vae论文笔记第2页

Encoder-based Domain Tuning for Fast Personalization of Text-to-Image Models——【论文笔记】

本文是发表于ACMTransactionsonGraphics期刊上的一篇论文论文地址：[2302.12228]基于编码器的域优化，用于文本到图像模型的快速个性化(arxiv.org)官方代码：mkshing/e4t-diffusion：实现基于编码器的域调优，以实现文本到图像模型的快速个性化(github.com)一、Introduction近年来，个性化大规模文本到图像模型的能力已经彻底改变了

我是浮夸·2024-02-04 14:51

SVDiff: Compact Parameter Space for Diffusion Fine-Tuning——【论文笔记】

本文发表于ICCV2023论文地址：ICCV2023OpenAccessRepository(thecvf.com)官方代码：mkshing/svdiff-pytorch:Implementationof"SVDiff:CompactParameterSpaceforDiffusionFine-Tuning"(github.com)一、Introduction最近几年，基于扩散的文本到图像生成模型

我是浮夸·2024-02-04 14:19

论文浅尝 | 动态知识图谱对齐

论文笔记整理：谭亦鸣，东南大学博士生来源：AAAI‘21链接：https://ojs.aaai.org/index.php/AAAI/article/view/16585概述本文提出了一种动态图谱(KG

开放知识图谱·2024-02-04 07:05

（2021|NIPS，VQ-VAE，精度瓶颈松弛，三明治层归一化，CapLoss）CogView：通过转换器掌握文本到图像的生成

CogView:MasteringText-to-ImageGenerationviaTransformers公众号：EDPJ（添加VX：CV_EDPJ或直接进Q交流群：922230617获取资料）目录0.摘要1.简介2.方法2.1理论2.2标记化2.3自回归Transformer2.4训练的稳定性3.微调3.1超分辨率3.2图像标题和自我重新排名3.3风格学习3.4工业时尚设计4.实验结果4.1

EDPJ·2024-02-03 19:18

深入探索 Stable Diffusion：AI图像创新的新纪元

StableDiffusion：AI图像创新的新纪元介绍StableDiffusion的核心功能和应用场景StableDiffusion架构解析深入StableDiffusion的关键组件变分自编码器（VAE

walkskyer·2024-02-03 13:16

《Revisiting Self-Supervised Monocular Depth Estimation》论文笔记

参考代码：rmd1.概述介绍：回顾前几年的一些自监督型深度估计算法，它们都是从不同的角度对自监督深度估计方法进行改进。总结这些算法中对自监督深度估计的改进idea，发现这些算法有的是为了解决场景光照变化对深度估计稳定性的影响；有的是对相机运动下场景中物体遮挡运动进行建模，从而减少对于前期假设先验的违背的影响。而这些改进的idea它们的来源是不同的文章，那么它们组合起来是否能达到比原方法更好的效果呢

m_buddy·2024-02-02 20:59

《LeReS：Learning to Recover 3D Scene Shape from a Single Image》论文笔记

参考代码：AdelaiDepth-LeReS1.概述介绍：基于单张图像的深度估计网络往往采用scale-shiftinvariant形式完成深度预测，其是将预测深度和GT深度映射到scale-shiftinvariant空间，之后再计算loss，自然使用该方法得到的深度在经过点云映射之后是存在扭曲的，这类方法以MiDaS为代表。除scale-shift之外其还存在焦距（focal）上的不确定，因而

m_buddy·2024-02-02 20:29

《Enforcing geometric constraints of virtual normal for depth prediction》论文笔记

参考代码：VNL_Monocular_Depth_Prediction1.概述介绍：这篇文章为深度估计提供了一种新的损失函数形式，在深度估计任务中常见的损失函数多以pixel-wise监督的形式出现，因此这些监督损失函数都是利用像素层面的浅层信息进行监督约束的。这样的浅层次深度信息学习自然不能很好学习到GT深度中的一些细节与结构差异信息，因而这篇文章提出将预测深度通过预先假定的相机内参映射到同一模

