论文阅读
文章平均质量分 93
Yuetianw
用随机梯度下降来优化人生
展开
-
上手AIGC必读经典算法——寻找创新点-BigGAN
结论• 提升GAN网络的规模,能对生成图像的保真度和多样性都带来很大提升• 把基于ImageNet训练的GAN模型的生成能力提升到了新的阶段,大幅提高了SOA得分• 基于模型权重的奇异值,对训练的稳定性进行了表征和分析,讨论了稳定性和性能之间的相互影响升[外链图片转存中…(img-1lEdk7GS-1665106488450)]结论• 提升GAN网络的规模,能对生成图像的保真度和多样性都带来很大提升。原创 2022-10-07 09:35:38 · 1356 阅读 · 1 评论 -
上手AIGC必读经典算法——如何引入文本信息?来看 StackGAN
• 提出了堆叠的GAN网络,结合条件增强方法,能够生成照片级的图像• 其中阶段1的GAN网络根据给定的文本描述,来生成颜色和形状基本满足要求的草图• 阶段2的GAN网络,能够纠正阶段1结果的缺陷,并增加更多细节• 一系列实验显示,与现有的文本到图像方法相比,StackGAN能生成具有更高分辨率更多细节和多样性的目标图像• 提出了堆叠的GAN网络,结合条件增强方法,能够生成照片级的图像• 其中阶段1的GAN网络根据给定的文本描述,来生成颜色和形状基本满足要求的草图。原创 2022-10-04 11:46:46 · 642 阅读 · 1 评论 -
上手AIGC必读经典算法——什么是渐进式训练?《Progressive Growing of GANs for Improved Quality, Stability, and Variation》
使用渐进的方式来训练生成器和判别器:先从生成低分辨率图像开始,然后不断增加模型层数来提升生成图像的细节这个方法能加速模型训练并大幅提升训练稳定性,生成前所未有的的高质量图像(1024*1024)提出了一种简单的方法来增加生成图像的多样性介绍了几种限制生成器和判别器之间不健康竞争的技巧提出了一种评价GAN生成效果的新方法,包括对生成质量和多样性的衡量构建了一个CELEBA数据集的高清版本优点•ProGAN相比于更早的GAN网络,生成的质量普遍都很高•。原创 2022-10-04 09:11:21 · 621 阅读 · 1 评论 -
新模型介绍:AM-GCN Adaptive Multi-channel Graph Convolutional Networks
论文阅读:AM-GCN: Adaptive Multi-channel Graph Convolutional Networks文章目录论文阅读:AM-GCN: Adaptive Multi-channel Graph Convolutional NetworksABSTRACT1 引言AM-GCN: THE PROPOSED MODELSpecific Convolution ModuleCommon Convolution ModuleAttention MechanismObjective Func原创 2022-03-21 15:10:15 · 1626 阅读 · 0 评论 -
经典算法:Multi-dimensional Graph Convolutional Networks
论文笔记:Multi-dimensional Graph Convolutional Networks文章目录论文笔记:Multi-dimensional Graph Convolutional NetworksABSTRACT1 INTRODUCTION2 THE PROPOSED FRAMEWORK2.1 General and dimension-specific representations2.4 Multi-dimensional Graph ConvolutionalNetworks3 EX原创 2022-03-18 15:11:30 · 5656 阅读 · 1 评论 -
算法讲解:Multi-view adaptive graph convolutions for graph classification
论文阅读笔记:Multi-view adaptive graph convolutions for graph classification文章目录论文阅读笔记:Multi-view adaptive graph convolutions for graph classificationAbstract1 Introduction2 Related work3 Proposed method3.1 Notations and prerequisites3.2 Construction of the hyb原创 2022-03-07 21:06:35 · 942 阅读 · 0 评论 -
Word2Vec原文翻译
Word2Vec原文翻译Efficient Estimation of Word Representations in Vector Space摘要我们提出了两种新的模型架构,用于计算来自非常大的数据集的连续向量的词的代表。这些表征的质量是在单词相似性任务中测量的,其结果与之前基于不同类型的神经网络的最佳表现技术进行了比较。我们观察到,在计算成本低得多的情况下,准确性有了很大的提高,也就是说,从16亿字的数据集中学习高质量的词向量需要不到一天的时间。此外,我们表明,这些向量在我们的测试集上提供了最先进翻译 2021-07-08 21:21:08 · 1228 阅读 · 0 评论 -
Deep Learning论文翻译(Nature Deep Review)
原论文出处:https://www.nature.com/articles/nature14539by Yann LeCun, Yoshua Bengio & Geoffrey HintonNature volume521, pages436–444 (28 May 2015)找到一篇很好的翻译,转载收藏:译者:零楚L(https://www.cnblogs.com/lingchuL/)论文中大量使用貌似作者默认术语但又难以赋予合适中文意义或会造成歧义的词语及其在本文中将采用的固定翻译有:转载 2021-07-07 18:17:33 · 1064 阅读 · 0 评论