- 博客(726)
- 收藏
- 关注
RSS订阅原创 SAM进化版开源！100倍推理加速！这思路简直杀疯了...
尽管SAM在处理大规模序列比对数据上难以替代，但它在速度、准确性、灵活性及功能扩展方面仍然有所欠缺。为了解决这些问题，研究者们，比如近期清华＆英伟达推出的SAMEO框架，以及实现100倍的加速推理的TinySAM。另外还有很多成果已被顶会顶刊收录，简单看了点就有ICLR 2025上的MTSAM、SAMRefiner两篇，Nature Methods（中科院1区）的μSAM工具...可见现在有关SAM的研究有多热门。为了方便论文er快速了解前沿，这次我从中挑选了。
2025-04-23 17:44:35
378
原创 Mamba还能这么玩？新SOTA横扫14个图像修复任务，计算量降低150倍！
核心优势在于Mamba的长序列建模能力，可以替代Transformer，在高分辨率或复杂场景的实时修复等任务中优势显著。这意味着，Mamba+图像修复会在热门的医学图像、自动驾驶等领域发展迅猛，落地前景可观。再加上，近年主流顶会（比如CVPR）对SSM类模型接受度较高，比如横扫14个图像修复任务的MaIR、降低150倍计算复杂度的Serpent...非常适合有论文需求的同学研究。本文整理了，大多都开源了，想快速出成果的同学可以直接拿来做参考，同时也建议从等角度做创新，比较容易上手。
2025-04-22 17:55:46
723
原创 高分利器：Transformer+图像处理！创新性绝了，3位 IEEE Fellow推荐的含金量！
Transformer还能怎么做创新？西工大＆台湾清华等3位 IEEE Fellow给出了思路：一种异构窗口 Transformer的图像处理方法，在去噪时间上仅占流行Restormer的30%。其实，近两年一直很活跃，因为Transformer核心的自注意力机制比CNN更能灵活处理目标检测、分割等CV任务，尤其是高效结构设计、跨模态应用和领域适配等。因此这个方向的研究多，顶会顶刊成果也不少，比如IEEE TIP的SENet、CVPR 2025的PFT模型...都值得研读。
2025-04-21 18:42:38
240
原创 顶刊神思路！融合Transformer与CNN做医学图像！！
众所周知的热门组合。搜前沿的时候发现它在领域高质量成果不少。比如登上1区TOP刊的混合DL架构TBConvL-Net、CFFormer混合模型、医学图像分析模型Sdr-former...原因在于这类混合架构可以更准确地识别和定位病变区域，提高诊断准确性，同时减少对标注数据的依赖，非常契合当下医学界的需求（比如计算资源有限的问题），研究前景广阔。如果需要发论文，这方向是目前比较好的选择，搞创新的话可考虑等角度，建议论文er从临床痛点反推模型设计，不要单纯堆叠模块。本文整理了。
2025-04-18 17:50:31
365
原创 LeCun谢赛宁新作爆火！多模态自监督学习成一区TOP/CCF-A香饽饽！
是真挺热的，简单看了几篇研究，不是一区TOP就是CCF-A。比如AAAI 2025的Mentor系统、顶刊IEEE IOTJ的SketchTriplet方法（下文都会细说）...另外还有LeCun谢赛宁的新作，验证了SSL在多模态任务中超越CLIP的潜力。非常建议对多模态自监督学习感兴趣，且有论文需求的同学研读。我这边也打包好了，无偿分享！掌握这些idea顶会顶刊中稿率up！...没思路的同学可以深入挖掘一下。全部论文+开源代码需要的同学看文末。
2025-04-18 12:20:56
342
原创 YOLO永不过时！全新轻量级版本拿下中科院1区TOP！创新性MAX
近期看见很多，其中拿YOLOv8n、YOLOv5改的比较多，当然还有最新版的，发一区到三区的基本都有，可创新空间很大，看来YOLO依然是我们“水论文”的好选择。分享几个高区成果：Neurocomputing（二区）上的YOLO-ELWNet，基于YOLOv3改进，猛猛超越其他轻量级OD模型；还有Comput Electron Agric（一区）上的CO-YOLO，基于YOLO11n架构，实现大幅提高姿态识别效果。另外还有一些新研究，非常推荐想用YOLO发论文的同学研读，无偿分享。
2025-04-17 10:17:21