m_buddy·2024-02-02 20:29

《Boosting Monocular Depth Estimation Models to High-Resolution ...》论文笔记

参考代码：BoostingMonocularDepth论文：BoostingMonocularDepthEstimationModelstoHigh-ResolutionviaContent-AdaptiveMulti-ResolutionMerging1.概述导读：这篇文章提出了一种使用现有深度估计模型（MiDas）生成具有更高分辨率/更多细节表现深度图的方法（同时保持高分辨率和深度一致性是现存

m_buddy·2024-02-02 20:28

《Robust Consistent Video Depth Estimation》论文笔记

主页与代码地址：robust_cvd1.概述导读：这篇文章的目的是为了在视频场景下生成稳定的深度估计结果，其提出的算法可以在一个单目视频中估计出一致的深度图和相机位姿。文章首先会使用MiDas为视频中的单帧图像做初始深度估计（主要用于提供深度scale参数），以及使用CeresLibrary上计算相机的初始位姿信息。之后再在输入的视频序列上使用在线finetune形式交替进行深度估计结果与相机位姿

m_buddy·2024-02-02 20:28

《Towards Robust Monocular Depth Estimation：Mixing Datasets for Zero-shot Cross-dataset Transfer》论文笔记

参考代码：MiDaS1.概述导读：这篇文章提出了一种监督的深度估计方法，其中使用一些很有价值的策略使得最后深度估计的结果具有较大提升。具体来讲文章的策略可以归纳为：1）使用多个深度数据集（各自拥有不同的scale和shift属性）加入进行训练，增大数据量与实现场景的互补；2）提出了一种scale-shiftinvariable的loss用于去监督深度的回归过程，从而使得可以更加有效使用现有数据；3

m_buddy·2024-02-02 20:58

《RAFT-Stereo：Multilevel Recurrent Field Transforms for Stereo Matching》论文笔记

参考代码：RAFT-Stereo1.概述导读：RAFT算法是非常经典的立体匹配算法，在光流和立体匹配任务中有着广泛的运用。而这篇文章正是基于RAFT并将其运用到了立体匹配中，并且在如下的几个方面进行改进：1）相比原生的RAFT算法钟重点关注X轴（W方向）的视差信息，前提是输入的图像对需要事先经过极线校准；2）在GPU的update阶段使用stride为[8,16,32][8,16,32][8,16

m_buddy·2024-02-02 20:58

《PackNet：3D Packing for Self-Supervised Monocular Depth Estimation》论文笔记

参考代码：packnet-sfm1.概述导读：这篇文章提出了一种自监督的深度估计方法，其使用视频序列与运动信息作为输入，用网络去估计深度信息/相机位姿，并用最小重构误差去约束整个训练的过程从而实现自监督。文章的创新点主要体现为：使用3D卷机作为深度编解码网络，在相机位姿的6d信息基础上对平移分量进行约束，提出了一个新的数据集DDAD（DenseDepthforAutomatedDriving）。单

m_buddy·2024-02-02 20:28

【论文笔记】Multi-Chain Reasoning：对多思维链进行元推理

LZXCyrus·2024-02-02 18:56

分布式元数据论文，阅读笔记（持续更新）

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

妙BOOK言·2024-02-02 18:56

论文笔记：SQLPrompt: In-Context Text-to-SQL with Minimal Labeled Data

导语本文提出了SQLPrompt，通过创新的Prompt设计、基于执行一致性的解码策略，以及混合不同格式的Prompt和不同LLMs输出的方式，提高了LLM在Few-shotIn-contextLearning下的能力。会议：EMNLP2023Findings（Short）链接：https://arxiv.org/abs/2311.028831简介这项研究介绍了“SQLPrompt”，一种针对大型

