摘要：1.针对的问题 现有的深度网络方法主要基于类激活图，只强调最具判别性的局部区域，忽略了整个目标。此外，新兴的基于transformer的技术不断强调背景，这阻碍了完整物体的识别能力。 2.主要贡献 •提出了一种再注意机制，称为token refinement transformer(TRT)，它突出 阅读全文

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

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

摘要：1.针对的问题 为了在未修剪视频中建模时间关系，以前的多种方法使用一维时间卷积。然而，受核大小的限制，基于卷积的方法只能直接获取视频的局部信息，不能学习视频中时间距离较远的片段之间的直接关系。因此，这种方法不能模拟片段之间的远程交互作用，而这对动作检测可能很重要。 多头自注意力虽然可以对视频中的长期 阅读全文