429
原创 一天连发两篇Nature正刊！谷歌医疗LLM杀疯了！
谷歌也是厉害，不久前1天之内连发2篇Nature，都是关于的，模型都叫AMIE，分别对诊断对话和诊断推理做了优化，并做了随机双盲实验，验证了AMIE出色的辅助诊断能力。当然，作为AI领域最被看好，且一直不缺讨论度的方向，我们国内也不缺医疗LLM优秀成果：杭州“智诊科技”的WiseDiag，实现三甲专家人人可用，是全球领先的医疗AI大模型！这些成果证明了医疗LLM市场的火爆，在科技界大佬们的推动下，研究前景只会愈发广阔。这里也推荐一些需要参考的可直接领取我整理的，基本都有代码，方便复现找灵感。
2025-04-15 17:55:58
429
原创 入选CVPR 2025！清华＆华科大提出超强异常检测新方法！学会你也能发顶会
有新突破了！清华和华科大推出了INP-Former，从单张图像中提取正常模式，展现出卓越的性能和强大的泛化能力！成功被CVPR 2025收录。仔细一瞧，今年的CVPR上异常检测相关的研究还挺多，比如最新零样本工业缺陷异常检测SOTA：AA-CLIP，还有突破跨领域限制的UniVAD，通过统一模型实现无需训练的泛化异常检测！这些成果也足以证明，而且根据其在AIGC等新兴技术领域的拓展，未来在方面应该会更有搞头。同时，我们也可以关注可解释、低资源等核心挑战，再结合垂直场景的深层次需求做创新。本文整理了。
2025-04-14 17:49:29
466
原创 2025年值得关注的15个RAG开源工作
想必各位都碰到过大模型瞎回答的情况，也就是大模型“幻觉”。而，就是解决这个问题的核心技术之一，在提升大模型回答的准确性和可靠性上，它拥有不可替代的作用。鉴于大模型发展的必然趋势，以及对效率、可信性、实时性持续增长的需求，关于RAG的研究也必然是焦点。再加上，未来文本、图像等多模态扩展和垂直领域应用将成为主流，RAG的发展机会只多不少。今年，我们对RAG的创新主要围绕等方向。建议论文er注意结合新兴技术与实际需求，多关注技术落地中的瓶颈问题。为方便找idea，我这边还整理了，需要参考的直接取。
2025-04-11 17:57:34
737
原创 凭借SAM+多模态又发一篇CVPR！字节＆北大都在做，跟上别掉队了！
前阵子，迎来了新突破，字节、北大联合提出了市面上第一个结合SAM2和LLaVA的多模态大模型，在视频编辑和内容创作等任务中实现了SOTA性能。实际上，这方向的，去年CVPR/ICML/NeurIPS等顶会中相关论文占比近1/3，今年的CVPR 2025上，SAM+多模态更是火热（比如实现了视觉与任务统一的SAGE方法），无疑是发论文的好选择。如果感兴趣，建议同学们抓紧上手，SAM+多模态现在。
2025-04-10 17:41:14
416
原创 冲上中科院1区TOP！“频域+PINN”发高分SCI易如反掌！
新成果发表在Applied Energy（中科院1区TOP）上，一个基于频域物理信息的神经网络FD-PINN，在三维时空风场预测任务中性能出众。这种结合通过将频域物理约束融入PINN的损失函数，提升模型对频变特性的捕捉能力，在许多应用场景，尤其是波动主导的物理场景中拥有不可替代的作用，如果准备入手，今年比较推荐高频Helmholtz方程求解，声学超材料逆向设计，电磁散射快速仿真等课题，同时也建议论文er从具体应用痛点切入，设计问题导向的频域优化策略。需要参考可看我整理的，有代码。
2025-04-09 17:03:04
431
原创 入选ICLR‘25 Spotlight！深度强化学习(DRL)迎来新突破！
近年来，相关的成果在顶会顶刊上接受度普遍较高，经常上榜ICLR、Nature、Science等。比如ICLR 2025上的一篇Spotlight，由清华团队提出，介绍了一种SmODE网路，让深度强化学习的控制更加丝滑！另外还有复旦、同济等联合提出的全新社区布局生成方法，也是基于深度强化学习...从这些成果来看，目前关于深度强化学习的研究多围绕合，尤其是结合注意力机制、GNN等，因为可以明显提升算法性能，已经成了顶会的大热选题。如果想深入挖掘，除了以上这些角度，也可以考虑。
2025-04-08 17:05:00
978
原创 2025年还在用KAN网络的也是神人了...