Q同学的nlp笔记·2024-02-02 04:16

【论文笔记】OSDI04 MapReduce: Simplified Data Processing on Large Clusters

overview论文地址google的经典论文。MapReduce是一种编程模型（类似于现在的框架），主要是将分布式算法进行了抽象，MP负责处理分布式中的容错、通信等，程序员只需要关注具体的业务实现，即Mapper和Reducer的逻辑。MPrunonGFS.整个模型的输入是key/value对集合，输出也是若干的key/value对集合，以文件的形式保存。用户需要自定义两个函数，map和redu

qq_38420683·2024-02-01 12:03

《Access Path Selectionin a Relational Database Management System》论文笔记

以下是根据论文归纳出的一些查询优化器公式和知识点，有没有用不知道，先码起来。SQL执行优化过程处理SQL语句是从解析用户输入的SQL语句开始，经过一系列优化过程，最终生成机器代码并执行的过程。这个过程涉及到多个复杂的步骤，每个步骤都是为了确保SQL语句能够高效、正确地执行。通常包括以下四个主要步骤：解析器（Parser）这个步骤负责对用户输入的SQL语句进行词法和语法分析，检查SQL语句是否遵循S

若呓·2024-02-01 11:42

深度学习有何新进展？

首先，一些研究人员提出了新的深度学习结构，如变分自编码器（VariationalAutoencoders,VAE）和生成对抗网络（GenerativeAdversarialNetworks,GAN）。

博瓦科技·2024-02-01 11:31

【论文笔记】A Survey on In-context Learning

ASurveyonIn-contextLearning论文题目：ASurveyonIn-contextLearning论文地址：[2301.00234]ASurveyonIn-contextLearning(arxiv.org)版本:[v3]Thu,1Jun202312:23:40UTC(6,761KB)参考文献列表:dqxiu/ICL_PaperList:PaperListforIn-conte

jinniulema·2024-02-01 06:22

论文笔记——Real-ESRGAN: Training Real-World Blind Super-Resolution with Pure Synthetic Data

基本信息标题：Real-ESRGAN:TrainingReal-WorldBlindSuper-ResolutionwithPureSyntheticData简称：Real-ESRGAN时间：17Aug2021,InternationalConferenceonComputerVisionWorkshops(ICCVW)2021作者：XintaoWang,LiangbinXie,ChaoDong,

TracelessLe·2024-01-31 15:33

为什么有这么多人只爱许嵩

当众多明星在不停地圈钱时，他却埋头做音乐，坚持所有歌曲不收费，甚至为了他的粉丝们专门打造了一个APP-Vae+，亏本运营。一个几乎不做任何宣传的歌手，却拥有大批死忠粉。

阳光下的野太阳花·2024-01-31 08:27

[论文笔记] PAI-Megatron 源码解读之Mistral的滑动窗口sliding window

这段代码是_make_causal_mask函数中处理滑动窗口局部注意力的部分。这里的目的是创建一个额外的掩码，以便在自注意力机制中只考虑每个位置附近的一定数量的位置，而不是所有之前的位置。这通常用于减少计算复杂性和提高长序列处理的效率。代码分析如下：diagonal=past_key_values_length-sliding_window+1:这里计算的是上三角矩阵（triu）的开始对角线的索

心心喵·2024-01-30 20:08

论文笔记：多任务学习模型：渐进式分层提取（PLE）含pytorch实现

整理了RecSys2020ProgressiveLayeredExtraction:ANovelMulti-TaskLearningModelforPersonalizedRecommendations）论文的阅读笔记背景模型代码论文地址：PLE背景多任务学习（multi-tasklearning，MTL）：给定m个学习任务，这m个任务或它们的一个子集彼此相关但不完全相同。简单地说就是一个模型

图学习的小张·2024-01-30 07:09

【YOLOv8改进-论文笔记】RFAConv：感受野注意力卷积，创新空间注意力

介绍摘要空间注意力已被广泛用于提升卷积神经网络的性能。然而，它存在一定的局限性。在本文中，我们提出了一个关于空间注意力有效性的新视角，即空间注意力机制本质上是解决卷积核参数共享的问题。然而，由空间注意力生成的注意力图中包含的信息对于大尺寸卷积核来说并不充分。因此，我们提出了一种名为感受野注意力（Receptive-FieldAttention，简称RFA）的新型注意力机制。现有的空间注意力，如卷积

