论文阅读

何大春21 小时前
论文阅读·人工智能·python·深度学习·论文笔记·原型模式
【弱监督语义分割】Self-supervised Image-specific Prototype Exploration for WSSS 论文阅读文章信息:发表于:CVPR 2022 原文链接:https://arxiv.org/abs/2203.02909 源码:https://github.com/chenqi1126/SIPE
Bearnaise3 天前
论文阅读·人工智能·python·深度学习·opencv·计算机视觉·3d
GaussianDreamer: Fast Generation from Text to 3D Gaussians——点云论文阅读(11)本文提出了一种快速从文本生成3D资产的新方法,通过结合3D高斯点表示、3D扩散模型和2D扩散模型的优势,实现了高效生成。该方法利用3D扩散模型生成初始几何,通过噪声点扩展和颜色扰动丰富细节,并使用2D扩散模型优化生成质量。相比现有方法,它不仅生成速度快(单GPU训练仅需15分钟),且生成资产具有更高的几何一致性和细节质量,同时支持实时渲染,为文本生成3D技术提供了更高效的解决方案。
PD我是你的真爱粉3 天前
论文阅读
Quality minus junk论文阅读我们推导了一个具有时变增长、盈利能力和风险的动态资产定价模型。我们以封闭形式展示了市净率是如何线性地随着这些质量特性增加的。在我们呈现一般模型之前,为了获得一些直观理解,我们可以重写Gordon的增长模型来表达一只股票的市净值(P/B)如下: P B = profitability × payout ratio required return growth . \frac PB=\frac{\text{profitability}\times\text{payout ratio}}{\text{requi
regret~4 天前
论文阅读·深度学习·transformer
【论文笔记】LoFLAT: Local Feature Matching using Focused Linear Attention Transformer【题目】:LoFLAT: Local Feature Matching using Focused Linear Attention Transformer
Maker~4 天前
论文阅读·学习·生成对抗网络
23、论文阅读:基于多分辨率特征学习的层次注意力聚合GAN水下图像增强近年来,为了优化海上作业效率并推动海事行业自动机器学习的发展,水下图像增强与复原技术变得日益重要。针对水下图像中存在的色彩偏差、曝光不足和模糊等问题,本文提出了一种基于生成对抗网络(GAN)的水下图像增强方法,该方法采用了新的分层注意力聚合和多分辨率特征学习技术。所提方法包括一个生成器和一个判别器。具体而言,生成器由编码器、瓶颈层和解码器组成。生成器引入了块间串行连接,以更好地适应复杂的图像场景和任务需求,同时采用并行连接来提取多级特征并增强网络的表达能力。
Q_yt4 天前
论文阅读
【图像压缩感知】论文阅读:Content-Aware Scalable Deep Compressed Sensingtips: 本文为个人阅读论文的笔记,仅作为学习记录所用。本文参考另一篇论文阅读笔记Title: Content-Aware Scalable Deep Compressed Sensing
江海寄4 天前
论文阅读·人工智能·深度学习·机器学习·计算机视觉·语言模型·视觉检测
[论文阅读] 异常检测 Deep Learning for Anomaly Detection: A Review(三)总结梳理-疑点记录《深度异常检测综述》总结梳理一、数据类型层面的异构性二、异常行为层面的异构性三、模型应对层面的异构性挑战
江海寄4 天前
论文阅读·人工智能·深度学习·机器学习·计算机视觉·分类
[论文阅读] 异常检测 Deep Learning for Anomaly Detection: A Review (四)三种分类方法对比
代码太难敲啊喂4 天前
论文阅读·人工智能
【Anomaly Detection论文阅读记录】Resnet网络与WideResNet网络网络结构:(层数计算不包括max pool、average pool、softmax等操作)层数计算(以Resnet-18为例子):
YunTM4 天前
论文阅读·人工智能·深度学习
革新预测领域:频域融合时间序列预测,深度学习新篇章,科研涨点利器2024发论文&模型涨点之——频域+时间序列频域+时间序列不仅能提供更丰富的信息,还能提高模型性能和预测准确性。对于论文er来说,是个可发挥空间大、可挖掘创新点多的研究方向。当前,学术界的目光正聚焦于时频融合这一前沿趋势,尤其是在今年的顶级学术会议中,频域分析已成为热议焦点。这一趋势预示着,掌握时频结合技术的学者将在科研道路上占据先机,发表高质量论文、提升学术影响力的机会正悄然而至。目前,时域分析和频域分析已经成为了时间序列领域的重要工具,频域相关也逐渐成了顶会常客。