自从KAN的原始论文发表，相关研究就层出不穷，比如前段时间港中文提出的很有代表性的U-KAN，在准确性以及计算成本方面遥遥领先。还有刚公布录用的ICASSP 2025，其中关于KAN的创新成果更是不少。Nature子刊以及IEEE上也有优秀成果陆续发表，比如CKANs模型、PIKANs架构...可见从这些成果来看，目前关于KAN的创新大多都从等角度切入，大家找idea也建议从这些开始，需要参考可直接看我整理好的，基本都有开源代码。
2025-04-07 17:34:38
795
原创 频频登顶Nature子刊，UNet实在太好用！
UNet自被提出以来，已经被引用超过5万次，至今仍然是各大顶会顶刊的常用baseline，关于它的改进自然也是相当火热，近些年更是频频登上Nature子刊。简单看了一些成果，可以说是五花八门，主要围绕等几个方向展开。不过除了医疗这个核心场景，UNet在工业与新兴领域也有了不少拓展，对于论文er来说，等于又有了新的创新空间，建议感兴趣的同学抓紧搞起。如果需要参考，我这边也整理了，包含了上述的几个细分方向，基本都有代码，无偿分享~全部论文+开源代码需要的同学看文末。
2025-04-03 16:20:34
797
原创 Mamba杀入遥感图像！11个全开源idea，助你无痛发顶刊！
一方面，Mamba相关的研究不算太卷；另一方面，Mamba强大的全局建模能力和高效的计算效率，完美切合遥感图像领域计算效率、长距离建模、多时相分析等方面的需求。因此，在众多对实时性要求高的场景（比如城市规划、国防安全等）中，Mamba+遥感图像的优势巨大，它的落地前景自然广阔。相对的，关于它的研究成果也逐渐增多，不少高质量新成果陆续发表，比如顶刊TGRS上的ChangeMamba。如果大家感兴趣，趁这方向还处于低饱和状态，抓紧上车。创新建议紧扣遥感数据特性（比如多模态、多尺度），重点在上突破。
2025-04-02 17:16:20
705
原创 (CVPR 2025)卷积网络复活！港大最新改进版CNN涨点起飞！
有人说现在研究CNN已经没啥意义了？不如先看看今年CVPR'25上超多的CNN成果。这其中，港大最近重磅推出了新型纯CNN架构OverLoCK，性能连超传统CNN、Transformer与Mamba！实力证明而且，CNN在图像、视频等领域仍然是主流，我们在轻量化和结构创新上的改进也在持续推进CNN的效率与性能，现在的CNN在一些新兴的应用场景（比如元宇宙）中也有了进一步拓展，因此，对CNN感兴趣或有需求的同学不要犹豫，抓紧时间搞创新。目前围绕CNN的创新主要有（比如LSTM），其中结合小波变换相当火。
2025-04-01 17:31:11
1633
原创 Transformer+UNet到底是谁想出来的点子！用来创新真的太绝了！
其实不仅仅是这领域，这种技术在需要处理大尺度图像、长程依赖、多模态数据的任务中都很关键，源于其结合了UNet的多尺度特征提取能力和Transformer的全局建模能力，因此应用场景相当广泛。对应的，近年关于Transformer+UNet的研究越来越火热，论文数量持续增长（如CSWin-UNet、GS-TransUNet、TSUBF-Net等），可参考的优秀成果相当多。不过目前这方向在计算效率、多模态融合、轻量化设计、特定场景下的优化等方面依然还有改进空间，值得我们深入挖掘。
2025-03-31 17:28:53
974
原创 “具身智能”顶会大爆发！李飞飞新作获最佳论文，这思路我吹爆！
今年是越来越火了，李飞飞团队的成果一个接一个，上回还是荣获CoRL-LEAP研讨会最佳论文奖的ReKep，这个月月初又发布了𝗕𝗥𝗦，一个解决机器人在家庭任务中全身操作问题的综合框架，500美元就能让机器人帮你干一切家务！另外还有许多成果成功登上各大顶会，足见具身智能！加上之前看过的麦肯锡预测，到了2030年，全球具身智能市场规模可能达到数十万亿元，！入局不亏。那么问题来了，未来我们该向何处发力？鉴于具身智能泛化性等核心问题尚未解决，建议考虑跨学科融合、底层技术革新等方向。我还整理了，又打包了。
2025-03-28 11:11:35
434
原创 Mamba杀入图像增强！26%算力碾压SOTA！字节、华为都在做...