程序员半夏·2024-01-29 13:06

【YOLOv8改进】Inner-IoU: 基于辅助边框的IoU损失(论文笔记+引入代码)

介绍摘要随着检测器的迅速发展,边框回归取得了巨大的进步。然而，现有的基于IoU的边框回归仍聚焦在通过加入新的损失项来加速收敛，忽视IoU损失项其自身的限制。尽管理论上IoU损失能够有效描述边框回归状态，在实际应用中，它无法根据不同检测器与检测任务进行自我调整，不具有很强的泛化性。基于以上，我们首先分析了BBR模式，得出结论在回归过程区分不同回归样本并且使用不同尺度的辅助边框计算损失能够有效加速边框

程序员半夏·2024-01-29 13:06

【YOLOv8改进】骨干网络： SwinTransformer (基于位移窗口的层次化视觉变换器）(论文笔记+引入代码)

文章目录介绍摘要创新点文章链接基本原理HierarchicalFeatureMapsPatchMergingSwinTransformerBlock基于窗口的自注意力移位窗口自注意力核心代码官方代码非官方可用代码YOLOv8引入下载YoloV8代码

程序员半夏·2024-01-29 13:36

【YOLOv8改进-论文笔记】SCConv ：即插即用的空间和通道重建卷积

文章目录介绍摘要创新点文章链接基本原理空间重构单元（SRU）分离操作重构操作通道重构单元（CRU）分割操作转换操作融合操作核心代码YOLOv8引入下载YoloV8代码直接下载

程序员半夏·2024-01-29 13:59

论文笔记：TimeGPT-1

时间序列的第一个基础大模型1方法最basic的Transformer架构采用了公开可用的最大时间序列数据集进行训练，包含超过1000亿个数据点。训练集涵盖了来自金融、经济、人口统计、医疗保健、天气、物联网传感器数据、能源、网络流量、销售、交通和银行业等广泛领域的时间序列具有多种季节性、不同长度的周期和各种趋势类型的序列还在噪声和异常值方面有所不同2结果3一点私货时间论文并没有怎么说明不同时间序列在

UQI-LIUWJ·2024-01-29 06:56

DENOISING DIFFUSION IMPLICIT MODELS 论文笔记

前言生成模型现在主要分为两类，分别是GAN和DiffusionModel，但是GAN存在一个很棘手的问题就是训练不稳定，这也是DiffusionModel相比之下的优势。DDPM是基于Markovian扩散过程的模型，虽然在生成模型上取得了不错的效果，但是同时也存在一个大缺点，就是由于在重建生成阶段是需要一步步进行，步数通常为2000，导致推理时间非常长，需要多次迭代才能产生高质量的生成样本。基于

Unsunshine_Bigboy_?·2024-01-28 20:59

【扩张卷积or空洞卷积】如何理解Dilated Convolutions(空洞卷积)

article/details/885945501.扩张卷积的提出Multi-ScaleContextAggregationbyDilatedConvolutionsDilatedResidualNetworks论文笔记

华仔168168·2024-01-28 19:47

自监督学习

其中生成式自监督学习的代表是VAE和GAN，他们利用一个生成器来学习真实的样本分布，不需要提供负样本就可以学习到一个生成器。判别式监督模型的任务难度要低一些，典型的

Icevivina·2024-01-28 12:53

stable diffusion学习笔记——文生图（一）

vae模型vae模型的全名叫变分自编码器，这里先不讲解原理。在AI绘图中主要的作用是起到画面滤镜的效果。目前较多的大模型都是自带vae的，因此这里不需要额外设置，修改成NONE

师范大学生·2024-01-28 09:02

【论文笔记】GPT，GPT-2，GPT-3

参考：GPT，GPT-2，GPT-3【论文精读】GPTTransformer的解码器，仅已知"过去"，推导"未来"论文地址：ImprovingLanguageUnderstandingbyGenerativePre-Training半监督学习：无标签数据集预训练模型，有标签数据集微调BERTTransformer的编码器，完形填空，已知“过去”和“未来”，推导中间值论文地址：BERT:Pre-tr

