【论文笔记】论文清单备忘录

置顶 已于 2023-04-03 18:34:26 修改
阅读量453 收藏 4
点赞数
分类专栏： 论文阅读 文章标签： 人工智能
于 2022-06-08 21:29:56 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/gaocui883/article/details/125192905
版权

系列文章目录

分类模板：

时间题目笔记链接已读or推荐源码
时间题目笔记链接❓ ⭐️ 👍 👎源码
时间题目笔记链接❓ ⭐️ 👍 👎源码

Diffusion Model:

时间题目笔记链接已读or推荐源码
xDiffusion Model——由浅入深的理解x❓x
xGuided_Diffusion_Models_for_Robust_Image_Manipulation-CVPR_2022x❓github
xxxxx

图神经网络

时间题目笔记链接已读or推荐源码
x简单图论与PyG库 ： 链接—》点击x❓x
xxxxx
xxxxx

数据增强

描述题目笔记链接已读or推荐源码
xx3D Common Corruptions and Data Augmentation-CPVR2022笔记链接❓ ⭐️Project
meta learn 相关DADA: Differentiable Automatic Data Augmentation-eccv22020笔记链接❓ ⭐️源码
meta learnPopulation Based Augmentation: Efficient Learning of Augmentation Policy Schedules-ICML2019笔记链接❓ ⭐️源码
meta learnAutoAugment: Learning Augmentation Policies from Data-CVPR2019笔记链接❓ ⭐️源码
时间题目笔记链接❓ ⭐️源码

GAN

时间题目笔记链接已读or推荐源码
时间GAN-Supervised Dense Visual Alignment-cpvr2022笔记链接❓ ⭐️github
时间【字体风格迁移】Multi-Content GAN for Few-Shot Font Style Transfer-2018笔记链接❓ ⭐️源码
时间【cGAN】Conditional generative adversarial nets-2014.笔记链接❓ ⭐️源码
时间【pix2pix】Image-to-image translation with conditional adversarial networks.-2016笔记链接❓ ⭐️源码
时间From A to Z: supervised transfer of style and content using deep neural network-2016笔记链接❓ ⭐️源码
时间题目笔记链接❓ ⭐️源码

语义分割

时间题目笔记链接已读or推荐源码
时间Rethinking Semantic Segmentation: A Prototype View-cvpr2022笔记链接❓ ⭐️ 👍 👎github
时间题目笔记链接❓ ⭐️ 👍 👎源码

对比学习

时间题目笔记链接已读or推荐源码
时间Rethinking Minimal Sufficient Representation in Contrastive Learnin-cvpr2022笔记链接❓ ⭐️ 👍 👎源码
时间题目笔记链接❓ ⭐️ 👍 👎源码

MLP

时间题目笔记链接已读or推荐源码
时间MAXIM: Multi-Axis MLP for Image Processing-CVPR2022笔记链接❓ ⭐️ 👍 👎github
时间题目笔记链接❓ ⭐️ 👍 👎源码

语义分割

时间题目笔记链接已读or推荐源码
xSemantic-Aware Domain Generalized Segmentation -cvpr2022x❓github
xLearning Part Segmentation through Unsupervised Domain Adaptation from Synthetic Vehicles-cvpr2022x❓github
xxxxx

动作识别

基于rgb

时间题目笔记链接已读or推荐源码
时间What to look at and where: Semantic and Spatial Refined Transformer for detecting human-object interactions-cvpr2022笔记链接❓ ⭐️ 👍 👎源码
时间Dual-AI: Dual-path Action Interaction Learning for Group Activity Recognition-cvpr2022笔记链接❓ ⭐️ 👍 👎源码
时间TransRAC: Encoding Multi-scale Temporal Correlation with Transformers for Repetitive Action Counting-cvpr22笔记链接❓ ⭐️ 👍 👎github
时间估计(Estimation)-CVPR2023笔记链接❓ ⭐️ 👍 👎源码
时间题目笔记链接❓ ⭐️ 👍 👎源码

skeleton

时间题目笔记链接已读or推荐源码
时间Revisiting Skeleton-based Action Recognition-cpvr2022笔记链接⭐️⭐️⭐️⭐️ 👍github
时间题目笔记链接❓ ⭐️ 👍 👎源码