当前视觉领域对高效长序列建模需求激增，对这方向的研究自然也逐渐火热。原因在于其高效长程建模，以及动态计算优势，在图像质量提升和细节恢复方面有难以替代的作用。因此短时间内，就有不少Mamba+图像增强的成果陆续发表，比较突出的有字节等团队提出的图像恢复网络VmambaIR，仅使用26%的计算成本就实现了超越SOTA的重建精度，还有华为诺亚方舟实验室等提出的基于Mamba的图像增强方法TAMambaIR，计算效率起飞。其他还有不少值得参考的，我挑选了分享给大家，基本都有代码，搞科研还是离不开巨人的肩膀的。
2025-03-26 17:22:00
826
原创 左手CVPR，右手顶刊！医学图像异常检测“登峰造极”进行时，冲就对了！
当下医学影像数据激增，我们对AI辅助检测的需求更加迫切(意味着工业价值高)，再加上现在的技术仍然存在缺陷(意味着迭代空间大)：数据标注成本高、异构性大等。可见无论是在学术界还是工业界，医学图像异常检测都备受关注。目前，这方向还是围绕等角度深入，另外还出现一些新兴的创新角度，比如4D时空建模、非监督域适应等，大家有兴趣可以研究研究。值得一提的是，这方向比较注重"临床价值-技术创新-落地可行性"平衡，建议从具体临床场景切入。如果需要参考，可直接看我整理的，包括顶会顶刊，基本都有代码。
2025-03-25 17:21:05
353
原创 审稿人最爱的技术融合！YOLO+SAM双剑合璧！速度与精度All in
众所周知，一些领域对速度与精度的要求都很高，比如自动驾驶、机器人交互、医疗影像...为了满足这些需求，推动场景的落地应用，针对的研究逐渐火热，成为了当前CV领域的热门研究方向。原理在于，YOLO以实时性为核心优势，但分割精度不足；SAM通用分割能力强，但推理速度慢。这两者结合，既能提供快速目标检测框，又可以基于检测结果精细化分割，完美实现！为动态场景下的高效精细感知提供了新思路。
2025-03-21 17:20:54
728
原创 顶会新宠！剑桥凭“机器学习+因果推断”杀疯ICLR！2025发论文的黄金赛道来了！
看了这几年各大顶会的投稿趋势，发现相关的论文增长迅猛，研究热情高涨。比如ICLR 2025上剑桥大学提出的Celcomen模型，首次实现空间转录组学因果推断可识别性。不仅如此，机器学习+因果推断在工业界的需求同样旺盛，微软、Uber等企业纷纷入场，医疗、金融、自动驾驶等领域还存在大量未解决的因果建模问题，这些可都是丰富的应用场景和创新切入点。2025年，我们可以从。
2025-03-20 16:59:50
634
原创 多模态对比学习太香了！双斩CVPR/NeurIPS！新成果及开源代码已扒
它最近在各大顶会上（尤其是CVPR）可是相当受欢迎，比如NeurIPS上的CILPLoss模块，性能达到新SOTA；还有CVPR上的BadCLIP方法、HACL方法...多模态对比学习的优势在于它，尤其在多模态表征学习、跨模态对齐、预训练模型等领域表现相当好，研究潜力巨大。这方向的创新路径也很广泛，包括动态融合、处理缺失模态、引入因果推理等。不过根据当下的研究进展，建议大家还是从等多角度切入做创新。如果需要参考，可直接领取我整理的全部论文+开源代码需要的同学看文末。
2025-03-19 17:42:37
1038
原创 入选CVPR 2025！何恺明联手LeCun改进Transformer！新思路学到就赚到~
何恺明大佬这几天又整了个大的，和LeCun联手提出了一种没有归一化层的Transformer，性能比传统Transformer更强！而且他们甚至只用了9行代码...大家感兴趣可以复现了试试。这波属实是Transformer的大突破！目前也已拿下CVPR 2025。加上前不久清华微软的爆火成果Diff Transformer，近期关于又迎来了新热潮！大家没idea的快冲！改进Transformer方法思路很多的，关键在于结合具体问题提出创新。比如针对计算复杂度问题，研究线性注意力或混合架构；