爱学习的卡比兽·2024-01-28 06:44

数学建模论文笔记

一、概述1.数学建模论文组成论文电子版：摘要页、正文、参考文献、附录支撑材料：源程序代码以及调用说明、中间结果、支撑数据等首页：论文题目、摘要、关键词论文正文：问题重述、问题分析、模型假设、符号说明、模型建立与求解、模型检验/模型改进与推广、模型优缺点评价、参考文献、附录论文格式：论文题目–黑体3号、居中；摘要标题–黑体四号、居中；摘要内容–宋体、小4号；关键词–黑体小4号；正文一级标题–黑体四号

VaIOReTto1·2024-01-28 00:07

论文笔记：Self-Supervised Contrastive Pre-Training For Time Series via Time-Frequency Consistency

2022Neurips1intro无监督与训练在NLP和CV领域的应用越来越多他们大多基于合适的，在所有数据上都一致的先验假设例如在NLP中，一个先验假设是不管是什么领域的文本，或者什么语种的文本，都遵循相同的语法规律在时间序列中，之前并没有找到一个在不同数据集上都一致的先验假设——>本文找到了一种不论在什么样的时间序列数据集中都存在的规律，那就是一个时间序列的频域表示和时域表示应该相似——>提出

UQI-LIUWJ·2024-01-28 00:17

论文笔记：Influence of geographical determinants on the spatial distribution of positioning uncertainties

TransactionsinGIS.20211intro1.1背景手机定位（MPL）数据的质量，尤其是空间准确性或不确定性，直接关系到人类移动性研究结果（交通、城市规划、流行病学、社会学）的可靠性空间准确性主要取决于移动定位技术基站源（COO）、到达角、差分到达时间。。。COO方法原理简单，不消耗大量计算和网络资源原理是以给定时间服务于手机的蜂窝塔的地理坐标作为用户位置的近似值——>MPL数据的空

UQI-LIUWJ·2024-01-28 00:46

论文笔记：Urban visual intelligence: Uncovering hidden city profiles with street view images

pnas20221方法介绍基于计算机视觉和街景图像来探索城市环境与居民生活的关系2研究区域美国的七个大都市区3实验结果3.1使用SVF（谷歌街景）估计健康、犯罪、交通和贫困街景变量被聚合到不同的空间分辨率，即人口普查区域（CT）和人口普查街区组（CBG）(A)模型拟合R²比较的散点图。仅使用SVF的模型在估计大多数变量时通常表现优于使用POI特征的模型(B)使用SVF估计与交通相关变量的R²。SV

UQI-LIUWJ·2024-01-28 00:16

Stable Diffusion 笔记一：网络结构拆解

SD由三大组件组成：VAE，CLIP，Unet。一VAE：VAE是VariationalAutoencoder的缩写，中文名变分自编码器，是一种基于深度学习的生成模型。

朱小丰·2024-01-27 21:00

李宏毅机器学习（二十三）无监督学习Deep Generative Model(二)

内容衔接上一讲，上节我们讲到VAE，我们为什么用VAE而不用auto-encoder呢，直觉上的原因是如果是auto-encoder，我们期待的是输入满月解码后还是满月，输入半月输出还是半月，但是我们能保证中间状态时候我们的输出是

ca8519be679b·2024-01-27 12:38

【论文笔记】SoK: Understanding the Prevailing Security Vulnerabilities in TrustZone-assisted TEE Systems

SoK:UnderstandingthePrevailingSecurityVulnerabilitiesinTrustZone-assistedTEESystems题外话所谓TEE和ArmTrustZoneI.INTRODUCTIONII.BACKGROUNDANDMOTIVATIONIII.OVERVIEWⅣ.ARCHITECTURALISSUESⅤ.IMPLEMENTATIONISSUESⅥ