小样本学习

Few-Shot
时间题目笔记链接已读or推荐源码
时间2020年前论文汇总笔记链接❓ ⭐️ 👍 👎源码
时间2020年后论文汇总笔记链接❓ ⭐️ 👍 👎源码
时间题目笔记链接❓ ⭐️ 👍 👎源码
元学习
时间题目笔记链接已读or推荐源码
时间【MAML】Model-agnostic meta-learning for fast adaptation of deep networks-2017笔记链接❓ ⭐️ 👍 👎源码
时间【MAML++】How to train your MAML-2018笔记链接❓ ⭐️ 👍 👎源码
时间【ANIL】Rapid Learning or Feature Reuse? Towards Understanding the Effectiveness of MAML-2020笔记链接❓ ⭐️ 👍 👎源码
时间Learning to learn by gradient descent by gradient descent-2016笔记链接❓ ⭐️ 👍 👎源码
Sample weight strategiesMeta-Weight-Net: Learning an Explicit Mapping For Sample Weighting-NIPS2019笔记链接❓ ⭐️ ⭐️ ⭐️ 👍 👎源码
Sample weight strategiesCMW-Net: Learning a Class-Aware Sample Weighting Mapping for Robust Deep Learning笔记链接❓ ⭐️ 👍 👎源码
Sample weight strategiesLearning to Reweight Examples for Robust Deep Learning-ICML2018笔记链接❓ ⭐️ ⭐️ ⭐️ 👍 👎源码
Learning to compare, metric based approach题目笔记链接❓ ⭐️ 👍 👎源码
时间题目笔记链接❓ ⭐️ 👍 👎源码
时间题目笔记链接❓ ⭐️ 👍 👎源码
小样本动作识别
时间题目笔记链接已读or推荐源码
时间ProtoGAN: Towards few shot learning for action recognition笔记链接❓ ⭐️ 👍 👎源码
时间TARN: Temporal attentive relation network for few-shot and zero-shot action recognition笔记链接❓ ⭐️ 👍 👎源码
时间Hybrid Relation Guided Set Matching for Few-shot Action Recognition-2022笔记链接❓ ⭐️ 👍 👎源码
时间Cross-modal Representation Learning for Zero-shot Action Recognition-2022笔记链接❓ ⭐️ 👍 👎源码
时间题目笔记链接❓ ⭐️ 👍 👎源码
时间题目笔记链接❓ ⭐️ 👍 👎源码

