文章目录一、CLIP1.1简介1.1.1前言1.1.2模型结构1.1.3模型效果1.1.3.1对自然分布偏移的鲁棒性1.1.3.2StyleCLIP1.1.3.3CLIPDraw1.1.3.4zero-shot检测1.1.3.5CLIP视频检索1.1.4导言1.2方法1.2.1自然语言监督的优势1.2.2预训练方法（训练效率至关重要）1.2.3伪代码1.3实验1.3.1zero-shot迁移1.3.2PromptEngineeringandEnsembling3.3.3zero-shot分类效果对比（ResNet-50）1.3.4few-shot分类效果对比1.3.5`LinearprobeC
REPUTATIONMECHANISMWeintroduceourreputationmechanisminthissection.Inedgenetworks,thereputationofanodeistheevaluationofthenodebyothernodesbasedonitsbehavior.Generallyspeaking,thebehaviorofnodeswithhighreputationsismorecompliantwiththerulesofthenetworkthannodeswithlowreputations.Accordingtodifferentso
YOLO系列论文精读YOLOV11）实现2）详细解读总结YOLOV2/90001）Better：2）Faster：3）Stronger：总结YOLOV3YOLOV41）Bagoffreebies：2）Bagofspecials：补充：NMS非极大值抑制NMS（非极大抑制）：Soft-NMS（柔性非极大抑制）:基本思想：采用预定义候选区，粗略覆盖图片整个区域，找到粗略候选区，再使用RCNN的边框回归调整到更接近真实的boundingbox（one-stage）基本结构：【卷积+池化】+【dense+dense】，最后一层输出激活函数使用线性函数（预测boundingbox需要数值型）YOLO与R
【论文精读】SadTalker：LearningRealistic3DMotionCoefficientsforStylizedAudio-DrivenSingleImageTalkingFaceAnimation（CVPR2023）论文：《SadTalker:LearningRealistic3DMotionCoefficientsforStylizedAudio-DrivenSingleImageTalkingFaceAnimation》github：https://github.com/Winfredy/SadTalker摘要Abstract通过人脸图像和一段语音音频生成TalkingH
由于信息在现实世界中以各种形式存在，多模态信息之间的有效交互和融合对于计算机视觉和深度学习研究中多模态数据的创建和感知起着关键作用。近期OpenAI发布的DALLE-2和谷歌发布的Imagen等实现了令人惊叹的文字到图像的生成效果，引发了广泛关注并且衍生出了很多有趣的应用。而文字到图像的生成属于多模态图像合成与编辑领域的一个典型任务。多模态图像合成和编辑在建模多模态信息之间的交互方面具有强大的能力，近年来已成为一个热门的研究课题。本篇文章是阅读MultimodalImageSynthesisandEditing:ASurvey的精读笔记，论文发表于2021年12月，是一篇值得一读的综述。论文地
文章目录PrefaceAbstractContributionsPipelineProblemDefinitionDecoupledRepresentationsofObjectsInside&OutsideObjectsEdgeFusionLossVisualPropertiesRegression2DDetectionDimensionEstimationOrientationEstimationKeypointEstimationAdaptiveDepthEnsembleDepthFromKeypointsUncertaintyGuidedEnsembleRunCodeReference
目录0、Introduction1、ConvNet+LSTM2、Two-StreamConvolutionalNetworks2.1双流网络泛读3、3DConvNets3.1C3D泛读4、TemporalSegmentNetworks4.1TSN泛读：5、Two-StreamInflated3DConvNets5.1I3D泛读6、TemporalShiftModule6.1TSM泛读7、SlowFastNetworks7.1SlowFast泛读8、VTN（VideoTransformerNetwork）9、ViViT:AVideoVisionTransformer10、TimeSformer1
ChatAug:LeveragingChatGPTforTextDataAugmentation论文精读InformationAbstract1Introduction2RELATEDWORK2.1DataAugmentation2.2Few-shotLearning2.3VeryLargeLanguageModels2.4ChatGPT:PresentandFuture3DATASET3.1SymptomsDataset3.2PubMed20kDataset4METHOD4.1OverallFramework4.2DataAugmentationwithChatGPT4.3Few-shotT
文章目录【代码精读】DiffusionModel扩散模型1.代码来源：2.代码结构3.``Diffusion``Package3.1.Diffusion.py3.1.1.正向扩散过程3.1.2.反向扩散过程3.2.Model.py3.3.Train.py4.``DiffusionFreeGuidence``Package4.1.DiffusioinCondition.py4.2.ModelCondition.py4.3.TrainCondition.py【代码精读】DiffusionModel扩散模型本篇博客不会很详细介绍diffusionmodel的原理，而是用“知其然”的方式直接上代码。1
文章目录【代码精读】DiffusionModel扩散模型1.代码来源：2.代码结构3.``Diffusion``Package3.1.Diffusion.py3.1.1.正向扩散过程3.1.2.反向扩散过程3.2.Model.py3.3.Train.py4.``DiffusionFreeGuidence``Package4.1.DiffusioinCondition.py4.2.ModelCondition.py4.3.TrainCondition.py【代码精读】DiffusionModel扩散模型本篇博客不会很详细介绍diffusionmodel的原理，而是用“知其然”的方式直接上代码。1