文火慢炖Dreamer·2024-01-26 16:36

论文笔记（四十二）Diff-DOPE: Differentiable Deep Object Pose Estimation

Diff-DOPE:DifferentiableDeepObjectPoseEstimation文章概括摘要I.介绍II.相关工作III.DIFF-DOPEIV.实验结果A.实施细节和性能B.准确性C.机器人-摄像机校准V.结论VI.致谢文章概括作者：JonathanTremblay,BowenWen,ValtsBlukis,BalakumarSundaralingam,StephenTyree,

墨绿色的摆渡人·2024-01-26 12:44

深度视觉目标跟踪进展综述-论文笔记

中科大学报上的一篇综述，总结得很详细，整理了相关笔记。1引言目标跟踪旨在基于初始帧中指定的感兴趣目标(一般用矩形框表示)，在后续帧中对该目标进行持续的定位。基于深度学习的跟踪算法，采用的框架包括相关滤波器、分类式网络、双路网络等。处理跟踪任务的角度，分为基于匹配思路的双路网络和基于二分类的辨别式跟踪器。最初的深度跟踪算法聚焦于相关滤波器，通过深度学习的特征+相关滤波器实现。基于双路网络跟踪算法那，

pzb19841116·2024-01-26 12:11

【论文笔记】Learning Deconvolution Network for Semantic Segmentation

重要说明：严格来说，论文所指的反卷积并不是真正的deconvolutionnetwork。关于deconvolutionnetwork的详细介绍，请参考另一篇博客：什么是DeconvolutionalNetwork？一、参考资料LearningDeconvolutionNetworkforSemanticSegmentation二、DeconvolutionNetworkdeconvolution

花花少年·2024-01-26 12:40

【论文笔记】VideoGPT: Video Generation using VQ-VAE and Transformers

论文标题：VideoGPT:VideoGenerationusingVQ-VAEandTransformers论文代码：https://wilson1yan.github.io/videogpt/index.html.论文链接：https://arxiv.org/abs/2104.10157发表时间：2021年9月Abstract作者提出了VideoGPT：一种概念上简单的架构，用于将基于似然的生

来自γ星的赛亚人·2024-01-26 06:48

VideoGPT：使用VQ-VAE和Transformers的视频生成

1TitleVideoGPT:VideoGenerationusingVQ-VAEandTransformers（WilsonYan，YunzhiZhang，PieterAbbeel，AravindSrinivas）2ConlusionThispaperpresentVideoGPT:aconceptuallysimplearchitectureforscalinglikelihoodbasedg

umbrellazg·2024-01-26 06:16

InsCode Stable Diffusion 美图活动投稿

/inscode.csdn.net/@inscode/Stable-Diffusion模型相关版本和参数配置：模型：cetusversion4.WRgK.safetensors[b42b09ff12]VAE

Binarydog_Lee·2024-01-25 16:59

论文浅尝 | GMNN: Graph Markov Neural Networks

论文笔记整理：吴锐，东南大学硕士研究生，研究方向为自然语言处理来源：ICML2019链接：http://proceedings.mlr.press/v97/qu19a/qu19a.pdf问题定义弱监督下的在关系数据中的对象分类

开放知识图谱·2024-01-24 08:57

论文笔记：SelfHAR: Improving Human Activity Recognition through Self-training with Unlabeled Data

Proc.ACMInteract.Mob.WearableUbiquitousTechnol.20211intro1.1背景——人类活动识别（HAR）旨在准确分类人类的物理活动传统方法——依赖于滑动窗口分割和手工特征提取，然后通过各种监督学习技术来识别简单和复杂的活动，如行走、跑步、骑自行车深度学习方法自动提取目标任务的有用特征——>更有效两种方法的局限性受到常规实验室HAR数据集引入的偏见和限制

UQI-LIUWJ·2024-01-23 22:08

MOE介绍混合专家模型

GShardarxiv链接GShard模型架构图：参考GShard论文笔记（1）-MoE结构可知，MOE具备以下几种特点：改造了原本的FFN层，变成Gate+n个FFN层。

duoyasong5907·2024-01-23 22:50

推荐频道

vae论文笔记

Encoder-based Domain Tuning for Fast Personalization of Text-to-Image Models——【论文笔记】