2025-03-18 17:49:07
563
原创 荣登Nature招牌1区Top！可解释的多模态融合模型迎来新突破！
现有关于多模态融合的研究多集中在模型性能的提升上，对可解释的探索比较少。但实际上，可解释性是提升用户信任、优化模型决策的关键，具有重要的研究价值，符合当前学术界对透明AI的迫切需求。因此，想要在多模态领域拥有成果，是个很好的选择。中山六院团队的可解释多模态融合模型Brim，以及Nature子刊上的可解释纵向多模态融合模型，都是近期非常值得参考的研究，推荐感兴趣的论文er研读。我另外还准备了，方便找idea的同学做参考。实在没思路的话，推荐考虑细分领域（如医疗）的实际需求，从（如动态注意力）、
2025-03-17 18:07:40
702
原创 连看几十篇YOLO论文，发现了YOLO中稿的“潜规则”！这妥妥发SCI的捷径！
看了前几天刚发表的YOLOv12，深感YOLO研究之热，这迭代速度也太快了...不过往好处想，也说明YOLO相关的研究需求非常旺盛，属于SCI常客，再加上YOLO在自动驾驶、机器人导航等领域的广泛应用，用它发论文还是比较容易的。关于，现在比较流行的有（如引入Mamba）、（如CIoU）、（如YOLOv10的NMS-Free设计）。针对现有的工业需求和未来发展趋势，我们也可以从等实际问题角度进行探索。如果大家想发论文，建议先从上述主流（如新模块设计）入手，参考多资源也多，入门轻松。我这边整理了。
2025-03-14 17:56:47
859
原创 李飞飞＆DeepSeek都在用！模型蒸馏爆火！在CVPR上杀疯了...
被李飞飞成本不到150元的推理模型s1震撼到了，甚至他们只花了26分钟...研读后发现秘诀只有一个：蒸馏。简单来说，就是将谷歌Gemini 2.0的推理能力蒸馏到阿里Qwen2.5模型中，得到s1，效果媲美DeepSeek-R1和OpenAI o1。不得不赞叹的强大，这种将大模型知识迁移到小模型上的技术，在降低训练和部署成本方面遥遥领先。这也是它成为s1秘诀和DeepSeek核心技术的原因，非常贴合当下“技术普惠”的发展趋势，研究前景明确。当前，模型蒸馏仍然是，但成熟度比较高。
2025-03-14 17:54:52
506
原创 拿下CV顶会！多模态特征融合+Mamba新方法，性能超越SOTA！
Mamba，一种具有强大信息整合能力的技术，加上多模态特征融合，不仅能提升模型在处理复杂任务时的准确性和鲁棒性，还拓宽了应用边界：从智能交互到复杂数据分析的多个领域...都涵盖了。创新空间和落地应用前景可见一斑。去年至今，相关的论文呈爆发式增长，其中顶会顶刊成果占比可观，比如ICASSP 2025的DepMamba模型，计算效率、准确率等都优于SOTA。如果有同学也对此感兴趣，想出成果，推荐优先探索，结合真实场景需求设计创新点。为方便大家找参考，我已经整理好了。
2025-03-12 17:44:57
1325
原创 创新耐打！时间序列+聚类这么做，顶会稳了！
它同时也是数据挖掘与模式识别的核心课题，能高效挖掘数据模式，提高预测和分析的准确性，非常适合多变的数据环境，比如金融、医疗、零售、制造业等领域。这方向近年来在工业界的需求增长不断，研究前景广阔。当前顶会上相关论文成果多聚焦于跨领域模型构建与实际场景适配，比如华东师大的DUET。如果想发论文，建议从切入，结合最新技术（如扩散模型）搞创新。本文整理了，开源代码已附，包含最近的顶会顶刊成果，供各位做参考，没思路或有其他问题也欢迎交流~全部论文+开源代码需要的同学看文末。
