SCI论文发表：构建清晰论文框架的10个原则 （附思维导图，建议收藏）

他提出的第一个重要原则就是“一篇文章只提出一个中心命题” ，近期有学员收到的顶刊审稿意见也有很重要的一条“Parts of the results section is packed with information that is not justified by the aim (结果部分包含了与主要研究目标无关的信息).” 这些都提示我们在写作之前构建论文框架的重要性。在修改过程中，可以尝试从不同角度阅读论文，比如只看图表和标题，或只看每个段落的第一句和最后一句，以确保论文的整体结构清晰合理。

CVPR2024《RMT: Retentive Networks Meet Vision Transformers》论文阅读笔记

本文记录了CVPR2024《RMT: Retentive Networks Meet Vision Transformers》论文的阅读笔记

【论文阅读 | 三维重建】3D Gaussian Splatting for Real-Time Radiance Field Rendering（3DGS）

对3DGS原文进行翻译，以及部分理解。

【论文笔记】BiCo-Fusion: Bidirectional Complementary LiDAR-Camera Fusion for Semantic- and Spatial-Aware 3

【论文笔记】BiCo-Fusion: Bidirectional Complementary LiDAR-Camera Fusion for Semantic- and Spatial-Aware 3D Object Detection

[论文笔记]ITRANSFORMER: INVERTEDTRANSFORMERSARE EFFECTIVEFORTIMESERIESFORECASTING

本文提出了iTransformer,它颠倒了Transformer的结构,而不修改任何原生Transformer模块。iTransformer将独立的时间序列视为变量令牌,通过注意力机制捕获多变量之间的关联,并利用层归一化和前馈网络来学习序列表示。

【论文阅读笔记】Mamba模型代码理解

Mamba模型代码实现及理解

论文笔记--Llama3 report

Meta最新开源模型Llama3-8B, Llama3-70B

论文阅读——《Retinexformer: One-stage Retinex-based Transformer for Low-light Image Enhancement》

本文试图从原理和代码简单介绍低照度增强领域中比较新的一篇论文——Retinexformer，其效果不错，刷新了十三大暗光增强效果榜单。论文主要贡献总结如下:1.提出了首个与Retinex理论相结合的 Transformer 算法，命名为 Retinexformer。

【AI落地应用实战】灵办AI——学术检索与论文阅读必备插件

作为一名学术领域的探索者，。然而，这一过程并非总是一帆风顺，特别是当我们面对海量的英文学术文献时，语言障碍往往成为制约我们深入研究的瓶颈。

【论文阅读笔记】Swin-Unet: Unet-like Pure Transformer for Medical Image Segmentation

Swin-Unet：用于医学图像分割的类Unet纯Transformer2022年发表在 Computer Vision – ECCV 2022 WorkshopsPaperCode在过去的几年里，卷积神经网络（CNN）在医学图像分析方面取得了里程碑式的成就。特别是基于U型结构和跳跃连接的深度神经网络，已经广泛应用于各种医学图像任务中。然而，尽管CNN取得了优异的性能，但由于卷积运算的局部性，它不能很好地学习全局和远程语义信息交互。

【YOLOv8改进】MSCA: 多尺度卷积注意力 (论文笔记+引入代码).md

我们提出了SegNeXt，一种用于语义分割的简单卷积网络架构。最近基于变换器的模型由于自注意力在编码空间信息方面的效率而在语义分割领域占据主导地位。在本文中，我们展示了卷积注意力是一种比变换器中的自注意力机制更高效和有效的编码上下文信息的方式。通过重新审视成功的分割模型所拥有的特征，我们发现了几个关键组件，这些组件导致了分割模型性能的提升。这激励我们设计了一种新颖的卷积注意力网络，该网络使用廉价的卷积操作。

深度学习中的图像融合:图像融合论文阅读与实战

介绍图像融合概念，回顾sota模型，其中包括数字摄像图像融合，多模态图像融合，接着评估一些代表方法介绍一些常见应用，比如RGBT目标跟踪，医学图像检查，遥感监测。