SVDiff: Compact Parameter Space for Diffusion Fine-Tuning——【论文笔记】

论文浅尝 | 动态知识图谱对齐

（2021|NIPS，VQ-VAE，精度瓶颈松弛，三明治层归一化，CapLoss）CogView：通过转换器掌握文本到图像的生成

深入探索 Stable Diffusion：AI图像创新的新纪元

《Revisiting Self-Supervised Monocular Depth Estimation》论文笔记

《LeReS：Learning to Recover 3D Scene Shape from a Single Image》论文笔记

《Enforcing geometric constraints of virtual normal for depth prediction》论文笔记

《Boosting Monocular Depth Estimation Models to High-Resolution ...》论文笔记

《Robust Consistent Video Depth Estimation》论文笔记

《Towards Robust Monocular Depth Estimation：Mixing Datasets for Zero-shot Cross-dataset Transfer》论文笔记

《RAFT-Stereo：Multilevel Recurrent Field Transforms for Stereo Matching》论文笔记

《PackNet：3D Packing for Self-Supervised Monocular Depth Estimation》论文笔记

【论文笔记】Multi-Chain Reasoning：对多思维链进行元推理

分布式元数据论文，阅读笔记（持续更新）

论文笔记：SQLPrompt: In-Context Text-to-SQL with Minimal Labeled Data

【论文笔记】OSDI04 MapReduce: Simplified Data Processing on Large Clusters

《Access Path Selectionin a Relational Database Management System》论文笔记

深度学习有何新进展？

【论文笔记】A Survey on In-context Learning

论文笔记——Real-ESRGAN: Training Real-World Blind Super-Resolution with Pure Synthetic Data

为什么有这么多人只爱许嵩

[论文笔记] PAI-Megatron 源码解读之Mistral的滑动窗口sliding window

论文笔记：多任务学习模型：渐进式分层提取（PLE）含pytorch实现

【YOLOv8改进-论文笔记】RFAConv：感受野注意力卷积，创新空间注意力

【YOLOv8改进】Inner-IoU: 基于辅助边框的IoU损失(论文笔记+引入代码)

【YOLOv8改进】骨干网络： SwinTransformer (基于位移窗口的层次化视觉变换器）(论文笔记+引入代码)

【YOLOv8改进-论文笔记】SCConv ：即插即用的空间和通道重建卷积

论文笔记：TimeGPT-1

DENOISING DIFFUSION IMPLICIT MODELS 论文笔记

【扩张卷积or空洞卷积】如何理解Dilated Convolutions(空洞卷积)

自监督学习

stable diffusion学习笔记——文生图（一）

【论文笔记】GPT，GPT-2，GPT-3

数学建模论文笔记

论文笔记：Self-Supervised Contrastive Pre-Training For Time Series via Time-Frequency Consistency

论文笔记：Influence of geographical determinants on the spatial distribution of positioning uncertainties

论文笔记：Urban visual intelligence: Uncovering hidden city profiles with street view images

Stable Diffusion 笔记一：网络结构拆解

李宏毅机器学习（二十三）无监督学习Deep Generative Model(二)

【论文笔记】SoK: Understanding the Prevailing Security Vulnerabilities in TrustZone-assisted TEE Systems

论文笔记（四十二）Diff-DOPE: Differentiable Deep Object Pose Estimation

深度视觉目标跟踪进展综述-论文笔记

【论文笔记】Learning Deconvolution Network for Semantic Segmentation

【论文笔记】VideoGPT: Video Generation using VQ-VAE and Transformers

VideoGPT：使用VQ-VAE和Transformers的视频生成

InsCode Stable Diffusion 美图活动投稿

论文浅尝 | GMNN: Graph Markov Neural Networks

论文笔记：SelfHAR: Improving Human Activity Recognition through Self-training with Unlabeled Data

MOE介绍 混合专家模型

MOE介绍混合专家模型