哪有什么岁月静好，不过是有人替你负重前行！

随笔分类 -  其他论文总结

Learning Affinity from Attention: End-to-End Weakly-Supervised Semantic Segmentation with Transformers概述
摘要：0.前言 相关资料： arxiv github 论文解读 论文基本信息： 领域：弱监督语义分割 发表时间： CVPR 2022(2022.3.5) 1.针对的问题 目前主流的弱监督语义分割方法通常首先训练分类模型，基于类别激活图（CAM）或其变种生成初始伪标签；然后对伪标签进行细化作为监督信息训练一 阅读全文
posted @ 2023-05-22 11:00 Lhiker 阅读(347) 评论(0) 推荐(0)
VideoMAE Masked Autoencoders are Data-Efficient Learners for Self-Supervised Video Pre-Training概述
摘要：0.前言 相关资料： arxiv github 论文解读(知乎，CSDN) 论文基本信息： 领域：视频自监督表示学习 发表时间：NeurIPS 2022(2022.3.23) 1.针对的问题 视频存在非常多的冗余信息，所以，对视频的处理需要非常大的计算资源，transformer需要非常多的额外训练 阅读全文
posted @ 2023-03-01 17:00 Lhiker 阅读(535) 评论(0) 推荐(0)
CLIP 改进工作串讲(下)学习笔记
摘要：1.图像生成 1.1CLIPasso(semantically-aware object sketching) 将物体的照片变成简笔画的形式，希望即使有最少的线条，也能识别出来物体。 问题定义，在纸上画几条随机初始化的曲线(bezier curve)，通过不断的训练，希望这些曲线最后变成简笔画，贝兹 阅读全文
posted @ 2022-09-26 16:53 Lhiker 阅读(2060) 评论(0) 推荐(0)
CLIP改进工作串讲(上)学习笔记
摘要：看了跟李沐学AI系列朱毅老师讲的CLIP改进工作串讲，这里记录一下。 1.分割 分割的任务其实跟分类很像，其实就是把图片上的分类变成像素级别上的分类，但是往往图片上能用的技术都能用到像素级别上来。所以分割的论文很多。 1.1.LSeg(language-driven semantic segment 阅读全文
posted @ 2022-09-22 15:27 Lhiker 阅读(2249) 评论(0) 推荐(0)
对比学习论文综述总结
摘要：看了朱毅老师在B站讲的对比学习论文综述，这里稍微总结一下。视频，笔记 第一阶段：百花齐放 InstDisc（Unsupervised Feature Learning via Non-Parametric Instance Discrimination） 引入个体判别代理任务，正样本就是这个图片本身 阅读全文
posted @ 2022-08-04 16:27 Lhiker 阅读(1423) 评论(0) 推荐(0)
mixup: BEYOND EMPIRICAL RISK MINIMIZATION概述
摘要：参考简书，github 0.前言 相关资料： arxiv github 论文解读 论文基本信息： 领域：数据增强 发表时间：arxiv 2022（2022.5.1） 1.针对的问题 大型的深度神经网络存在一些不好的行为，比如记忆性和对抗样本敏感问题。当前的神经网络大多都是基于经验风险最小化（ERM原 阅读全文
posted @ 2022-05-26 20:20 Lhiker 阅读(264) 评论(0) 推荐(0)
I3D论文总结
摘要：最近看了李沐讲论文系列朱毅老师讲的I3D论文精读（视频，笔记），这里记录一下。 1.针对的问题 1.之前的视频数据集都太小，导致大多数流行的动作识别基准都很小，且即使不同模型效果有好有坏也难以区分。 2.在I3D提出之前，视频一直没有明确的前端运行架构，之前捕获时序信息的方法主要有三种。1.向模型中 阅读全文
posted @ 2022-05-20 16:42 Lhiker 阅读(1335) 评论(0) 推荐(0)
CLIP：Learning Transferable Visual Models From Natural Language Supervision
摘要：0. 前言 相关资料： arxiv github 参考解读（CSDN，知乎，CSDN，博客园） 论文基本信息： 领域：多模态 作者单位：OpenAI 发表时间：2021.2 1. 要解决的问题 之前的计算机视觉模型的数据集都是针对某一类特定任务，迁移效果较差，同时，一些训练时表现好的模型可能在测试中 阅读全文
posted @ 2022-02-20 15:54 Lhiker 阅读(528) 评论(0) 推荐(0)
对Weakly-supervised Video Anomaly Detection with Robust Temporal Feature Magnitude Learning的进一步总结
摘要：传统异常检测的方法对阳性示例的识别，即异常视频中罕见的异常片段，在很大程度上受到优势负示例的影响，特别是当异常事件是细微的异常，与正常事件相比只有微小的差异时。为了解决这一问题，论文中引入了一种新的、理论上健全的方法，称为鲁棒时间特征幅值学习(RTFM)，RTFM是基于top-k示例MIL，其最大特 阅读全文
posted @ 2021-12-07 16:33 Lhiker 阅读(720) 评论(0) 推荐(0)
对Weakly Supervised Relative Spatial Reasoning for Visual Question Answering的进一步总结
摘要：作者研究了VQA模型是否能够解决GQA挑战中图像中物体之间的空间关系问题。研究结果表明，尽管模型正确地回答了其中一些问题（∼60%），但它们不能真实地解决空间关系问题，这就引出了一个问题：VQA模型是否真的理解了场景的几何形状，或者它们是否基于从数据中学习到的虚假相关性来回答空间问题？基于此，作者设 阅读全文
posted @ 2021-12-02 14:47 Lhiker 阅读(94) 评论(0) 推荐(0)
对Weakly Supervised Human-Object Interaction Detection in Video via Contrastive Spatiotemporal Regions的进一步总结
摘要：利用来自自然语言句子描述的带有动词和名词短语标注的视频，以弱监督的方式检测视频中的人-物交互，并检测视频多帧中的人和物体边界框，这里的弱监督指的是在训练时不需要边界框注释，同时，允许以零次学习的方式检测罕见和未见过的人-物交互。 主要创新点：引入了一种对比性的弱监督训练损失，可以在无边界框标注的情况 阅读全文
posted @ 2021-11-19 17:04 Lhiker 阅读(114) 评论(0) 推荐(0)