文链接：https://www.techbeat.net/article-info?id=3839&isPreview=1作者：吴俊峰本文主要介绍最近两篇ECCV2022Oral的工作，分别在offline和online范式下的视频实例分割（VideoInstanceSegmentation,VIS）任务上取得了目前最高的性能，并在CVPR2022第四届大规模视频物体分割挑战赛（4thLarge
TechBeat人工智能社区·2023-01-16 06:13

视频实例分割新SOTA：SeqFormer & IDOL

前言本文主要介绍最近两篇ECCV2022Oral的工作，分别在offline和online范式下的视频实例分割（VideoInstanceSegmentation,VIS）任务上取得了目前最高的性能，并在CVPR2022第四届大规模视频物体分割挑战赛（4thLarge-scaleVideoObjectSegmentationChallenge）的视频实例分割赛道上取得第一名，模型和代码均已开源！S
数学是算法的灵魂·2023-01-16 06:43

KITTI & Waymo双SOTA！基于稠密体素多模态融合的3D目标检测

作者|花椒壳壳编辑|汽车人原文链接：https://zhuanlan.zhihu.com/p/489021200点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心技术交流群后台回复【3D检测综述】获取最新基于点云/BEV/图像的3D检测综述！论文标题：DenseVoxelFusionfor3DObjectDetection作者单位：UniversityofTo
自动驾驶之心·2023-01-16 00:49

Bert: Pre-training of Deep Bidirectional Transformers for Language Understanding

因此，预训练BERT模型可以通过只增加一个额外的输出层进行finetuned，从而在很多任务中得到SOTA模型，例如问答系统
abrams90·2023-01-15 18:13

论文推荐：谷歌Masked Generative Transformers 以更高的效率实现文本到图像的 SOTA

基于文本提示的生成图像模型近年来取得了惊人的进展，这得益于新型的深度学习架构、先进的训练范式(如掩码建模)、大量图像-文本配对训练数据的日益可用，以及新的扩散和基于掩码的模型的发展。在23年1月新发布的论文Muse中：MaskedGenerativeTransformers生成文本到图像利用掩码图像建模方法来达到了最先进的性能，零样本COCO评估的FID分数为7.88，CLIP分数为0.32——同
deephub·2023-01-15 18:12

训练ViT和MAE减少一半计算量！Sea和北大联合提出高效优化器Adan，深度模型都能用...

凭借着ViT结构，许多视觉任务的SoTA都得到了进一步提升，包括图像分类、分割、检测、识别等。然而，训练ViT并非易事。除了需要较复杂的训练技巧，模型训练的计算量往往也较之前的CNN大很多。
视学算法·2023-01-15 12:08

训练ViT和MAE减少一半计算量！Sea和北大提出新优化器Adan：深度模型都能用！

凭借着ViT结构，许多视觉任务的SoTA都得到了进一步提升，包括图像分类、分割、检测、识别等。然而，训练ViT并非易事
Amusi（CVer）·2023-01-15 12:34

训练ViT和MAE减少一半计算量！Sea和北大联合提出高效优化器Adan，深度模型都能用

凭借着ViT结构，许多视觉任务的SoTA都得到了进一步提升，包括图像分类、分割、检测、识别等。然而，训练ViT并非易事。除了需要较复杂的训练技巧，模型训练的计算量往往也较之前的CNN大很多。
易学智能EasyAIForum·2023-01-15 12:32

PointNet论文分析

可以实现新的sota。本文还从理论上分析了网络学到了什么，以及网络为什么具有
Thy shy·2023-01-15 12:01

HigherHRnet/DEKR骨骼关键点检测笔记：heatmap和offset理解

：https://arxiv.org/abs/2104.02300HigherHRnet/DEKR骨骼关键点检测是MIT提出一种新颖的bottom-up方法，并且在COCO和Crowdpose中达到了SOTA
Victor_X·2023-01-15 10:51

复旦提出ObjectFormer，收录CVPR 2022！图像篡改检测新工作！

该方法在常用的图像篡改数据集上取得了SOTA的效果。ObjectFormerforImageManipulationDetectionan
Amusi（CVer）·2023-01-15 07:36

推荐一个最近刚出的比较全面的多模态、CV、NLP综述：Multimodal Deep Learning

本书是一个研讨会的成果，在这个研讨会中，我们回顾了多模态方法，并试图创建一个坚实的领域概述，从深度学习的两个子领域的SOTA方法开始。此
friedrichor·2023-01-15 07:04

一句话修图时代来了！谷歌新模型碾压DALLE·2和Imagen

这次，他们的新模型Muse（缪斯）在CC3M数据集上达成了新SOTA（目前最佳水平）。而且其效率远超火爆全球的DALL·E2和Imagen（这俩都属于扩散模型），以及Parti（属于自回归模型）。
夕小瑶·2023-01-14 17:01

推理速度比Stable Diffusion快2倍，生成、修复图像谷歌一个模型搞定，实现新SOTA...