2025-03-11 17:43:18
774
原创 深度学习+多模态数据融合，顶刊超神了！
还在搞传统的？不如考虑。优势在于能融合不同模态的特征信息，实现模型理解、预测和决策能力的大幅提升，可以帮助我们开发出拥有更高性能的智能算法和模型，近期的不少一区顶刊上陆续发表了相关研究，热度可见。不过深度学习+多模态数据融合仍然处于快速发展期，数据异构性、模态缺失等问题尚未解决，还是有创新空间的，尤其在解决实际挑战或提出新型融合架构方面。在未来更复杂场景下，显然这类多模态融合技术将成为核心支撑，且技术迭代必然很快，如果大家感兴趣就得抓紧了，找idea可以直接看我整理的，速度上车。
2025-03-07 17:21:02
955
原创 融合LSTM与Transformer做时间序列预测，发高分轻轻松松！
不仅巧妙融合了二者的优势，还构建了一个强大而灵活的预测框架，为我们处理复杂时间序列数据提供了更牛x的工具。这方向如今是深度学习领域的热门研究主题，前景非常可观，在工业物联网(如设备故障预警)、智慧城市(如交通流量预测)、生物医学、环境科学(如气象预测)等领域都有广泛应用。相关成果频繁发表于顶会顶刊，尤其是跨学科相关的。如果想做创新，建议聚焦，并结合实际工业需求设计实验(如大时滞、多变量场景)。本文整理了，需要参考的自取~全部论文+开源代码需要的同学看文末。
2025-03-06 18:29:48
1394
原创 喜提CVPR 2025满分！数据蒸馏取得新突破！速度up20倍，GPU占用仅2G
敢信一块2080Ti就能做大模型？上交大提出的全新数据集蒸馏方法NFCM做到了，不仅速度提升了20倍，GPU占用更是只有2G！相关论文获得了CVPR 2025满分！作为DeepSeek的核心技术，数据蒸馏因为能通过压缩数据集或知识迁移，，成为了资源受限场景（比如移动设备）必备技术。又因为其涉及子领域众多（比如分布匹配），还与生成模型等技术交叉，从而拥有了相当。可谓产业与学术的双重落地，无疑是机器学习领域的研究焦点。
2025-03-05 17:17:37
1295
原创 Kimi“撞车”DeepSeek！新一代注意力机制的极限突破！
近期，各方大佬在注意力机制上又“打起来了”。首先登场的是顶流DeepSeek，新论文梁文锋署名，提出了一种新的注意力机制NSA。同天，Kimi杨植麟署名的新注意力架构MoBA开源。紧接着，华为诺亚提出高效选择注意力架构ESA。这神仙打架的场面太震撼（论文解析在下文），同时也证明注意力机制依然是2025最受追捧的研究热点之一，仍处于快速发展期，深度学习搞创新少不了。
2025-03-04 17:02:39
1025
原创 特征融合这样创新！与GNN结合顶天，一区TOP刊如囊中物！
在处理具有复杂关系结构的数据时，为增强模型的表示能力和预测性能，我们考虑。优势在于能整合多种特征信息，并通过GNN捕捉节点间的复杂关系，尤其适合医疗数据分析、情感识别等应用场景。这结合也是双热点叠Buff，加上数据驱动优势（适用于非欧数据，覆盖场景广，有实验对比优势），关注度自然水涨船高，顶会顶刊成果已然不少。比如一区TOP刊IEEE TC上的基于GNN的时频双流网络，表现超越了SOTA。为方便感兴趣的同学找创新点，本文整理了。
2025-03-03 17:52:19
885
原创 狂发顶会的Mamba，融合傅里叶变换再出神作！
核心优势在于通过增强频率相关性建模和优化计算过程，可以显著提升信号和图像处理的效果与效率，应用场景已扩展到了医学影像分析、视频时序建模等各种任务。这方向近期的研究趋势逐渐火爆，新成果有图像去雨框架Fouriermamba，去雨性能超越SOTA；还有新型3D医学图像分割框架EM-Net，参数量比SOTA少一半，训练速度快了2倍...这些成果主要是围绕。如果大家想入手，除了上面热门的角度，还推荐往等细分方向考虑，趁着还不太卷抓紧上车。我这边整理了，需要参考的同学不用多花时间了，直接来拿~
