论文阅读

weixin_47365232

ByteTrack论文阅读笔记论文链接：ByteTrack: Multi-Object Tracking by Associating Every Detection Box（ECCV2022）

ICCV2023单目摄像头相关论文速览the same 2D image can be projected from infinite 3D scenes. Although the leading algorithms in this field have reported significant improvement, they are essentially geared to the particular compound of pictorial observations and camera parameters (i.e.,

深度学习之半监督学习：一文梳理目标检测中的半监督学习策略传统机器学习根据训练数据集中的标注情况，有着不同的场景，主要包括：监督学习、弱监督学习、弱半监督学习、半监督学习。由于目标检测任务的特殊性，在介绍半监督目标检测方法之前，我们查看一下目标检测在四个方向上的具体设定：总而言之，目标检测的setting分为四个部分：

【论文阅读】自动驾驶光流任务 DeFlow: Decoder of Scene Flow Network in Autonomous Driving再一次轮到讲自己的paper！耶，宣传一下自己的工作，顺便完成中文博客的解读方便大家讨论。Title Picture

愤怒的可乐

[论文笔记]Mixture-of-Agents Enhances Large Language Model Capabilities今天带来一篇多智能体的论文笔记，Mixture-of-Agents Enhances Large Language Model Capabilities。

GAN论文阅读笔记（10）—— High-fidelity GAN Inversion with Padding Space论文：High-fidelity GAN Inversion with Padding Space paper：136750036.pdf (ecva.net) code：EzioBy/padinv: [ECCV 2022] PadInv: High-fidelity GAN Inversion with Padding Space (github.com)

【论文阅读】-- M4：面向可视化的时间序列数据聚合期刊: Proc. VLDB Endow.（发表日期: 2014）作者: Uwe Jugel; Zbigniew Jerzak; Gregor Hackenbroich; Volker Markl

【论文阅读】-- 研究时间序列可视化，提升用户体验期刊:CHI （发表日期: 2016-5-7）作者: Muhammad Adnan; Mike Just; Lynne Baillie

【论文阅读】自动驾驶光流任务 DeFlow: Decoder of Scene Flow Network in Autonomous Driving再一次轮到讲自己的paper！耶，宣传一下自己的工作，顺便完成中文博客的解读方便大家讨论。Title Picture

每日Attention学习7——Frequency-Perception Module[link] [code] [ACM MM 23] Frequency Perception Network for Camouflaged Object Detection

论文阅读_中文嵌入资源 C-Pack这篇论文的核心是：通用的中文文本嵌入。读完之后，会对中文嵌入的模型效果、模型架构、评测方法和训练数据有更直观的了解。文档风格简洁明了，行动导向。

【论文阅读】-- Temporal Summary Images：通过交互式注释生成和放置实现叙事可视化的方法期刊: IEEE Trans. Vis. Comput. Graph.（发表日期: 2017）作者: Chris Bryan; Kwan-Liu Ma; Jonathan Woodring

论文阅读_基于嵌入的Facebook搜索Facebook 社交中的搜索与其它搜索不同，它可以基于上下文得到更多信息。这里研究的是如何将传统搜索与基于向量的搜索结合在一起的具体方法。比较有启发的是提出的“统一嵌入模型”，在编码时加入了用户、上下文、位置等文本以外的信息，以便更好地定位和匹配。

论文阅读_OpenAI嵌入+Lucene嵌入领域新旧技术的最大不同点在于存储的是稠密向量（深度学习）还是稀疏向量（统计），对于稠密和稀疏的搜索和索引技术完全不同，所以继深度学习模型成为热点后，向量数据库也成为热点。作者认为，针对 Lucene 框架做少量调整，使其支持稠密向量，并不失为一种简单经济的解决方案。

论文阅读之旋转目标检测ARC:《Adaptive Rotated Convolution for Rotated Object Detection》论文link：link code：code ARC是一个改进的backbone，相比于ResNet，最后的几层有一些改变。

【论文阅读】--Popup-Plots: Warping Temporal Data Visualization期刊: IEEE Trans. Vis. Comput. Graph.（发表日期: 2019）作者: Johanna Schmidt; Dominik Fleischmann; Bernhard Preim; Norbert Brändle; Gabriel Mistelbauer

VMamba: Visual State Space Model论文笔记论文地址: https://arxiv.org/abs/2401.10166 代码地址: https://github.com/MzeroMiko/VMamba

南信大尹志聪教授为一作在顶级综合性期刊《Natl. Sci. Rev.》发文：传统梅雨停摆，江南缘何不再多烟雨？论文名称：Traditional Meiyu–Baiu has been suspended by global warming

论文阅读--Cross-view Transformers for real-time Map-view Semantic Segmentation一种新的2D维度的bev特征提取方案，其通过引入相机先验信息（相机内参和外参）构建了一个多视图交叉注意力机制，能够将多视图特征映射为BEV特征。

【论文笔记】CrossKD: Cross-Head Knowledge Distillation for Object Detection现有的最先进的目标检测KD方法大多基于特征模仿。本文提出了一种通用且有效的预测模仿蒸馏方案，称为CrossKD，该方案将学生检测头的中间特征传递给教师的检测头，然后强制这些交叉头预测模仿教师的预测。这种方式使学生检测头免于接收来自标注和教师预测的矛盾监督信号，从而大大提高了学生检测器的性能。此外，由于模仿教师的预测是知识蒸馏的目标，CrossKD相比于特征模仿提供了更多面向任务的信息。