骨干网络

Transformer 系列

时间题目笔记链接已读or推荐源码
时间Flowformer-ICML2022笔记链接❓ ⭐️ 👍 👎源码
时间题目笔记链接❓ ⭐️ 👍 👎源码

CNNs

时间题目笔记链接已读or推荐源码
时间题目笔记链接❓ ⭐️ 👍 👎源码
时间题目笔记链接❓ ⭐️ 👍 👎源码
梅津太郎
关注
专栏目录
DiffusionCLIP: Text-Guided Diffusion Models for Robust Image Manipulation
沉迷单车的追风少年
05-28 2154
Diffusion Models专栏文章汇总：入门与实战 前言：之前带大家读过《2021年度最火Diffusion Models：用于图像编辑和高质量图像生成的GLIDE》，最新的CVPR 2022上发表了对标的新工作，我们一起来品读一下这篇论文。 目录 Diffusion models图像编辑方向论文汇总 创新点一：CLIP loss约束生成 灵感来源：classifier 整体流程 global target loss local directional loss Identi.
09-Cross-Modal Representation
最新发布
zzk0126的博客
09-07 78
Kottur等人[30]还提出了一种神经模型来从视觉信息中捕获细粒度的语义。我们不关注真实的像素，而是考虑视觉背后的抽象场景。该模型以一对视觉场景和一个相关的单词序列（I，w）作为输入。在每个训练步骤中，在单词序列w上使用一个窗口，形成一个子序列Sw。Sw中的所有单词将使用单热编码输入到输入层，因此输入层的维度是|V |，这也是词汇表的大小。然后将单词转换为它们的嵌入，而隐藏层是所有这些嵌入的平均值。隐层的大小为NH，这也是单词嵌入的维数。
视频理解领域小样本学习调研报告
WAHAJA的博客
03-21 1820
视频理解领域小样本学习调研报告 标签（空格分隔）： 学习笔记 文章目录视频理解领域小样本学习调研报告0 前言1. 分类Action Genome(li Feifei2019)提出的分类：ProtoGAN提出的分类2. 常用数据集总结结论3. 开源代码TRXFew-shot-action-recognition4. 论文简述4.1 [ProtoGAN: Towards Few Shot Learning for Action Recognition](https://arxiv.org/abs/1909.0
【Paper Notes】DiffusionCLIP: Text-Guided Diffusion Models for Robust Image Manipulation
S_Kross的博客
11-21 4428
DiffusionCLIP的主要任务就是利用CLIP和Diffusion模型做图像处理
朱俊彦团队最新论文GANGealing：GAN监督学习密集视觉对齐 | 代码开源
zero的博客
12-12 3563
点击下方“AI算法与图像处理”，一起进步！ 重磅干货，第一时间送达大家好，我是阿潘，今天给大家分享一篇最新的成果，来自pix2pix的团队最新论文，先mark一波！论文标题：GAN-Su...
FSL-GNN复现过程与代码分析（二）
m0_50811752的博客
03-20 835
FSL-GNN复现过程与代码分析（三） 原码地址：https://github.com/vgsatorras/few-shot-gnn 论文链接：https://arxiv.org/pdf/1711.04043.pdf 这一篇主要介绍model，包含有特征提取CNN以及图神经网络GNN
论文笔记
gzw110605110的博客
01-16 383
论文题目：SFCN-OPI: Detection and Fine-Grained Classification of Nuclei Using Sibling FCN with Objectness Prior Interaction 动机： 由于核的尺寸小、类间类内方差大、图像质量差，以往的自动检测方法容易受到精度和鲁棒性的影响。 现有的方法通常独立处理这细胞核检测和细粒度分类两个任务，忽略了...
效率软件推荐（一）
谓之小一
06-13 3688
工欲善其事，必先利其器，为此给大家推荐几款效率软件，帮助你高效学习和工作。 + 滴答清单：解决拖延症&&健忘症，高效完成任务和规划时间。 + 印象笔记： 收集各类信息，捕捉灵感，做你的第二大脑。 + 夸克浏览器：极简风格，满足你对浏览器最本质的需求。 1.滴答清单 身边的人多多少都有点拖延症(包括我)，不到DeadLine的时候，都不会想到去解决问题。为此还耽误了几...
【南卡樱桃|读书笔记《学习高手》】
weixin_44698581的博客
04-21 9610