2025-02-28 17:59:46
886
原创 结合CNN与Transformer，实现遥感图像处理性能巅峰，霸榜顶会顶刊！
还记得这个热门组合吗？最近发现它在领域有不少高质量成果。比如顶刊Nat. Commun.上的GlaViTU 模型，一区IEEE TGRS上的SparseFormer（用于稀疏点标注遥感语义分割）、 LGCNet 模型等。其实这也是遥感图像领域的发展趋势，这类混合架构通过轻量化设计（如Lite-Mono参数减少80%）和高效注意力机制（如LeWin模块），显著提升任务性能，完美契合工业界需求，研究前景很广阔（论文er可试）。
2025-02-27 20:04:19
1177
原创 物理信息强化学习爆火！登上IEEE Trans一区顶刊！
近日顶刊IEEE TSE（一区）上还发表了相关成果，提出了一种基于约束强化学习的PIRL方法，计算速度大幅提升。PIRL属于PIML与强化学习的交叉领域，结合了物理规律的严谨性与强化学习的灵活性，在数据稀缺领域（如航空航天）、动态复杂系统（如湍流控制）、工业自动化等场景表现相当突出。所以这方向无论，当下还有很多创新思路可搞，比如...没idea的同学可考虑。本文整理了物理信息强化学习，有代码的都贴上了，需要参考的可无偿获取。全部论文+开源代码需要的同学看文末。
2025-02-26 18:07:05
831
原创 多模态LLM+Mamba组合出击！推理加速约20倍！GPU显存减少75%！
发现一篇效果很好的论文，上周刚刚发表，论文提出了Multimodal Mamba多模态解码器模型，通过将Transformer模型的知识蒸馏到线性复杂度的Mamba架构中，实现了20.6倍的速度提升和75.8%的GPU内存节省。这效果在MLLM+Mamba一众成果中也算非常突出。近些年MLLM发展迅猛，再加上Mamba高效的分布式计算和强大的上下文理解能力，MLLM+Mamba这一结合已是当前极具潜力的研究方向，
2025-02-25 17:34:09
1067
原创 变种PINN，更小的误差，更高的性能！
刷到篇2025年西工大刚发的文章，讲的是PINN的新变种——VW-PINNs（PINN中PDE残差的体积加权方法），研究表明其具有更小的误差，更好的性能。如果对PINN比较熟悉，应该很好理解VW-PINNs（下文有解析）。近年来PINN相关的研究频繁发表于《Nature》等顶级期刊，加上其在交叉学科的应用需求，以及丰富的开源代码资源（多数改进方案都开源），PINN的变种研究已经成了的一个方向。当前，PINN改进比较热门的创新有算法优化、架构创新、应用拓展等，未来也可进一步聚焦。
2025-02-21 17:21:33
725
原创 KAN备受审稿人青睐！结合小波变换就能发一区，厉害了
自提出至今，一直备受顶会青睐，前不久KAN被ICLR25接收为Oral Paper，与之相关的研究越发火热，其中的思路尤盛。一方面，小波变换的多尺度分析能力可以为KAN提供更丰富的特征表示，从而提高模型的性能。另一方面，KAN的灵活性和表达能力可以让这组合在处理复杂数据集时表现出色。二者可谓相辅相成，在特征提取、故障诊断等方面发挥了重要作用，如今更是作为热门前沿方向，KAN+小波变换的多篇高质量的论文已经在多个顶会顶刊上发表，比如一区上的一篇成果，通过结合两者，在乳腺癌诊断各指标上都非常出色。
2025-02-20 18:01:53
738
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人