机器之心报道机器之心编辑部图像生成领域越来越卷了！文本到图像生成是2022年最火的AIGC方向之一，被《science》评选为2022年度十大科学突破。最近，谷歌的一篇文本到图像生成新论文《Muse:Text-To-ImageGenerationviaMaskedGenerativeTransformers》又引起高度关注。论文地址：https://arxiv.org/pdf/2301.00704
人工智能与算法学习·2023-01-14 17:31

谷歌新模型效率碾压DALL·E 2和Imagen，还能一句话搞定PS

这次，他们的新模型Muse（缪斯）在CC3M数据集上达成了新SOTA（目前最佳水平）。而且其效率远超火爆全球的DALL·E2和Imagen（这俩都属于扩散模型），以及Parti（属于自回归模型）。
宁波阿成·2023-01-14 17:00

GaitPart学习笔记（主干网络论文介绍+代码讲解）

而本文最大的亮点在于发现人体步态的不同部分在形状以及行走时的移动模式上具有显著的区别，并且这些信息将为网络提供更多的细粒度信息，并且为此设计出了FConv模块（FPFE）和MCM模块，并且提出了基于当前为止的SOTA
别码了W哥·2023-01-14 16:54

基于prompt learning的情感分类示例代码

完整代码和数据集参见：BIT-ENGD/PromptSentiClassify(github.com)提示学习是自然语言的新范式，利用预训练语言模型中的事实知识进行各种下游任务，达到了新的SOTA.基于
znsoft·2023-01-14 12:29

Block Recurrent Transformer：结合了LSTM和Transformer优点的强大模型

为了解决这个问题Google创建了HybridTransformer-LSTM模型，该模型可以实现SOTA导致时间序列预测任务。
deephub·2023-01-14 09:51

综述丨视频超分辨率研究方法

本文是第一个也是唯一一个视频超分方向的综述，主要看点如下：1）回顾了基于深度学习的视频超分技术的研究进展；2）提出了一种基于深度学习的视频超分分类方法，利用不同处理帧间信息的方式进行分类；3）总结了SOTA
WangsyHebut·2023-01-14 07:00

腾讯提出CLIP2TV，性能SOTA，涨点4.1%！...

关注公众号，发现CV技术之美▊写在前面现代视频文本检索框架主要由视频编码器、文本编码器和相似度head三个部分组成。随着视觉表示学习和文本表示学习的成功，基于Transformer的编码器和融合方法也被应用于视频-文本检索领域。在本文中，作者提出了CLIP2TV，旨在探索基于Transformer的方法中关键元素的位置。为了实现这一点，作者首先回顾了多模态学习的一些研究，然后将一些技术引入视频文本
我爱计算机视觉·2023-01-13 18:38

NWD-Based Model | 小目标检测新范式，抛弃IoU-Based暴力涨点(登顶SOTA)

点击上方“计算机视觉工坊”，选择“星标”干货第一时间送达作者丨ChaucerG来源丨集智书童小目标检测是一个非常具有挑战性的问题，因为小目标只包含几个像素大小。作者证明，由于缺乏外观信息，最先进的检测器也不能在小目标上得到令人满意的结果。作者的主要观察结果是，基于IoU(IntersectionoverUnion,IoU)的指标，如IoU本身及其扩展，对小目标的位置偏差非常敏感，在基于Anchor
Tom Hardy·2023-01-13 16:39

论文推荐：谷歌Masked Generative Transformers 以更高的效率实现文本到图像的 SOTA

基于文本提示的生成图像模型近年来取得了惊人的进展，这得益于新型的深度学习架构、先进的训练范式(如掩码建模)、大量图像-文本配对训练数据的日益可用，以及新的扩散和基于掩码的模型的发展。在23年1月新发布的论文Muse中：MaskedGenerativeTransformers生成文本到图像利用掩码图像建模方法来达到了最先进的性能，零样本COCO评估的FID分数为7.88，CLIP分数为0.32——同
·2023-01-13 12:59

CVPR21 - BasicVSR：简单有效的视频超分辨率Baseline

视频超分比图像超分多了时间维度的信息、更为复杂，而在当时，现有的SOTA方法都基于各种各样的复杂设计，对于各组件也缺乏详细的分析。所以这篇文章的核心贡献点就是：对目前VSR(vediosuper-re
我是大黄同学呀·2023-01-13 09:38

cvpr 注意力机制_今日论文|Transformer++刷新翻译SOTA&跨越语言鸿沟的视觉共享嵌入&高度驱动注意力网络&多语言问答数据集&MORE...

今日人工智能领域新增论文224篇，AI日读精选其中36篇推荐给大家。这些论文主要来自CVPR，AAAI，ECAI，AISTATS，ESWC，WAAS，JMLR等会议与期刊。其中包含计算机视觉论文17篇[1-17]，自然语言处理论文5篇[18-22]，方法论论文3篇[27-29]，知识图谱论文4篇[31-34]，推荐系统论文2篇[35-36]。首先来看计算机视觉论文：-在临床显微镜中处理十亿像素完整
王清贤·2023-01-12 21:40

[模型调研]实体消歧

文章目录一、概念二、任务定义三、任务分类四、基于聚类的实体消歧方法五、基于实体链接的实体消歧方法六、各数据集上的SOTA模型1.Raiman2.EvaluatingtheImpactofKnowledgeGraphContextonEntityDisambiguationModels3
女青年学习日记·2023-01-12 17:22

ECCV 2022 Oral ObjectBox：全新Anchor-free目标检测模型

代码开源了，没有开源预训练：3.2SOTA对比3.3速度对比ObjectBox:FromCenterstoBoxesforAnchor-FreeObjectDetection代码（刚刚开源）：https
AI视觉网奇·2023-01-12 10:29
上一页 6 7 8 9 10 11 12 13 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他