[论文笔记]一种超越思维链的提示策略——少到多提示

⭐ 作者提出了一种超越思维链的提示策略——从最少到最多，关键思想是将复杂问题分解为一系列较简单的子问题，然后按依次解决它们。后面子问题的解决可以依赖前面解决的子问题的答案。

Referring Image Segmentation Using Text Supervision（论文笔记）

校准：对于分类过程产生的粗响应图，校正响应图的准确性，将目标物体与同一图像中的其他物体进行对比（将其视为背景噪音）。选择最高的响应图作为目标对象的响应图。具体实现是通过积极表达和消极表达生成的响应图，将每个表达的响应图输入公式得到响应分数，利用响应分数和人为干预正负样本值的构造损失函数，从而学习正确的结果。（3）分割网络：图像编码器与文本编码器采用clip的编码器，并将文本编码器最后三层文本特征融合进图像编码器的最后三层中，并且文本特征也融合进解码器中，解码器和编码器是对称的。两个步骤的训练设置是相同的。

论文阅读 “Bridging the Gap between Training and Inference for Neural Machine Translation“

------------------之前神经机器翻译是怎么做的，本文做出了那些改进。神经机器翻译（NMT）以预测下一个词的方式，根据上下文词逐个生成目标词。在训练阶段，它使用真实的上下文词进行预测，而在推理阶段，它必须从头开始生成整个序列。这种提供上下文的差异会导致错误的累积。此外，基于词级别的训练要求生成的序列与真实序列严格匹配，这会导致对不同但合理的翻译进行过度纠正。在本文中，

【论文阅读】High-Resolution Image Synthesis with Latent Diffusion Models

为了降低训练扩散模型的算力，LDMs使用一个Autoencoder去学习能尽量表达原始image space的低维空间表达（latent embedding），大大减少需要的算力。在RGB空间：编码器encoder：，将x压缩成低维表示解码器decoder: D，将低维表示z还原成原始图像空间。1. 加入Autoencoder（上图中左侧红色部分），使得扩散过程在latent space下，提高图像生成的效率；

SAM2论文阅读

在多媒体发展迅猛的时代背景下，从时间维度实现 Segment Anything是一项颇有意义的事情。基于此，facebook便提出了SAM2，在SAM的基础上设计了在视频领域的可提示视觉分割模型，用于判断目标实体的时空范围（即新增了时间维度）。本文将就SAM2的论文进行记录，也作为自己的复习参考。

材料论文阅读/中文记录：Scaling deep learning for materials discovery

【新兴技术的发展与深度学习运用到更多领域】新型功能材料实现了从清洁能源到信息处理等技术应用的根本性突破。从微芯片到电池和光伏发电，无机晶体的发现一直受到昂贵的试错方法的瓶颈。与此同时，随着数据和计算的增加，语言、视觉和生物学的深度学习模型展示了新兴的预测能力。在这里，我们展示了大规模训练的图网络可以达到前所未有的泛化水平，【材料发现】从而将材料发现的效率提高一个数量级。

论文笔记：A Simple and Effective Pruning Approach for Large Language Models

iclr 2024 reviewer 评分 5668。

【论文阅读】Swin2SR: SwinV2 Transformer for Compressed Image Super-Resolution and Restoration

压缩对于通过流媒体服务、虚拟现实或视频游戏等带宽受限系统高效传输和存储图像和视频起着重要作用。然而，压缩不可避免地会导致伪影和原始信息的丢失，这可能会严重降低视觉质量。由于这些原因，压缩图像的质量增强已成为热门的研究课题。虽然大多数最先进的图像恢复方法都基于卷积神经网络，但其他基于变换器的方法（例如 SwinIR）在这些任务上表现出了令人印象深刻的性能。在本文中，我们探索了新颖的 Swin Transformer V2，以改进图像超分辨率的 SwinIR，特别是压缩输入场景。