∝学霸分享 6大课 通过英语、写作和SMART原则、OKR工作法、LEO解读五步法等文章。同样适用于国内教育环境。 ∝3 学霸分享，直通世界名校的超级学习法 ∞第18课 LEO手把手教你如何学好英语 ◆第1小课 单词 ◆第2小课 语法 ◆第3小课 听力 ◆第4小课 阅读 ◆第5小课 口语 LEO的学习仪式感 我在不同英语学习阶段使用的教材 ∞第19课 三要素写作法，把文章写到读者心里去 ◆第1小课 Ethos，可信 ◆第2小课 Pathos，情感 ◆第3小课 Logos，逻辑 ◆19-本课核心方法回顾 ∞第
分布式系统(Distributed System)资料
尹成的技术博客
05-26 4924
分布式系统(Distributed System)资料《Reconfigurable Distributed Storage for Dynamic Networks》介绍:这是一篇介绍在动态网络里面实现分布式系统重构的paper.论文的作者(导师)是MIT读博的时候是做分布式系统的研究的,现在在NUS带学生,不仅仅是分布式系统,还有无线网络.如果感兴趣可以去他的主页了解.《Distributed...
用NVivo图表培养您的视觉素养
yuyuyuyo的博客
09-04 3040
NVivo是一款支持定性研究方法和混合研究方法的软件。它可以帮助您收集、整理和分析访谈、焦点小组讨论、问卷调查、音频等内容。全新的NVivo12更可协助您处理社交媒体和网页内容。NVivo强大的搜索、查询和可视化工具使您可以深入地分析您的数据。 如果您花时间阅读有关定性研究的期刊文章，那么您可能会认为学术界有反对视觉展示的东西。但是你可能会发现奇怪的条形图或维恩图，不用怀疑，这就...
Stata连享会推文列表
Stata连享会
05-31 1846
Stata 现场培训报名中 Stata学术论文班-2018暑期即将开班 新书: The SAGE Handbook of Regression Analysis and Causal Inference Stata: 断点回归分析 (RDD) 文献和命令 Stata: 两本断点回归分析 (RDD) 易懂教程 Abadie 新作: 简明 IV, DID, RDD 教程和综述” 合成控制法...
[论文阅读] Meta-Weight-Net: Learning an Explicit Mapping For Sample Weighting
weixin_38800498的博客
05-26 2430
文章目录摘要引言The Proposed Meta-Weight-Net Learning MethodThe Meta-learning Objective相关工作 摘要 目前的深度神经网络(DNNs)很容易对带有损坏标签或类不平衡的有偏训练数据（biased training data）进行过拟合。通常采用样本重加权策略来缓解这一问题，通过设计一个从训练损失到样本权重的权重函数映射，然后在权重重计算和分类器更新之间进行迭代。 然而，目前的方法需要手动预先指定权重函数及其附加的超参数。根据所调查的问
Github|类别不平衡学习资源(上）
AI 算法笔记
05-22 3067
点击上方“算法猿的成长“，关注公众号，选择加“星标“或“置顶”总第 138 篇文章，本文大约 5400字，阅读大约需要 15分钟今天推荐的是一个 github 项目，项目地址如下，主...
GANgealing 笔记（稠密视觉对齐，通过GAN监督学习，不需要对齐的数据集）
无
09-16 546
GANgealing 笔记（稠密视觉对齐，通过GAN监督学习，不需要对齐的数据集）
Zero-shot learning（一）：ZSL的基本概念
qq_33328642的博客
04-26 8229
** Zero-shot learning（一）：ZSL的基本概念 -------好久没中一区论文了，在此立个旗。今天把所有的思路整理出来，看过的论文之类的罗列出来。有错误的地方大家批评指正，内容多数是各界大牛的论文，大家一起研究。本文内容大家也可以随便转发或copy。 -------这一章都是基本概念，初学者、或者是对概念不清楚的等同行可以进来看看。基础比较深厚的可以去看后面的内容，或者不看，轻...
一文看尽 CVPR 2022 最新 20 篇 Oral 论文
3D视觉工坊
04-11 2732
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达来源丨极市平台CVPR 2022 已经放榜，本次一共有2067篇论文被接收，接收论文数量相比去年增长了24%。在CVPR2022正式会议召开前，为了让大家更快地获取和学习到计算机视觉前沿技术，极市对CVPR022 最新论文进行追踪，包括分研究方向的论文、代码汇总以及论文技术直播分享。CVPR 2022 论文分方向整理目...
C语言实现备忘录系统
"C语言备忘录程序代码是一个使用C语言编写的系统，旨在帮助用户记录重要事件。程序定义了一个名为`MemoInfo`的结构体，用于存储事件的详细信息，包括事件描述、提醒时间和输入时间等。备忘录系统包含了读取和打印...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值