Ayakanoinu4 天前
论文阅读
【论文阅读】Adversarial Examples for Handcrafted Features一篇针对SLAM中图像特征匹配的攻击方法这篇论文的目的是设计一种方法,使得图像在被攻击之后能够在尽可能不影响外观的情况下,干扰匹配的过程。针对这个目标,作者首先指出了对于这篇文章,什么是一个成功的攻击。这篇文章中攻击被分为两种:对特征提取器的攻击和对描述子的攻击。其中提取器的攻击针对的是特征的提取过程,要求在受到攻击之后,原本能够提取到的特征提取不到了。描述子的攻击则可以理解为减少正确匹配,要求在受到攻击之后,原来能够正确匹配的特征点无法与原来的特征点产生匹配关系。
衬衫chenshan4 天前
论文阅读·人工智能·语言模型
【论文阅读】Large Language Models for Equivalent Mutant Detection: How Far Are We?本文发表于《ISSTA’24, September 16–20, 2024, Vienna, Austria》会议,由Zhao Tian, Honglin Shu, Dong Wang, Xuejie Cao, Yasutaka Kamei和Junjie Chen撰写。
hhhhhlt6 天前
论文阅读·代码大模型·量化压缩·大模型推理加速
【代码大模型】Compressing Pre-trained Models of Code into 3 MB论文阅读Compressing Pre-trained Models of Code into 3 MB key word: code PLM, compression, GA算法
小嗷犬6 天前
论文阅读·人工智能·语言模型·自然语言处理·大模型·微调
【论文笔记】LoRA: Low-Rank Adaptation of Large Language Models🍎个人主页:小嗷犬的个人主页 🍊个人网站:小嗷犬的技术小站 🥭个人信条:为天地立心,为生民立命,为往圣继绝学,为万世开太平。
AI智界先锋6 天前
论文阅读·深度学习·cnn+lstm·cnn与lstm融合
融合创新:CNN+LSTM在深度学习中的高效应用,助力科研发表高影响因子文章!结合CNN(卷积神经网络)和LSTM(长短期记忆网络)是一种常见的深度学习模型组合,广泛应用于各种任务,特别是时间序列预测和序列数据处理。
小嗷犬6 天前
论文阅读·大模型·机器翻译·多模态·手语翻译
【论文笔记】SCOPE: Sign Language Contextual Processing with Embedding from LLMs🍎个人主页:小嗷犬的个人主页 🍊个人网站:小嗷犬的技术小站 🥭个人信条:为天地立心,为生民立命,为往圣继绝学,为万世开太平。
PD我是你的真爱粉6 天前
论文阅读
Fundamental Analysis and Mean-Variance Optimal Portfolios论文阅读本研究供了一个模型,该模型直接将基于基本面的比率与预期回报联系起来。然后,我们使用来自基于基本面模型的预期回报和协方差来形成均值-方差优化的基本面投资组合。
白光白光6 天前
论文阅读·支持向量机·凸优化·量子机器学习·量子监督学习·张量网络
论文阅读--supervised learning with quantum enhanced feature spaces量子算法实现计算加速的核心要素是通过可控纠缠和干涉利用指数级大的量子态空间。本文在超导处理器上提出并实验实现了两种量子算法。这两种方法的一个关键组成部分是使用量子态空间作为特征空间。只有在量子计算机上才能有效访问的量子增强特征空间的使用为量子优势提供了可能的途径。该算法解决了监督学习的一个问题:分类器的构造。其中一种方法是量子变分分类器,它使用变分量子电路1,2以一种类似于传统支持向量机方法的方式对数据进行分类。另一种方法是量子核估计器,在量子计算机上估计核函数并优化经典支持向量机。这两种方法为探索噪声中
小嗷犬6 天前
论文阅读·人工智能·语言模型·大模型·llama
【论文笔记】LLaMA-VID: An Image is Worth 2 Tokens in Large Language Models🍎个人主页:小嗷犬的个人主页 🍊个人网站:小嗷犬的技术小站 🥭个人信条:为天地立心,为生民立命,为往圣继绝学,为万世开太平。
万里守约6 天前
论文阅读·图像处理·深度学习·三维重构
【论文阅读】利用SEM二维图像表征黏土矿物三维结构在油气储层研究中,黏土矿物对流体流动的影响需要在微观尺度上理解,但传统的二维SEM图像难以完整地表征三维孔隙结构。常规的三维成像技术如FIB-SEM(聚焦离子束扫描电子显微镜)虽然可以获取高精度的3D图像,但成本高昂且不适用于已有的2D图像。因此,本文开发了基于二维SEM图像的三维重构方法,即“深度分层技术”,以便在现有的2D图像上获得3D信息。该研究通过深度学习和Lattice-Boltzmann模拟,量化了黏土矿物对油气储层流体流动的影响。采用扫描电子显微镜(SEM)图像识别黏土类型,并通过数值模拟评